Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal EPIC : Journal of Electrical Power, Instrumentation and Control
Arizal Anshori
Unknown Affiliation
Electrical & Electronics Engineering

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

Found 1 Documents
Search

 1 
Klasifikasi Tingkat Kematangan Pisang Menggunakan Segmentasi HSV dan Aturan Berbasis Nilai Hue Arizal Anshori; Reni Rahmadewi
EPIC Journal of Electrical Power Instrumentation and Control Vol 8 No 2 (2025): EPIC
Publisher : Universitas Pamulang, Prodi teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/epic.v8i2.59047

Abstract

Penelitian ini merancang sistem klasifikasi tingkat kematangan buah pisang menggunakan segmentasi warna ruang HSV dan aturan berbasis nilai rata-rata Hue. Sistem dikembangkan menggunakan software MATLAB untuk memproses tahapan input citra, pra-pemrosesan, segmentasi, operasi morfologi, hingga klasifikasi akhir. Dataset yang digunakan terdiri dari 30 citra pisang, yang mencakup 10 citra belum matang, 10 citra matang, dan 10 citra terlalu matang. Tahap pra-pemrosesan dilakukan melalui penyesuaian ukuran (resize) dan konversi ruang warna RGB ke HSV agar informasi warna lebih stabil terhadap intensitas pencahayaan. Hasil segmentasi awal kemudian diperbaiki menggunakan operasi morfologi (opening, closing, dan filling) untuk menghilangkan noise dan menambal celah, sebelum dianalisis melalui perhitungan rata-rata nilai Hue objek untuk menentukan kategori kematangan. Hasil pengujian menunjukkan tingkat keberhasilan klasifikasi mencapai 100% pada seluruh dataset. Pendekatan rule-based berbasis rata-rata Hue mampu membedakan ketiga kelas kematangan secara efektif dan konsisten karena pemisahan area objek dari latar belakang berhasil dilakukan dengan sangat jelas. Meskipun masih memiliki keterbatasan pada kondisi variasi pencahayaan ekstrem atau bercak warna kulit yang tidak merata, sistem ini terbukti akurat. Secara keseluruhan, metode ini menawarkan solusi estimasi kematangan pisang yang lebih sederhana dan ringan secara komputasi dibandingkan dengan pendekatan machine learning.
Co-Authors Reni Rahmadewi