<![CDATA[Penentuan tingkat kematangan buah pisang merupakan aspek penting dalam proses pascapanen untuk menjaga kualitas sebelum distribusi. Namun, metode manual yang sering digunakan petani masih bersifat subjektif dan kurang akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kematangan pisang menggunakan pengolahan citra digital berbasis histogram warna dan algoritma Support Vector Machine (SVM). Dataset yang digunakan sebanyak 1.865 citra dari empat kategori kematangan, yaitu mentah, setengah matang, matang, dan terlalu matang. Tahapan penelitian meliputi segmentasi citra menggunakan Otsu Thresholding, ekstraksi fitur statistik orde pertama (Mean, Skewness, Energy, dan Smoothness) dari ruang warna RGB, HSV, dan Lab*, serta klasifikasi menggunakan SVM kernel Radial Basis Function (RBF). Hasil pengujian menunjukkan model mampu mengklasifikasikan tingkat kematangan pisang dengan akurasi sebesar 98%. Kelas matang memperoleh precision 93%, recall 95%, dan F1-score 94%, sedangkan kelas mentah mencapai precision 99%, recall 100%, dan F1-score 99%. Kelas setengah matang memperoleh nilai 99% untuk seluruh metrik, sementara kelas terlalu matang mencapai precision 98%, recall 96%, dan F1-score 97%. Hasil ini menunjukkan metode yang digunakan efektif sebagai solusi otomatis dan objektif dalam identifikasi kematangan buah pisang]]>
Copyrights © 2026
