Klasifikasi Kematangan Buah Sawit Berdasarkan Citra Warna Menggunakan Algoritma Svm Dan Knn

Suriani, Ade

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.

Informasi Repositori

Jenis: Thesis

Detail Information

Tahun: 2025
Bahasa: id
Last Updated: 2025-09-16T03:04:17Z

Subjects / Keywords

QA75 Electronic computers. Computer science

Akses Dokumen

Unduh PDF

Hak Cipta & Lisensi

Konten ini bersumber dari Repositori Institusi Kemendikdasmen.

Hak cipta dimiliki oleh institusi pencipta karya. Dilisensikan di bawah Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).

Metadata di-harvest melalui protokol OAI-PMH sesuai SK Sekjen Kemendikbudristek No. 18/M/2022.