Application of Machine Learning Models for Classifying the Quality of Bird’s Eye Chili Based on Dryness Level Using Image Feature Extraction
Penelitian ini bertujuan mengembangkan sistem klasifikasi kualitas cabai rawit berdasarkan tingkat kekeringan menggunakan pendekatan machine learning dan teknik ekstraksi fitur citra. Dataset terdiri atas citra digital cabai rawit merah dan hijau pada berbagai tahap pengeringan beserta nilai kadar air yang diukur secara manual. Ekstraksi fitur dilakukan untuk memperoleh karakteristik visual cabai, yaitu warna, tekstur, dan bentuk. Beberapa model machine learning dievaluasi, yaitu Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Artificial Neural Network (ANN). Evaluasi kinerja menggunakan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa model Random Forest mencapai kinerja terbaik dengan rata-rata akurasi klasifikasi 90,0% dalam mengkategorikan cabai ke dalam tiga tingkat kualitas: segar, sedang, dan kering. Model terpilih diimplementasikan ke dalam aplikasi mobile berbasis Flutter sebagai alat klasifikasi otomatis. Hasil penelitian menunjukkan bahwa penerapan machine learning dengan ekstraksi fitur citra dapat menjadi solusi yang efektif dan efisien untuk penilaian kualitas cabai rawit secara objektif.
Authors
- Tulus Pramuji
- Tri Raharjo Yudantoro
- Agus Suwondo (ORCID: https://orcid.org/0000-0001-9046-1895)
- Wahyu Sulistiyo
- Setyawan Wibisono
- Eko Supriyanto
- Sindi Sindi
Institutions
- Politeknik Negeri Semarang (ID)
Publication Details
- Journal
- JUKI Jurnal Komputer dan Informatika
- Published
- 2026-11-16
- Primary Topic
- Smart Agriculture and AI
- Type
- article
- Field-Weighted Citation Impact
- 0.00