<![CDATA[Penelitian ini bertujuan mengklasifikasikan kualitas buah apel ke dalam kelas apel bagus dan apel jelek menggunakan Principal Component Analysis (PCA) dan Support Vector Machine (SVM) berbasis citra digital. Otomasi penilaian kualitas diperlukan agar proses pemeriksaan buah dalam jumlah besar dapat dilakukan secara lebih cepat dan konsisten. Tahapan penelitian dimulai dari pre-processing citra dengan konversi gambar berwarna menjadi grayscale, kemudian dilakukan ekstraksi fitur warna, bentuk, dan tekstur. Dataset hasil ekstraksi diperiksa terhadap missing value dan outlier; outlier dideteksi menggunakan Mahalanobis Distance sebelum data dibagi menjadi data training dan testing dengan rasio 80:20. Reduksi dimensi selanjutnya dilakukan menggunakan PCA. Dua komponen utama, yaitu PC1 dan PC2, dipertahankan karena secara kumulatif mampu merepresentasikan 98,09% variansi data. Data hasil transformasi PCA digunakan sebagai masukan untuk membangun model klasifikasi SVM. Evaluasi dilakukan menggunakan confusion matrix serta metrik akurasi, precision, recall, dan F1-score, disertai cross-validation untuk menilai konsistensi model. Hasil pengujian menunjukkan akurasi sebesar 87,85% pada data training dan 88,40% pada data testing, sedangkan akurasi cross-validation mencapai 86,80%. Pada data testing, precision mencapai 93%, recall 85%, dan F1-score 89%. Hasil tersebut menunjukkan bahwa kombinasi PCA dan SVM efektif untuk klasifikasi kualitas apel berbasis ciri visual dengan dimensi fitur yang lebih ringkas. Pendekatan ini berpotensi mendukung proses quality control buah secara otomatis dan efisien.]]>
Copyrights © 2026
