IDENTIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN METODE K-MEANS CLUESTERING DAN MEDIAN FILTER

Yanti, Rahma
Yasmin, Nabilla
Putra, Kharisma Utama
Irawan, Hendri
Sovia, Rini

JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Vol 8, No 2 (2025): May 2025

Abstract: This study aims to develop an automatic system for identifying the ripeness level of mangoes using the K-Means Clustering and Median Filter methods. The background of this research is based on the agricultural industry's need for an objective ripeness assessment, as manual methods are often subjective and inefficient. The K-Means Clustering method is used to categorize mango ripeness based on skin color characteristics, while the Median Filter is applied to enhance image quality by reducing noise before clustering. This study utilizes a dataset of 120 mango images, consisting of 47 images for training and 73 images for testing. The results indicate that the combination of these two methods achieves a classification accuracy of 98%. These findings contribute to the development of digital image processing technology for applications in the agricultural and food industries. Keyword: Ripeness identification, K-Means Clustering, Median Filter, Image Processing, Mango. Abstrak: Penelitian ini bertujuan untuk mengembangkan sistem identifikasi tingkat kematangan buah mangga secara otomatis menggunakan metode K-Means Clustering dan Median Filter. Latar belakang penelitian ini didasarkan pada kebutuhan industri pertanian dalam menentukan tingkat kematangan mangga secara objektif, mengingat metode manual sering kali subjektif dan kurang efisien. Metode K-Means Clustering digunakan untuk mengelompokkan tingkat kematangan mangga berdasarkan karakteristik warna kulit, sedangkan Median Filter diterapkan untuk meningkatkan kualitas citra dengan mengurangi noise sebelum dilakukan proses klasterisasi. Penelitian ini menggunakan dataset sebanyak 120 citra mangga, yang terdiri dari 47 citra untuk pelatihan dan 73 citra untuk pengujian. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu mengklasifikasikan tingkat kematangan mangga dengan akurasi sebesar 98%. Temuan ini memberikan kontribusi dalam pengembangan teknologi pemrosesan citra digital untuk aplikasi dalam industri pertanian dan pangan. Kata kunci: Identifikasi kematangan, K-Means Clustering, Median Filter, Pengolahan Citra, Mangga.