Klasifikasi Kesegaran Stroberi Berdasarkan Multi-Fitur

Abstract

Stroberi merupakan buah hortikultura yang sangat rentan mengalami penurunan kualitas setelah dipanen, sehingga klasifikasi tingkat kesegaran menjadi tahap penting dalam menjaga standar produk. Selama ini, penilaian kualitas masih banyak dilakukan secara manual melalui pengamatan visual yang bersifat subjektif, rentan terhadap kelelahan manusia, dan kurang efisien. Penelitian ini bertujuan untuk mengembangkan metode identifikasi tingkat kesegaran stroberi secara otomatis menggunakan teknik pengolahan citra digital. Dataset yang digunakan terdiri dari 500 citra stroberi yang dibagi menjadi 80% data latih dan 20% data uji. Proses ekstraksi fitur dilakukan dengan mengombinasikan tiga parameter utama, yaitu fitur warna RGB, fitur tekstur menggunakan Gray Level Co-Occurrence Matrix (GLCM), serta fitur deteksi tepi melalui Laplacian Filter. Klasifikasi tingkat kesegaran dilakukan dengan menerapkan algoritma K-Nearest Neighbor (KNN). Hasil evaluasi performa menunjukkan bahwa penggunaan parameter k=5 memberikan hasil paling optimal dengan tingkat akurasi sistem sebesar 94% dan akurasi perhitungan manual mencapai 97%. Kombinasi multi-fitur terbukti mampu memberikan representasi visual yang lebih menyeluruh serta meningkatkan stabilitas model dalam membedakan antara karakteristik stroberi segar dan busuk secara akurat dan konsisten.