<![CDATA[Kopra merupakan salah satu komoditas unggulan yang memiliki nilai ekonomi tinggi, namun proses penilaian kualitasnya masih dilakukan dengan metode konvensional sehingga rentan terhadap subjektivitas dan ketidakkonsistenan hasil. Penelitian ini bertujuan untuk membangun model klasifikasi kualitas kopra secara otomatis menggunakan kombinasi fitur tekstur Local Binary Pattern (LBP) dan fitur warna Hue Saturation Value (HSV) dengan algoritma Support Vector Machine (SVM) kernel RBF. Pendekatan ini memanfaatkan teknologi pengolahan citra digital yang mampu membedakan kelas kualitas kopra secara otomatis berdasarkan karakteristik visual tekstur dan warna. Pengujian dilakukan dalam tiga skenario menggunakan masing – masing fitur tekstur, fitur warna serta gabungan keduanya, dengan memvariasikan nilai parameter C dan gamma untuk memperoleh kombinasi terbaik. Hasil pengujian menunjukkan bahwa skenario LBP-SVM menghasilkan akurasi sebesar 86,21%, skenario HSV-SVM sebesar 98,12%, dan skenario LBP-HSV-SVM menghasilkan akurasi tertinggi sebesar 98,75% pada parameter C=1 dan gamma=0,1. Penggabungan fitur LBP dan HSV terbukti mampu merepresentasikan karakteristik visual kopra dari aspek tekstur dan warna secara bersamaan, sehingga menghasilkan kemampuan klasifikasi antar kelas yang lebih optimal. Kata kunci - kopra, Local Binary Pattern, Hue Saturation Value, Support Vector Machine, klasifikasi kualitas.]]>
Copyrights © 2026
