DETEKSI KUALITAS BUAH SAWO DENGAN PENDEKATAN EKSTRAKSI FITUR GLCM DAN ALGORITMA SUPPORT VECTOR MACHINE

Kualitas buah sawo merupakan faktor penting untuk memastikan standar mutu dan kepuasan konsumen. Penelitian ini bertujuan untuk mendeteksi kualitas buah sawo menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan Support Vector Machine (SVM) sebagai metode klasifikasi. Dataset citra buah sawo dikumpulkan dan diproses dengan augmentasi data untuk meningkatkan variasi citra. Hasil ekstraksi fitur berupa kontras, homogenitas, energi, dan korelasi digunakan sebagai masukan untuk model SVM. Model dikembangkan dengan train-test split dan dievaluasi berdasarkan akurasi, precision, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa metode yang diusulkan mampu mengklasifikasikan buah sawo dalam tiga kategori, yaitu mentah, matang, dan rusak, dengan tingkat akurasi 85%. Penerapan model ini diimplementasikan dalam sebuah Graphical User Interface (GUI) MATLAB, yang memungkinkan pengguna untuk secara otomatis mengklasifikasikan kualitas buah sawo dengan mudah dan efisien.
Kata Kunci: Sawo; Klasifikasi; Augmentasi; Gray Level Co-occurrence Matrix; Support Vector Machine