Klasifikasi Kesegaran Buah Anggur Melalui Ekstraksi Fitur Warna Dengan Algoritma KNN

Abstract

Buah anggur salah satu buah yang mempunyai banyak varietas untuk berbagai kebutuhan salah satunya adalah untuk membuat minuman, anggur di vermentasi dan beberapa varietas lainnya. Anggur merupakan salah satu komoditas holtikultura yang termasuk dalam kelas pomologi atau frutikultur yang sangat digemari dikalangan masyarakat dan memiliki prospek ekonomi yang tinggi untuk dikembangkan. Anggur yang merupakan buah non klimaterik yang dimana pada proses pematangan pola respirasinya akan meningkat, kemudian turun secara perlahan-lahan. Klasifikasi anggur memungkinkan pemanfaatan teknologi seperti pengolahan citra dan kecerdasan buatan (AI) untuk membantu proses pemilahan otomatis, meningkatkan efisiensi produksi. Proses dimulai dari ekstraksi fitur gambar yang mengambil nilai RGB, HSV dan GLCM untuk mendapatkan contrast dan homogeneity. Namun, dalam proses ekstraksi fitur gambar terdapat beberapa tantangan yang perlu diperhatikan. Salah satunya adalah kualitas citra yang dipengaruhi oleh pencahayaan, bayangan, dan latar belakang yang bervariasi, sehingga dapat mengganggu akurasi nilai RGB, HSV, dan GLCM yang diambil. Selain itu, perbedaan kondisi fisik anggur, seperti permukaan yang tidak rata, ukuran yang bervariasi, dan tingkat kematangan yang tidak merata, juga dapat menyulitkan sistem dalam mengekstrak fitur secara konsisten. Dari beberapa alasan tersebut maka klasifikasi memastikan bahwa konsumen mendapatkan produk yang sesuai dengan preferensi dan kebutuhan mereka, seperti anggur yang segar, kurang segar dan anggur tidak segar. Hasil dari penelitian ini adalah metode KNN dan KNN+PSO menghasilkan akurasi 76%, presisi 83%, dan recall 76%.