Klasifikasi Kematangan Cabai Berdasarkan Citra Digital Menggunakan Algoritma K-Nearest Neighbor
DOI:
https://doi.org/10.76349/qywvfw63Kata Kunci:
klasifikasi citra, cabai, k-nearest neighbor, hsv, local binary pattern, pengolahan citra digital, machine learningAbstrak
Cabai merupakan komoditas hortikultura yang memiliki nilai ekonomi tinggi di Indonesia, di mana tingkat kematangan cabai sangat memengaruhi kualitas, harga jual, serta daya saing produk di pasar. Penentuan tingkat kematangan cabai secara konvensional masih dilakukan melalui pengamatan visual oleh manusia, yang bersifat subjektif dan rentan terhadap kesalahan akibat faktor pencahayaan dan kelelahan pengamat. Oleh karena itu, diperlukan suatu sistem klasifikasi otomatis yang mampu mengidentifikasi tingkat kematangan cabai secara objektif dan konsisten. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kematangan cabai berbasis pengolahan citra digital menggunakan algoritma K-Nearest Neighbor (KNN). Dataset citra cabai merah diperoleh melalui pengambilan gambar langsung menggunakan kamera dan diklasifikascabai ke dalam tiga kelas, yaitu mentah, matang, dan busuk. Tahapan sistem meliputi preprocessing citra berupa resize dan normalisasi, ekstraksi fitur warna menggunakan histogram HSV, serta ekstraksi fitur tekstur menggunakan metode Local Binary Pattern (LBP). Fitur yang dihasilkan kemudian digunakan sebagai input pada model KNN untuk proses klasifikasi. Sistem diimplementascabai dalam bentuk aplikasi berbasis Streamlit yang memungkinkan pengguna mengunggah citra dan memperoleh hasil klasifikasi secara langsung. Evaluasi model dilakukan menggunakan metrik akurasi, confusion matrix, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu mengklasifikascabai tingkat kematangan cabai secara efektif dan dapat digunakan sebagai solusi dalam mendukung proses sortasi cabai secara otomatis. Sistem ini diharapkan dapat membercabai kontribusi dalam pengembangan teknologi pertanian cerdas (smart agriculture) melalui penerapan machine learning dan pengolahan citra digital
Unduhan
Referensi
[1] Z. Amanda, I. Muslem, and F. Rizani, “Klasifikasi Kematangan Buah Pepaya Menggunakan Algoritma Support Vector Machine,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 96–102, Feb. 2026.
[2] B. Laoli, I. Muslem, and F. Rizani, “ Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Algoritma Support Vector Machine ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 142–151, Feb. 2026.
[3] D. Armiady and I. M. R, “Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah Menggunakan Stochastic Gradient Descent,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 2, 2023.
[4] R. Saputra, I. Muslem, and R. Fajri, “ Klasifikasi Spesies Ikan Koi Berdasarkan Citra Menggunakan Metode YOLOv3-Tiny Dan OpenCV ,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 182–188, Feb. 2026.
[5] C. H. H. Jannah, I. Muslem, and D. Azmi, “Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition,” Jurnal Ilmu Komputer Aceh, Oct. 2025, [Online]. Available: https://jurnal.fikompublisher.com/ilka/article/view/16
[6] A. Kamilah and Z. Fatah, “KLASIFIKASI KEMATANGAN TANAMAN CABAI MENGGUNAKAN TEACHABLE MACHINE: PENDEKATAN BERBASIS GAMBAR,” Jurnal Sains dan Sistem Teknologi Informasi, vol. 6, no. 2, 2025, doi: 10.59811/9anvvc21.
[7] B. Tri Putra, A. Sonita, A. Kharisma Hidayah, and M. Imanullah, “KLASIFIKASI TINGKAT KEMATANGAN CABAI BERDASARKAN WARNA RGB MENGGUNAKAN METODE FUZZY LOGIC,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, 2025, doi: 10.36040/jati.v9i3.13822.
[8] Z. Ridhovi, danang Erwanto, and I. Yunuartanti, “Implementasi Metode Momen Warna dan SVM untuk Klasifikasi Tingkat Kematangan Cabai Rawit,” Zetroem, 2025.
[9] R. Hayati and J. Vida Rana Nasution, “Penentuan Pelapisan Kitosan Terbaik Dan Tingkat Kematangan Pada Cabai Merah (Capsicum annuum L.),” Jurnal Agrium, vol. 18, no. 2, 2021, doi: 10.29103/agrium.v18i2.5341.
[10] B. T. Putra, “PENGOLAHAN CITRA DIGITAL UNTUK KLASIFIKASI TINGKAT KEMATANGAN OBJEK CABAI BERDASARKAN KOMPONEN WARNA RGB DENGAN METODE FUZZY LOGIC.,” Repository Universitas Muhammadiyah Bengkulu, 2025.
