MODEL HYBRID CNN-SVM UNTUK KLASIFIKASI KESEGARAN BUAH PARE BERDASARKAN CITRA

Abstrak

Kualitas dan kesegaran buah sangat memengaruhi nilai jual serta keamanan konsumsi masyarakat. Pare (Momordica charantia) merupakan salah satu buah yang rentan mengalami penurunan mutu akibat suhu dan kelembapan yang tidak stabil. Oleh karena itu, diperlukan sistem yang mampu mengklasifikasikan kondisi kesegaran pare secara otomatis dan akurat. Penelitian ini bertujuan untuk membangun model klasifikasi citra digital pare segar dan busuk menggunakan pendekatan hybrid Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). CNN digunakan untuk mengekstraksi fitur visual dari gambar, sedangkan SVM digunakan sebagai algoritma klasifikasi akhir. Dataset citra diproses melalui tahapan pre-processing seperti resize, normalisasi, dan augmentasi hingga mencapai data seimbang. Model CNN terdiri dari beberapa lapisan konvolusi, pooling, dan flattening, lalu dihubungkan ke SVM. Hasil pengujian menunjukkan bahwa model hybrid CNN-SVM mampu mengklasifikasikan kondisi kesegaran pare dengan akurasi 94,97%, presisi 92,68%, recall 97,44%, dan F1-score 95,00%. Penelitian ini membuktikan bahwa pendekatan hybrid CNN-SVM efektif untuk klasifikasi mutu buah dari citra digital.

Identifier

• OpenAlex: https://openalex.org/W4416575670
• DOI: https://doi.org/10.31000/jika.v9i4.14773