KLASIFIKASI TINGKAT KEMATANGAN BUAH NANAS BERDASARKAN TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRIX DENGAN METODE SUPPORT VECTOR MACHINE

Pineapple (Ananas comosus (L) Merr) is one type of fruit that is commonly known and consumed by the people of Indonesia. The use of pineapples in general in the community is only limited to the flesh of the fruit. Pineapple fruit with high quality for consumption. Pineapple fruit that is ripe and unripe can be seen from the color, texture and shape. The manual method that is usually used to identify the level of ripeness of pineapple is by examining the appearance and aroma of the fruit and checking by touch. This method is considered less effective if it is used to sort the ripeness level of Pineapple in very large quantities. There are several features that can be used in image pattern recognition systems such as the Support Vector Machine (SVM). In this study, researchers will classify the level of maturity of pineapple based on texture where the preprocessing and feature extraction stages are based on GLCM texture contrast, correlation, energy, and homogeneity. then from the extraction of the image features can be identified by using the classification algorithm Support Vector Machine. Based on the results obtained, the highest accuracy on the C25 reached 86%.Nanas (Ananas comosus (L) Merr) merupakan salah satu jenis buah yang umum dikenal dan dikonsumsi oleh masyarakat Indonesia. Pemanfaatan buah nanas pada umumnya di masyarakat hanya terbatas pada daging buah saja. Buah Nanas dengan kualitas tinggi untuk dikonsumsi. Perbedaan buah Nanas yang sudah matang dan yang tidak matang dapat dilihat dari warna, tekstur dan bentuk. Metode manual yang biasa dilakukan untuk mengidentifikasi tingkat kematangan buah Nanas yaitu dengan memeriksa berdasarkan penampilan dan aroma buah tersebut serta memeriksa melalui sentuhan. Metode ini dianggap kurang efektif jika dilakukan untuk menyortir tingkat kematangan buah Nanas dalam jumlah yang sangat banyak, Ada beberapa fitur yang dapat digunakan dalam sistem pengenalan pola pada citra seperti Support Vector Machine (SVM). Pada penelitian ini peneliti akan mengklasifikasi tingkat kematangan buah Nanas berdasarkan tekstur dimana tahap preprocessing dan ekstraksi ciri berdasarkan tekstur GLCM seperti contrast, correlation, energy, dan homogeneity. kemudian dari ekstraksi ciri tersebut citra bisa dikenali dengan menggunakan algoritma klasifikasi Support Vector Machine. Penelitian ini menggunakan 966 dataset dengan 2 tingkat kematangan yaitu muda dan matang. Dimana 772 data latih dan 194 data uji. Berdasarkan Hasil didapatkan akurasi tertinggi pada C25 yaitu mencapai 86%