Klasifikasi Kesegaran Buah Anggur Melalui Ekstraksi Fitur Warna Dengan Algoritma Knn

Buah anggur salah satu buah yang mempunyai banyak varietas untuk berbagai
kebutuhan salah satunya adalah untuk membuat minuman, anggur di vermentasi dan
beberapa varietas lainnya. Anggur merupakan salah satu komoditas holtikultura yang
termasuk dalam kelas pomologi atau frutikultur yang sangat digemari dikalangan
masyarakat dan memiliki prospek ekonomi yang tinggi untuk dikembangkan. Anggur
yang merupakan buah non klimaterik yang dimana pada proses pematangan pola
respirasinya akan meningkat, kemudian turun secara perlahan-lahan. Klasifikasi anggur
memungkinkan pemanfaatan teknologi seperti pengolahan citra dan kecerdasan buatan
(AI) untuk membantu proses pemilahan otomatis, meningkatkan efisiensi produksi.
Proses dimulai dari ekstraksi fitur gambar yang mengambil nilai RGB, HSV dan GLCM
untuk mendapatkan contrast dan homogeneity. Namun, dalam proses ekstraksi fitur
gambar terdapat beberapa tantangan yang perlu diperhatikan. Salah satunya adalah
kualitas citra yang dipengaruhi oleh pencahayaan, bayangan, dan latar belakang yang
bervariasi, sehingga dapat mengganggu akurasi nilai RGB, HSV, dan GLCM yang
diambil. Selain itu, perbedaan kondisi fisik anggur, seperti permukaan yang tidak rata,
ukuran yang bervariasi, dan tingkat kematangan yang tidak merata, juga dapat
menyulitkan sistem dalam mengekstrak fitur secara konsisten. Dari beberapa alasan
tersebut maka klasifikasi memastikan bahwa konsumen mendapatkan produk yang
sesuai dengan preferensi dan kebutuhan mereka, seperti anggur yang segar, kurang segar
dan anggur tidak segar. Hasil dari penelitian ini adalah metode KNN dan KNN+PSO
menghasilkan akurasi 76%, presisi 83%, dan recall 76%.