Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Irene Carl Lewis
Universitas Tarumanagara
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

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

Found 1 Documents
Search

 1 
Klasifikasi Kualitas Apel Berdasarkan Ciri Menggunakan Metode PCA dan SVM Gregorius Nathanyel Benedict; Irene Carl Lewis; Panicia Panicia; Ryan Hermanto; Paquita Melawi; Samuel Gregorio Criswell Kastono; Melfanny Leono
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.13422

Abstract

Penelitian ini bertujuan mengklasifikasikan kualitas buah apel ke dalam kelas apel bagus dan apel jelek menggunakan Principal Component Analysis (PCA) dan Support Vector Machine (SVM) berbasis citra digital. Otomasi penilaian kualitas diperlukan agar proses pemeriksaan buah dalam jumlah besar dapat dilakukan secara lebih cepat dan konsisten. Tahapan penelitian dimulai dari pre-processing citra dengan konversi gambar berwarna menjadi grayscale, kemudian dilakukan ekstraksi fitur warna, bentuk, dan tekstur. Dataset hasil ekstraksi diperiksa terhadap missing value dan outlier; outlier dideteksi menggunakan Mahalanobis Distance sebelum data dibagi menjadi data training dan testing dengan rasio 80:20. Reduksi dimensi selanjutnya dilakukan menggunakan PCA. Dua komponen utama, yaitu PC1 dan PC2, dipertahankan karena secara kumulatif mampu merepresentasikan 98,09% variansi data. Data hasil transformasi PCA digunakan sebagai masukan untuk membangun model klasifikasi SVM. Evaluasi dilakukan menggunakan confusion matrix serta metrik akurasi, precision, recall, dan F1-score, disertai cross-validation untuk menilai konsistensi model. Hasil pengujian menunjukkan akurasi sebesar 87,85% pada data training dan 88,40% pada data testing, sedangkan akurasi cross-validation mencapai 86,80%. Pada data testing, precision mencapai 93%, recall 85%, dan F1-score 89%. Hasil tersebut menunjukkan bahwa kombinasi PCA dan SVM efektif untuk klasifikasi kualitas apel berbasis ciri visual dengan dimensi fitur yang lebih ringkas. Pendekatan ini berpotensi mendukung proses quality control buah secara otomatis dan efisien.
Co-Authors Gregorius Nathanyel Benedict Melfanny Leono Panicia Panicia Paquita Melawi Ryan Hermanto Samuel Gregorio Criswell Kastono