Klasifikasi Kematangan Buah Sawit Berdasarkan Citra Warna Menggunakan Algoritma SVM Dan KNN

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan kematangan buah sawit berdasarkan citra warna menggunakan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Proses penelitian dimulai dengan pengumpulan dataset yang terdiri dari 300 citra buah sawit dengan tiga tingkat kematangan. Setelah melalui tahapan preprocessing, fitur warna diekstraksi, dan model klasifikasi dibangun menggunakan kedua algoritma tersebut. Akurasi yang diperoleh dari evaluasi menunjukkan bahwa SVM mencapai akurasi sebesar 93%, sedangkan KNN memperoleh akurasi sebesar 92%. Kesimpulan dari penelitian ini menunjukkan bahwa meskipun kedua algoritma menunjukkan kinerja yang baik dalam klasifikasi, SVM memiliki sedikit keunggulan dalam hal akurasi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem otomatisasi dalam klasifikasi kematangan buah sawit, yang dapat meningkatkan efisiensi dalam industri kelapa sawit.