KLASIFIKASI KEMATANGAN BUAH PINANG PAPUA MENGGUNAKAN M-SVM DAN EKSTRAKSI GLCM

Aser Afanti Naa (Universitas Widya Gama Malang)
Istiadi Istiadi (Universitas Widya Gama Malang)
Fitri Marisa (Universitas Widya Gama Malang)

Prosidia Widya Saintek
Vol. 5 No. 2 (2026)

Pemilahan tingkat kematangan buah pinang Papua secara manual berpotensi menghasilkan penilaian yang tidak konsisten, sehingga diperlukan pendekatan klasifikasi berbasis citra. Penelitian ini bertujuan mengklasifikasikan buah pinang ke dalam kelas mentah, matang, dan tua menggunakan ekstraksi tekstur Gray Level Co-occurrence Matrix (GLCM) dan Multiclass Support Vector Machine (M-SVM). Dataset terdiri atas 90 citra berformat JPG, masing-masing 30 citra per kelas. Tahap praproses meliputi cropping dan resize menjadi 256×256 piksel. Implementasi ekstraksi menghasilkan fitur contrast dan correlation yang digunakan untuk melatih M-SVM dengan kernel linear, polynomial, Gaussian/RBF, dan sigmoid pada sembilan rasio pembagian data. Hasil pengujian yang dilaporkan menunjukkan nilai tertinggi 77,78% pada kernel Gaussian dan linear untuk rasio data latih:data uji 90:10. Berdasarkan matriks konfusi, kedua kernel menghasilkan enam prediksi benar dari sembilan data uji atau akurasi keseluruhan 66,67%. Kernel Gaussian memberikan presisi dan recall makro masing-masing 66,67%, lebih seimbang daripada kernel linear. Hasil ini menunjukkan bahwa kombinasi GLCM dan M-SVM dapat digunakan sebagai dasar klasifikasi otomatis, tetapi peningkatan jumlah data, standardisasi akuisisi citra, dan validasi silang terstratifikasi masih diperlukan untuk meningkatkan generalisasi model.