Jurnal JPE, Vol. 23, No. 2, Bulan November, Tahun 2019 JPE-UNHAS © 2019 Jurnal Penelitian Enjiniring, Fakultas Teknik, Universitas Hasanuddin Hal | 113 Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV Indrabayu 1 *, Nurhikma Arifin 1 , Intan Sari Areni 2 1 Departemen Teknik Informatika, Fakultas Teknik, Universitas Hasanuddin 2 Departemen Teknik Elektro, Fakultas Teknik, Universitas Hasanuddin Jl. Poros Malino km. 6, Bontomarannu, Kabupaten Gowa, Sulawesi Selatan 92171 *Email: indrabayu@unhas.ac.id DOI: 10.25042/jpe.112019.03 Abstrak Klasifikasi kematangan buah secara manual memiliki banyak keterbatasan karena dipengaruhi faktor subjektivitas manusia sehingga pengaplikasian pengolahan citra digital dan kecerdasaan buatan menjadi lebih efektif dan efisien. Penelitian ini bertujuan untuk membuat sistem klasifikasi kematangan buah stoberi secara otomatis yang dibagi menjadi tiga kategori, yaitu belum matang, setengah matang, dan matang. Proses identifikasi tingkat kematangan buah pada penelitian ini didasarkan pada ciri warna yaitu mengambil nilai Red, Green, Blue (RGB) dari citra. Adapun metode yang digunakan untuk segmentasi warna adalah Hue, Saturation, Value (HSV) dan untuk klasifikasi kematangan stroberi menggunakan algoritma Multi-Class Support Vector Machine (SVM) dengan kernel Radial Basic Function (RBF). Pengambilan data stroberi menggunakan kamera Logitech C920. Dataset yang digunakan terdiri dari 158 gambar stroberi. Hasil penelitian menunjukkan bahwa klasifikasi kematangan stroberi menggunakan algoritma multi- class SVM dengan parameter kernel RBF cost (C) = 10 dan gamma (γ) = 10 -3 menghasilkan akurasi tertinggi yaitu 97%. Abstract Classification of Strawberry Maturity Based on Color Segmentation using HSV Method. Manual fruit maturity classification has many limitations because it is influenced by human subjectivity. Hence, the application of digital image processing and artificial intelligence becomes more effective and efficient. This study aims to create a classification system that automatically divides strawberry maturity into three categories, namely not ripe, half-ripe, and ripe. The process of identifying the level of fruit maturity is based on the color characteristics Red, Green, Blue (RGB) value of the image. The method used for color segmentation is Hue, Saturation, Value (HSV) and for the classification of strawberry maturity using the Multi-Class Support Vector Machine (SVM) algorithm with a Radial Basic Function (RBF) kernel. Strawberry image data was retrieved using the Logitech C920 camera. The dataset consisted of 158 images of strawberries. The results showed that the classification of strawberry maturity using the multi-class SVM algorithm with kernel parameters RBF cost (C) = 10 and gamma (γ) = 10 -3 produced the highest accuracy of 97%. Kata Kunci: Pengolahan citra, HSV, stroberi, SVM 1. Latar Belakang Stroberi merupakan buah yang disukai oleh konsumen dan bernilai jual tinggi. Buah stroberi dapat dikonsumsi segar atau dalam bentuk olahan seperti sirup, selai, dodol, manisan dan bahan tambahan pada kue atau es. Kondisi buah stroberi ditentukan oleh beberapa parameter. Salah satunya adalah parameter tingkat kematangan buah yang bisa dilihat dari perubahan warna buah stroberi [1]. Namun, pada proses klasifikasi kematangan stroberi yang dilakukan secara manual memiliki banyak keterbatasan karena dipengaruhi subjektivitas manusia seperti cepat lelah dan pengaruh fisik lainnya, sehingga pada kondisi tertentu proses pengklasifikasian tidak konsisten. Klasifikasi yang tidak konsisten akan berpengaruh terhadap kualitas buah yang akan dipasarkan baik secara langsung maupun yang akan diolah menjadi produk. Oleh karena itu solusi dari masalah tersebut adalah sistem yang mampu melakukan klasifikasi kematangan stroberi secara konsisten dan akurat, sehingga dapat meminimalisir kesalahan yang dilakukan oleh manusia. Teknologi pertanian yang semakin canggih mampu menggantikan peran manusia, seperti pemanfaatan pengolahan citra digital yang merupakan bagian dari perkembangan teknologi sehingga mesin komputer dapat mengenali citra seperti layaknya manusia, khususnya dalam mengenali tingkat kematangan buah. Terdapat