IMPLEMENTASI SUPPORT VECTOR MACHINE DALAM KLASIFIKASI KEMATANGAN BUAH MANGGIS
Keywords:
Buah Manggis, Klasifikasi, Support Vector Machine, Ekstraksi Ciri, Warna KulitAbstract
Manggis merupakan buah asli Indonesia yang memiliki potensi besar untuk ekspor dan dikenal sebagai "Queen of Fruit" karena manfaat kesehatannya. Namun, proses penyortiran dan klasifikasi kematangan buah manggis secara manual menggunakan pengamatan visual memiliki keterbatasan dalam hal akurasi, waktu, dan konsistensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) dalam mengklasifikasikan tingkat kematangan buah manggis berdasarkan warna dan tekstur kulit secara nondestruktif. Data penelitian ini diperoleh dari Kaggle dengan fokus pada klasifikasi tingkat kematangan buah. Hasil penelitian menunjukkan bahwa metode SVM berhasil mengklasifikasikan tingkat kematangan buah manggis dengan akurasi sebesar 68,33%. Model menunjukkan performa terbaik dalam mengklasifikasikan kelas manggis busuk (kelas 0) dengan recall tertinggi sebesar 91% dan F1-Score sebesar 0.76, di mana 21 dari 23 sampel diprediksi dengan benar. Namun, performa pada kelas manggis masak (kelas 1) masih kurang optimal dengan nilai recall sebesar 52%, menunjukkan banyak data pada kelas ini diprediksi salah ke kelas lain. Untuk kelas manggis muda (kelas 2), model memiliki precision tertinggi sebesar 82%, tetapi recall hanya 56%. Penelitian ini membuktikan bahwa metode SVM efektif untuk klasifikasi tingkat kematangan buah manggis, terutama pada kelas manggis busuk. Meskipun demikian, diperlukan optimasi lebih lanjut, seperti penambahan teknik ekstraksi ciri atau metode klasifikasi lain, untuk meningkatkan performa model. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem klasifikasi otomatis buah manggis serta menjadi referensi bagi penelitian lanjutan di bidang klasifikasi buah.
Downloads
References
Abdusyukur, F. (2023). Penerapan algoritma Support Vector Machine (SVM) untuk klasifikasi pencemaran nama baik. KOMPUTA: Jurnal Ilmiah Komputer dan Informatika, 12(1).
Adi, T., Tampubolon, S., & Devega, M. (2025). Analisis sentimen cyberbullying pada komentar Instagram menggunakan metode klasifikasi Support Vector Machine (SVM). Jurnal …, 7(1), 26–36.
Agustina, W., Furqon, M. T., & Rahayudi, B. (2018). Implementasi metode Support Vector Machine (SVM) untuk klasifikasi rumah layak huni (Studi kasus: Desa Kidal, Kecamatan Tumpang, Kabupaten Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(10), 3366–3372. http://j-ptiik.ub.ac.id
Banurea, M., Hutagaol, D. B., & Sihombing, O. (2023). Klasifikasi penyakit stunting dengan menggunakan algoritma Support Vector Machine dan Random Forest. Jurnal Tekinkom, 6(2), 540–549. https://doi.org/10.37600/tekinkom.v6i2.927
Dalimunthe, A. (2021). Deteksi kematangan buah manggis berdasarkan fitur warna citra kulit menggunakan metode transformasi ruang warna HSV (Skripsi).
Hira, S. (2022). Detection of fruit ripeness using image processing. International Journal of Health Sciences, 6(5), 3874–3886.
Kastaman, R., Marsetyo, Sunarmani, & Somantri, A. S. (2008). Aplikasi pengolah citra dengan basis fitur warna RGB untuk klasifikasi buah manggis. Jurnal Bionatura, 10(3), 273–291.
Labolo, A. Y., Mooduto, S., Bode, A., & Drajana, I. C. R. (2022). Penerapan algoritma Support Vector Machine dan K-Nearest Neighbor menggunakan feature selection backward elimination untuk prediksi status penderita stunting pada balita. Jurnal Tecnoscienza, 6(2), 374–388. https://doi.org/10.51158/tecnoscienza.v6i2.713
Maulana, G. G. (2015). Pembelajaran algoritma. https://media.neliti.com/media/publications/177019-ID-pembelajaran-dasar-algoritma-dan-pemrogr.pdf
Oktaviana, B. (2025). Implementation of the Support Vector Machine (SVM) method for classifying the maturity level of oil palm fruit. Journal of Applied Informatics and Computing, 9(5), 2288–2295.
Saputra, R. A., Puspitasari, D., & Baidawi, T. (2022). Deteksi kematangan buah melon dengan algoritma Support Vector Machine berbasis ekstraksi fitur GLCM. Jurnal Infortech, 4(2).
Sheffi, R., Gultom, T., Widiyanto, D., & Pangaribuan, A. B. (2020). Klasifikasi penyakit pengorok tanaman daun pada tanaman manggis menggunakan metode Gray Level Co-Occurrence Matrix dan Support Vector Machine. …, 551–560.
Subrata, G. (2019). Klasifikasi bahan pustaka. Pustakawan Perpustakaan UM, 1(Ddc), 1–13.
Suharman, R. A., & Hartono, H. (2022). Klasifikasi kematangan manggis berdasarkan fitur warna dan tekstur menggunakan algoritma Naive Bayes. PYTHAGORAS: Jurnal Pendidikan Matematika, 17(2), 377–388. https://doi.org/10.21831/pythagoras.v17i2.53625
Suhendra, R., & Juliwardi, I. (2022). Identifikasi dan klasifikasi penyakit daun jagung menggunakan Support Vector Machine. Jurnal Teknologi Informasi, 1(1), 29–35. http://jurnal.utu.ac.id/JTI
Whidhiasih, S. N., Guritman, R., & Suprio, P. T. (2012). Identifikasi tahap kematangan buah manggis berdasarkan warna menggunakan teknologi industri pertanian. Teknologi Industri Pertanian, 22(2), 82–91.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Dita Yustianisa, Walif Mubaraq Firgiawan, Wiwi Nopiana (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
