Identifikasi Variasi Paprika Berdasarkan Jenis Warna Paprika Berbasis Analisis Citra Digital Menggunakan Algoritma Support Vector Machine (SVM)

Abstract

Penelitian ini bertujuan untuk merancang sistem klasifikasi warna paprika (merah, kuning, hijau, orange) dengan memanfaatkan analisis citra digital yang didukung oleh algoritma Support Vector Machine (SVM). Pendekatan yang digunakan meliputi pengumpulan data berupa gambar paprika, pengolahan awal data melalui langkah-langkah seperti penyesuaian ukuran gambar, pengaburan untuk mengurangi noise, serta peningkatan kontras menggunakan metode CLAHE. Selain itu, fitur warna diekstraksi menggunakan momen warna, dan fitur tekstur diperoleh melalui matriks co-occurrence skala abu-abu (GLCM). Model SVM diuji dengan berbagai jenis kernel, yaitu linier, polinomial, RBF, dan sigmoid, guna menentukan kernel dengan kinerja terbaik. Hasil pengujian menunjukkan bahwa kernel linier dan RBF mengalami overfitting karena menghasilkan akurasi sempurna sebesar 100%, sementara kernel poly dan sigmoid mencapai akurasi sebesar 97,56% dan 39%. Secara keseluruhan, model SVM mampu mengklasifikasikan warna paprika dengan tingkat akurasi yang tinggi, dengan rata-rata presisi, recall, dan skor F1 mencapai 97,56%. Sistem ini diharapkan mampu meningkatkan efisiensi dan ketepatan dalam identifikasi warna paprika serta mendukung inovasi dan modernisasi dalam sektor pertanian.