<![CDATA[Pengolahan citra digital telah menjadi pendekatan yang efektif dalam sistem klasifikasi objek visual, termasuk klasifikasi buah. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis citra buah menggunakan metode Extreme Learning Machine (ELM) dengan ekstraksi fitur warna berbasis ruang warna HSV dan segmentasi citra melalui operasi morfologi. ELM dipilih karena keunggulannya dalam kecepatan pelatihan dan kemampuannya menangani data non-linear secara efisien. Proses dimulai dengan akuisisi citra buah dari dataset yang terdiri atas tiga kelas: semangka, nanas, dan apel. Citra kemudian dipra-proses dan dikonversi dari ruang warna RGB ke HSV. Segmentasi dilakukan menggunakan metode thresholding dan operasi morfologi untuk memisahkan objek utama dari latar belakang dan mengurangi noise. Fitur warna yang diekstraksi dari komponen H, S, dan V berupa nilai statistik seperti rata-rata dan standar deviasi, yang selanjutnya dijadikan input untuk model ELM. Hasil pengujian menunjukkan bahwa kombinasi metode ini mampu menghasilkan akurasi klasifikasi yang tinggi dengan waktu pelatihan yang lebih singkat dibanding metode konvensional. Pendekatan ini menunjukkan potensi besar untuk diterapkan dalam sistem identifikasi buah otomatis berbasis citra, baik untuk kebutuhan industri maupun aplikasi mobile cerdas.]]>
Copyrights © 2026
