Klasifikasi Kematangan Buah Tomat Dengan Metode Support Vector Machine

Abstract

Kematangan tomat memainkan peran penting dalam menentukan kualitas dan daya tahan produk tomat. Pada umumnya, klasifikasi kematangan tomat dilakukan secara visual oleh para ahli atau petani berdasarkan pengalaman mereka. Dalam penelitian ini, metode klasifikasi kematangan tomat berbasis citra digunakan dengan menerapkan fitur Gray-Level Co-occurrence Matrix (GLCM) dan momen warna, serta metode Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa model SVM dengan fitur GLCM dan Momen Warna menghasilkan Accuration dan Precission sebesar 0,91, serta nilai recall dan F-Measure sebesar 0,92akurasi sebesar 91.1%, yang termasuk dalam kategori baik. Beberapa kesalahan klasifikasi pada beberapa citra, yang disebabkan oleh dominansi warna yang tidak sesuai pada kategori yang seharusnya