<![CDATA[Kelapa sawit merupakan komoditas perkebunan strategis yang berperan penting dalam perekonomian Indonesia. Penentuan tingkat kematangan buah kelapa sawit secara konvensional umumnya dilakukan dengan mengamati jumlah brondolan yang jatuh serta perubahan warna buah. Namun, metode ini memiliki kekurangan, antara lain bersifat subyektif dan berpotensi menurunkan kualitas serta kuantitas minyak karena brondolan jatuh sebelum dipanen. Oleh karena itu, dibutuhkan sistem pendukung berbasis teknologi untuk mengidentifikasi kematangan buah secara lebih objektif dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah kelapa sawit menggunakan teknik pengolahan citra digital berbasis fitur warna HSV. Proses dimulai dengan penentuan Region of Interest (ROI), konversi citra dari ruang warna RGB ke HSV, dan ekstraksi fitur dari komponen Hue, Saturation, dan Value. Fitur yang diperoleh diklasifikasikan menggunakan empat metode pengukuran jarak: Euclidean, Manhattan, Minkowski, dan Chebyshev. Evaluasi menggunakan confusion matrix dilakukan terhadap 45 citra latih dan 90 citra uji yang berasal dari data primer dan sekunder. Hasil menunjukkan bahwa metode Manhattan memberikan akurasi terbaik sebesar 97,77%, diikuti Euclidean dan Minkowski sebesar 93,33%, sedangkan Chebyshev menunjukkan akurasi terendah, yaitu 88,88%.]]>
Copyrights © 2026
