<![CDATA[Kualitas wortel merupakan faktor krusial dalam industri pertanian, namun metode penilaian manual yang umum digunakan bersifat subjektif dan tidak konsisten. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu wortel otomatis berbasis citra digital untuk mengatasi masalah tersebut. Metode yang digunakan mengintegrasikan Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur, Principal Component Analysis (PCA) untuk reduksi dimensi, dan Support Vector Machine (SVM) dengan kernel RBF untuk klasifikasi. Sistem diuji menggunakan dataset 409 citra yang terbagi dalam tiga kelas: segar, kurang segar, dan busuk. Hasil pengujian menunjukkan sistem mencapai akurasi keseluruhan sebesar 90,54%. Model menunjukkan performa sangat baik pada kelas segar (akurasi 96,6%) dan busuk (akurasi 93,5%), namun performanya lebih rendah pada kelas kurang segar (akurasi 71,4%) yang bersifat transisi. Kombinasi metode yang diusulkan terbukti efektif dan memiliki potensi untuk diterapkan dalam sistem sortir otomatis di industri pertanian.]]>
Copyrights © 2025
