Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Muh Fahrul Fahrezi
Teknologi Rekayasa Perangkat Lunak, IPB University
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN METODE IMAGE PROCESSING BERBASIS HISTOGRAM WARNA UNTUK IDENTIFIKASI DAN PENENTUAN TINGKAT KEMATANGAN BUAH PISANG Davino Rizqy Dayan; Muhammad Gibran Anggalana; Muh Fahrul Fahrezi; Naufalih Muzakki Sujono; Rheynesta Hannover; Endang Purnama Giri; Gema Parasti Mindara
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18348

Abstract

Penentuan tingkat kematangan buah pisang merupakan aspek penting dalam proses pascapanen untuk menjaga kualitas sebelum distribusi. Namun, metode manual yang sering digunakan petani masih bersifat subjektif dan kurang akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kematangan pisang menggunakan pengolahan citra digital berbasis histogram warna dan algoritma Support Vector Machine (SVM). Dataset yang digunakan sebanyak 1.865 citra dari empat kategori kematangan, yaitu mentah, setengah matang, matang, dan terlalu matang. Tahapan penelitian meliputi segmentasi citra menggunakan Otsu Thresholding, ekstraksi fitur statistik orde pertama (Mean, Skewness, Energy, dan Smoothness) dari ruang warna RGB, HSV, dan Lab*, serta klasifikasi menggunakan SVM kernel Radial Basis Function (RBF). Hasil pengujian menunjukkan model mampu mengklasifikasikan tingkat kematangan pisang dengan akurasi sebesar 98%. Kelas matang memperoleh precision 93%, recall 95%, dan F1-score 94%, sedangkan kelas mentah mencapai precision 99%, recall 100%, dan F1-score 99%. Kelas setengah matang memperoleh nilai 99% untuk seluruh metrik, sementara kelas terlalu matang mencapai precision 98%, recall 96%, dan F1-score 97%. Hasil ini menunjukkan metode yang digunakan efektif sebagai solusi otomatis dan objektif dalam identifikasi kematangan buah pisang
Co-Authors Davino Rizqy Dayan Endang Purnama Giri Gema Parasti Mindara Muhammad Gibran Anggalana Naufalih Muzakki Sujono Rheynesta Hannover