<![CDATA[Penentuan tingkat kematangan buah kopi secara manual masih menghadapi keterbatasan subjektivitas dan inkonsistensi yang berdampak langsung pada penurunan kualitas kopi Gayo pasca panen. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis tingkat kematangan buah kopi berbasis pengolahan citra digital. Berbeda dengan pendekatan konvensional yang menggunakan ruang warna RGB yang sensitif terhadap intensitas cahaya, penelitian ini menerapkan transformasi ruang warna Hue, Saturation, Value (HSV) untuk mendapatkan ekstraksi fitur warna yang lebih stabil terhadap variasi pencahayaan lingkungan. Tahapan metodologi meliputi akuisisi citra, praproses berupa thresholding dan cropping, serta normalisasi fitur sebelum proses klasifikasi dilakukan. Metode klasifikasi yang digunakan adalah Euclidean Distance dengan dataset sebanyak 180 citra yang terbagi menjadi kelas matang, setengah matang, dan mentah. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi rata-rata sebesar 90%. Evaluasi mendalam melalui confusion matrix menunjukkan performa optimal pada kelas matang dan mentah dengan nilai recall 100%, namun terdapat tantangan pada kelas setengah matang dengan recall 70% akibat adanya overlap fitur rona warna pada fase transisi kematangan. Penelitian ini memberikan kontribusi signifikan dalam menyediakan metode sortasi yang objektif guna membantu petani kopi Gayo menjaga standarisasi kualitas di pasar global.]]>
Copyrights © 2026
