Deteksi Tingkat Kematangan Buah Mangga Berdasarkan Fitur Warna Menggunakan Pengolahan Citra Digital

Abstrak

Klasifikasi tingkat kematangan buah mangga Golek penting untuk memastikan kualitas dan nilai ekonomisnya, terutama dalam industri. Penentuan kematangan secara manual dan subjektif sering tidak konsisten, mengakibatkan penurunan kualitas panen dan nilai jual. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan mangga Golek menjadi tiga kategori: muda, mengkal, dan matang, dengan menggunakan pengolahan citra digital berbasis fitur warna HSV dan LAB yang dikombinasikan dengan algoritma K-Nearest Neighbor (KNN). Dataset yang digunakan terdiri dari 300 citra, yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Metode yang diusulkan meliputi akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna HSV dan LAB efektif dalam membedakan tingkat kematangan, dengan akurasi 81,67% pada data pengujian dan rata-rata precision, recall, dan F1-Score sebesar 82%. Pola warna yang konsisten pada kategori muda dan mengkal meningkatkan akurasi, sementara fluktuasi intensitas warna pada kategori matang menjadi tantangan. Pendekatan ini memiliki potensi untuk diterapkan dalam sistem penyortiran otomatis di industri.