Klasifikasi Varietas Tebu Berdasarkan Warna Batang Menggunakan Ekstraksi Fitur HSV dan Algoritma Support Vector Machine
DOI:
https://doi.org/10.29407/82pecq40Abstract
Jenis tebu memiliki karakteristik warna batang yang berbeda pada setiap varietasnya sehingga dapat digunakan sebagai ciri dalam proses klasifikasi citra digital. Penelitian ini bertujuan membangun sistem klasifikasi jenis tebu menggunakan ekstraksi fitur HSV dan algoritma Support Vector Machine (SVM). Dataset terdiri dari varietas Bululawang, Cenning, dan Hijau dengan data crawling internet, data tanpa background, dan data asli. Tahapan penelitian meliputi preprocessing citra, Region of Interest (ROI), CLAHE, konversi RGB ke HSV, ekstraksi fitur statistik dan histogram HSV, normalisasi fitur, serta klasifikasi menggunakan SVM. Hasil pengujian menunjukkan bahwa data asli memperoleh performa terbaik dengan akurasi 91.18%, sedangkan data crawling tanpa background memperoleh hasil paling rendah akibat adanya noise hasil remove background dan kerusakan area objek citra. Model final memperoleh akurasi sebesar 98.33%. Penelitian ini menunjukkan bahwa kombinasi fitur HSV dan algoritma SVM efektif digunakan untuk klasifikasi jenis tebu berdasarkan warna batang, meskipun performa sistem masih dipengaruhi oleh kualitas citra dan noise pada data baru.
Keywords:
HSV, Image Processing, Streamlit, Sugarcane Classification, Support Vector Machine##plugins.themes.default.displayStats.downloads##
References
[1] Kementrian Pertanian, ―Situasi Komoditas Tebu/Gula Hasil Taksasi Awal Giling
Tahun 2021,‖ Pus. Data dan Sist. Inf. Pertan., 2021, [Online]. Available:
https://satudata.pertanian.go.id/assets/docs/publikasi/Buletin_Tebu_TWII_2021.pdf
[2] A. Gafari and A. Ramadhanu, ―Klasifikasi Citra Digital Batu Kerikil Dan Batu Kali
Dengan Metode K-Means Dan Teknik Pengolahan Citra,‖ JATI (Jurnal Mhs. Tek.
Inform., vol. 9, no. 2, pp. 2646–2650, 2025, doi: 10.36040/jati.v9i2.13170.
[3] M. M. Chandra and Yoanita, ―Klasifikasi Jenis Bunga Menggunakan Metode SVM
Berdasarkan Citra Dengan Fitur HSV,‖ J. Indones. Sos. Teknol., vol. 4, no. 2, pp. 255–
264, 2023.
[4] Ismail, A. Nurhikma, and Prihastinur, ―KLASIFIKASI KEMATANGAN BUAH
NAGA BERDASARKAN FITUR WARNA MENGGUNAKAN ALGORITMA
MULTI-CLASS SUPPORT VECTOR MACHINE,‖ JINTEKS (Jurnal Inform. Teknol.
dan Sains), vol. 32, no. 3, pp. 167–186, 2021.
[5] I. Irma, M. Muchtar, R. Adawiyah, and S. Sarimuddin, ―Klasifikasi Tingkat
Kematangan Cabai Merah Keriting Menggunakan Svm Multiclass Berdasarkan
Ekstraksi Fitur Warna,‖ J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 1747–
1755, 2024, doi: 10.23960/jitet.v12i3.4430.
[6] I. K. A. K. Diatmika and L. A. A. R. Putri, ―Klasifikasi kematangan buah manggis
dengan algoritma support vector machine (SVM),‖ Jnatia, vol. 2, no. 4, pp. 1–8, 2024.
[7] S. Riyadi1 et al., ―PERBANDINGAN METODE KNN DAN SVM DALAM
KLASIFIKASI KEMATANGAN BUAH MANGGA BERDASARKAN CITRA HSV
DAN FITUR STATISTIK,‖ JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 6, no. 2,
pp. 167–186, 2025, doi: http://dx.doi.org/10.23960/jitet.v12i2.4010
PERBANDINGAN.
[8] A. A. Wijaya, ―Wawancara Jenis Tebu Di Tulungagung,‖ 2025, Tulungagung.
[9] R. Subandi and A. Yudhana, ―Pre-Processing Pada Klasifikasi Citra Medis Pneumonia,‖
vol. 4, no. 1, pp. 86–93, 2024.
[10] L. He, M. Xu, and J. Ma, ―Weakly-Supervised ROI Extraction Method Based on
Contrastive Learning for Remote Sensing Images,‖ pp. 6378–6381, 2023, doi:
10.1109/igarss52108.2023.10283054.
[11] P. Citra and X. C.- Pneumonia, ―Analisis Perbaikan Kualitas Citra Menggunakan
CLAHE dan HE Pada Citra X-Ray Covid-19 dan Pneumonia,‖ vol. 6, no. 2, pp. 97–
104, 2021.
[12] A. Simarmata, A. Putra, and A. Husein, ―Penerapan Metode Computer Vision Dalam
Klasifikasi Buah Jeruk Menggunakan Teknik Image Pre-Processing,‖ Data Sci.
Indones., vol. 3, no. 2, pp. 108–114, 2024, doi: 10.47709/dsi.v3i2.4010.
[13] E. Setia Budi, A. Nofriyaldi Chan, P. Priscillia Alda, and M. Arif Fauzi Idris,
―Optimization of machine learning model for image classification and prediction using
convolutional neural network algorithm,‖ Media Online, vol. 4, no. 5, p. 509, 2024,
[Online]. Available: https://djournals.com/resolusi
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
