Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Electronics Engineering
Lukas Raden Arya Jatayu
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Kesegaran Stroberi Berdasarkan Multi-Fitur Qonitatul Hasanah; Lukas Raden Arya Jatayu
Journal of Informatics and Electronics Engineering Vol. 6 No. 01 (2026): Juni 2026
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v6i01.1661

Abstract

Stroberi merupakan buah hortikultura yang sangat rentan mengalami penurunan kualitas setelah dipanen, sehingga klasifikasi tingkat kesegaran menjadi tahap penting dalam menjaga standar produk. Selama ini, penilaian kualitas masih banyak dilakukan secara manual melalui pengamatan visual yang bersifat subjektif, rentan terhadap kelelahan manusia, dan kurang efisien. Penelitian ini bertujuan untuk mengembangkan metode identifikasi tingkat kesegaran stroberi secara otomatis menggunakan teknik pengolahan citra digital. Dataset yang digunakan terdiri dari 500 citra stroberi yang dibagi menjadi 80% data latih dan 20% data uji. Proses ekstraksi fitur dilakukan dengan mengombinasikan tiga parameter utama, yaitu fitur warna RGB, fitur tekstur menggunakan Gray Level Co-Occurrence Matrix (GLCM), serta fitur deteksi tepi melalui Laplacian Filter. Klasifikasi tingkat kesegaran dilakukan dengan menerapkan algoritma K-Nearest Neighbor (KNN). Hasil evaluasi performa menunjukkan bahwa penggunaan parameter k=5 memberikan hasil paling optimal dengan tingkat akurasi sistem sebesar 94% dan akurasi perhitungan manual mencapai 97%. Kombinasi multi-fitur terbukti mampu memberikan representasi visual yang lebih menyeluruh serta meningkatkan stabilitas model dalam membedakan antara karakteristik stroberi segar dan busuk secara akurat dan konsisten.
Co-Authors Qonitatul Hasanah