Penerapan Data Mining untuk Klasifikasi Kelayakan Konsumsi Cabai Merah dengan Algoritma SVM

Abstract

Penelitian ini berfokus pada pengembangan sistem klasifikasi untuk menentukan kelayakan konsumsi cabai merah (Capsicum annuum L.) melalui pendekatan penambangan data yang memanfaatkan algoritma Support Vector Machine (SVM). Degradasi kualitas cabai pascapanen, yang ditunjukkan oleh perubahan warna, tekstur, dan kemunculan pembusukan, merupakan tantangan signifikan dalam rantai pasok pertanian. Meskipun beragam metode klasifikasi berbasis citra telah diterapkan pada produk pertanian lain, seperti penilaian kematangan buah dan kualitas sayuran, serta deteksi penyakit tanaman, penelitian spesifik terkait kelayakan konsumsi cabai merah dengan SVM masih minim. Metodologi yang diterapkan dalam riset ini mengacu pada tahapan CRISP-DM, diawali dengan pengumpulan citra cabai merah yang telah dikelompokkan ke dalam kategori layak dan tidak layak konsumsi. Fitur-fitur visual kunci, meliputi histogram warna (RGB), kontur bentuk, dan tekstur GLCM, diekstraksi dari citra yang telah menjalani pra-pemrosesan. Model klasifikasi dibangun menggunakan SVM, dipilih karena kemampuannya dalam memproses data non-linear dan menunjukkan performa optimal pada dataset berdimensi tinggi. Evaluasi kinerja model dilakukan menggunakan metrik standar seperti akurasi, presisi, recall, dan F1-score, serta divalidasi melalui metode K-Fold Cross Validation. Hasil yang diharapkan dari penelitian ini adalah terciptanya model SVM yang efektif dan akurat dalam mengklasifikasikan kelayakan konsumsi cabai merah, sehingga dapat memberikan kontribusi penting dalam mengoptimalkan proses penyortiran dan distribusi cabai di sektor pertanian.