[11] Z. E. Fitri, U. Nuhanatika, A. Madjid, and A. M. N. Imron, “Penentuan Tingkat Kematangan Cabe Rawit (Capsicum frutescens L.) Berdasarkan Gray Level Co-Occurrence Matrix,” Jurnal Teknologi Informasi dan Terapan, vol. 7, no. 1, 2020, doi: 10.25047/jtit.v7i1.121.
[12] F. Agustina, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” Jurnal Ilmiah Infokam, vol. 18, no. 2, 2022, doi: 10.53845/infokam.v18i2.320.
[13] Z. Hakim, S. Rahayu, and K. Irawati, “Klasifikasi Tingkat Kematangan Buah Pisang Kepok Menggunakan Algoritma Naive Bayes,” Academic Journal of Computer Science Research, vol. 4, no. 1, 2022, doi: 10.38101/ajcsr.v4i1.442.
[14] S. P. Adenugraha, V. Arinal, and D. I. Mulyana, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, 2022, doi: 10.30865/mib.v6i1.3287.
[15] G. D. A. Permadani, A. A. Riadi, and E. Evanita, “Klasifikasi Tingkat Kematangan Buah Pepaya Menggunakan Metode Decision Tree,” Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI), vol. 6, no. 2, 2023, doi: 10.32672/jnkti.v6i2.6016.
[16] Z. Zulkifli and R. Fajri, “Klasifikasi Tingkat Kematangan Buah Strawberry Menggunakan Algoritma Logistic Regression,” Data Sciences Indonesia (DSI), vol. 4, no. 2, 2024, doi: 10.47709/dsi.v4i2.4850.
[17] L. Luthfi, R. Imam Muslem, D. Armiady, S. Sriwinar, R. Fajri, and I. Iqbal, “Analysis of CNN Method for Image Classification of Coconut Ripeness Levels,” in 2023 Eighth International Conference on Informatics and Computing (ICIC), IEEE, Dec. 2023, pp. 1–6. doi: 10.1109/ICIC60109.2023.10381964.
[18] I. R. Muslem and T. M. Johan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16,” Media Online), vol. 4, no. 2, pp. 978–985, 2023, doi: 10.30865/klik.v4i2.1209.
[19] I. R. Muslem, “KLIK: Kajian Ilmiah Informatika dan Komputer Image Classification pada Kasus American Sign Language Menggunakan Support Vector Machine,” Media Online), vol. 4, no. 2, pp. 1184–1191, 2023, doi: 10.30865/klik.v4i2.1242.
[20] I. Muslem and D. Armiady, “A PSO-Based CVRPPD Model with Weather and Traffic Constraints for Two-Wheeled Urban Delivery in Indonesia,” Instal: Jurnal Komputer, vol. 17, pp. 281–290, 2025, doi: 10.54209/jurnalinstall.v17i05.388.
[21] V. Shakila, I. Muslem, and S. Sriwinar, “Prototipe Kamera Pengawasan Berbasis YOLOv5 untuk Deteksi Benda Tajam Secara Real-Time dengan Notifikasi Telegram,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 90–95, Feb. 2026.
[22] I. Muslem, I. Irvanizam, A. Almuzammil, and F. Johar, “Adaptive Heuristic-Based Ant Colony Optimization for Multi-Constraint University Course Timetabling with Morning Slot Preference for Energy Efficiency,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 6, pp. 5930–5943, Jan. 2026, doi: 10.52436/1.jutif.2025.6.6.5588.
[23] J. Liu, H. Shao, Y. Jiang, and X. Deng, “CNN-Based Hidden-Layer Topological Structure Design and Optimization Methods for Image Classification,” Neural Process. Lett., vol. 54, no. 4, 2022, doi: 10.1007/s11063-022-10742-8.
[24] M. F. Naufal, “Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 2, 2021, doi: 10.25126/jtiik.2021824553.
[25] N. Malini and M. Pushpa, “Analysis on credit card fraud identification techniques based on KNN and outlier detection,” 2017 third international conference on …, 2017, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/7972424/
[26] N. Fitri, I. Muslem, and R. Fajri, “Prototype Sistem Monitoring Suhu dan Kelembaban Otomatis pada Greenhouse Berbasis IoT,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 83–89, Feb. 2026.
[27] K. Khalisah, I. Muslem, and H. Gustami, “Prototype Peringatan Banjir Berbasis Internet of Things,” Jurnal Ilmu Komputer Aceh, vol. 3, no. 1, pp. 75–82, Feb. 2026.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Riska Melani, Sriwinar Sriwinar, Dasril Azmi, Imam Muslem, Muhammad Amin
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
