Klasifikasi Tingkat Kematangan Buah Kersen Dengan Menggunakan Support Vector Machine
DOI:
https://doi.org/10.34012/jutikomp.v7i2.5876Keywords:
Classification, Kersen Fruit, Fruit Maturity, Image Processing, SVMAbstract
Kersen fruit, native to Southern Mexico and often found in Indonesia, has health benefits that attract people. It is round with a diameter of 1-1.5 cm, yellowish green in color when young, and turns red when ripe. Determining the maturity level of kersen, which has been done manually, is essential for people to consume good quality fruit. This study aims to simplify the identification of Kersen fruit maturity through image processing using the Support Vector Machine (SVM) method with a parameter value of C-25. The test results show that this method achieves the best accuracy level of 72% in identifying the ripeness of kersen fruit, so it can be an effective solution in making it easier for people to determine the level of fruit ripeness.
References
Abijono, H., Santoso, P., & Anggreini, N. L. (2021). Algoritma Supervised Learning Dan Unsupervised Learning Dalam Pengolahan Data. Jurnal Teknologi Terapan: G-Tech, 4(2), 315–318. https://doi.org/10.33379/gtech.v4i2.635
Adinata, F. D., & Arifin, J. (2022). Klasifikasi Jenis Kelamin Wajah Bermasker Menggunakan Algoritma Supervised Learning. Jurnal Media Informatika Budidarma, 6(1), 229. https://doi.org/10.30865/mib.v6i1.3377
Amrozi, Y., Yuliati, D., Susilo, A., Novianto, N., & Ramadhan, R. (2022). Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 11(3), 394–399. https://doi.org/10.32736/sisfokom.v11i3.1502
Anggraini, R. (2017). Klasifikasi Jenis Kualitas Keju Dengan Menggunakan Metode Gray Level Co-occurrence Matrix (GLCM) dan Support Vector Machine (SVM) Pada Citra Digital. E-Proceeding of Engineering, 4(2), 2035–2042.
Kurniati, I. D., & Rohmani, A. (2017). Ekstrak Buah Kersen (Muntingia calabura) dalam Menurunkan Jumlah Sel Goblet pada Tikus yang Dipapar Asap Rokok. Jurnal Kedokteran Dan Kesehatan, 13(2), 144. https://doi.org/10.24853/jkk.13.2.144-152
Maneno, R., Baso, B., Manek, P. G., & Fallo, K. (2023). Deteksi Tingkat Kematangan Buah Pinang Menggunakan Metode Support Vector Machine Berdasarkan Warna Dan Tekstur. Journal of Information and Technology, 3(2), 60–66. https://doi.org/10.32938/jitu.v3i2.5323
Maulana Alfaruq, B., Erwanto, D., & Yanuartanti, I. (2023). Klasifikasi Kematangan Buah Tomat Dengan Metode Support Vector Machine. Generation Journal, 7(3), 64–72. https://doi.org/10.29407/gj.v7i3.21092
Maya, A., Putri, K., Rozi, A. F., Informasi, S., Mercu, U., & Yogyakarta, B. (2024). IMPLEMENTASI CONVUTIONAL NEURAL NETWORK DALAM. 8(5), 10388–10394.
Monika Parapat, I., & Tanzil Furqon, M. (2018). Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3163–3169. http://j-ptiik.ub.ac.id
Rheni Aprilia Ningrum, Agus Priyanto, & Ummi Athiyah. (2021). Implementasi Algoritma Fuzzy Tsukamoto Untuk Diagnosis Penyakit Anemia (Studi Data: Rekam Medis Pasien Ibu RSIA Bunda Arif Purwokerto). Infokes: Jurnal Ilmiah Rekam Medis Dan Informatika Kesehatan, 11(2), 65–72. https://doi.org/10.47701/infokes.v11i2.1303
Senet, M. R. M., Parwata, I. M. O. A., & Sudiarta, I. W. (2017). KANDUNGAN TOTAL FENOL DAN FLAVONOID DARI BUAH KERSEN (Muntingia calabura) SERTA AKTIVITAS ANTIOKSIDANNYA. Jurnal Kimia, 187. https://doi.org/10.24843/jchem.2017.v11.i02.p14
Siti Aisah, I., Irawan, B., & Suprapti, T. (2024). Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3759–3765. https://doi.org/10.36040/jati.v7i6.8263
Subgya, R. S. (2019). Daya Antibakteri Ekstrak Buah Kersen (Muntingia calabura L.) Terhadap Porphyromonas gingivalis. In Digital Repository Universitas Jember.
Sumari, A. D. W., Alfian, A. A., & Rahmad, C. (2021). Pemilihan Daging Kelapa Bermutu Berdasarkan Warna dan Tekstur untuk Produksi Wingko Berkualitas Menggunakan Metode Support Vector Machine (SVM) dan Fusi Informasi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(3), 587. https://doi.org/10.25126/jtiik.2021834391
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Artha Patricia, Veri Arinal
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
- Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
- Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Jurnal Teknologi dan Ilmu Komputer Prima sebagai media Publikasi pertama atas karya tersebut.
- Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Jurnal Teknologi dan Ilmu Komputer Prima sebagai media publikasi pertama atas karya dimaksud.
- Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.
