Abstrak

Proses penentuan kelayakan tomat sebagai bahan baku oleh pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) masih dilakukan secara manual berdasarkan pengamatan visual sehingga berpotensi menimbulkan subjektivitas dan ketidakkonsistenan dalam menentukan tomat yang layak digunakan. Penelitian ini bertujuan membuat model klasifikasi kelayakan tomat menggunakan fitur warna Hue, Saturation, Value (HSV) dan metode Support Vector Machine (SVM) berdasarkan citra digital untuk mengidentifikasi tomat yang layak dan tidak layak digunakan sebagai bahan baku. Metode penelitian yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri atas tahap Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan terdiri atas 100 citra tomat yang terbagi menjadi 50 citra kategori Layak dan 50 citra kategori Tidak Layak. Penentuan label dilakukan berdasarkan karakteristik visual yang mengacu pada SNI 01-3162-1992. Ekstraksi fitur menghasilkan enam fitur HSV, yaitu Hue Mean, Hue Standard Deviation, Saturation Mean, Saturation Standard Deviation, Value Mean, dan Value Standard Deviation. Model dibangun menggunakan SVM dengan kernel linear dan dievaluasi menggunakan Stratified 5-Fold Cross Validation. Hasil evaluation menunjukkan nilai Accuracy, Precision, Recall, dan F1-Score masing-masing sebesar 90,00%. Hasil tersebut menunjukkan bahwa fitur HSV dan metode SVM dapat digunakan untuk membuat model klasifikasi kelayakan tomat ke dalam kategori Layak dan Tidak Layak berdasarkan karakteristik visual citra digital.