Klasifikasi Tingkat Kematangan Pisang Menggunakan Segmentasi HSV dan Aturan Berbasis Nilai Hue

Arizal Anshori; Reni Rahmadewi

doi:10.32493/epic.v8i2.59047

Authors

Arizal Anshori Universitas Singaperbangsa Karawang
Reni Rahmadewi Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.32493/epic.v8i2.59047

Keywords:

kematangan pisang, operasi morfologi, Pengolahan Citra, ruang warna HSV, Segmentasi Citra, segmentasi warna

Abstract

Penelitian ini merancang sistem klasifikasi tingkat kematangan buah pisang menggunakan segmentasi warna ruang HSV dan aturan berbasis nilai rata-rata Hue. Sistem dikembangkan menggunakan software MATLAB untuk memproses tahapan input citra, pra-pemrosesan, segmentasi, operasi morfologi, hingga klasifikasi akhir. Dataset yang digunakan terdiri dari 30 citra pisang, yang mencakup 10 citra belum matang, 10 citra matang, dan 10 citra terlalu matang. Tahap pra-pemrosesan dilakukan melalui penyesuaian ukuran (resize) dan konversi ruang warna RGB ke HSV agar informasi warna lebih stabil terhadap intensitas pencahayaan. Hasil segmentasi awal kemudian diperbaiki menggunakan operasi morfologi (opening, closing, dan filling) untuk menghilangkan noise dan menambal celah, sebelum dianalisis melalui perhitungan rata-rata nilai Hue objek untuk menentukan kategori kematangan. Hasil pengujian menunjukkan tingkat keberhasilan klasifikasi mencapai 100% pada seluruh dataset. Pendekatan rule-based berbasis rata-rata Hue mampu membedakan ketiga kelas kematangan secara efektif dan konsisten karena pemisahan area objek dari latar belakang berhasil dilakukan dengan sangat jelas. Meskipun masih memiliki keterbatasan pada kondisi variasi pencahayaan ekstrem atau bercak warna kulit yang tidak merata, sistem ini terbukti akurat. Secara keseluruhan, metode ini menawarkan solusi estimasi kematangan pisang yang lebih sederhana dan ringan secara komputasi dibandingkan dengan pendekatan machine learning.

References

Adenugraha, S. P., Arinal, V., & Mulyana, D. I. (2022). Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV. Jurnal Media Informatika Budidarma, 6(1), 9. https://doi.org/10.30865/mib.v6i1.3287

Agustus, N., Akbar, Z., Suwondo, A., Ramadhan, R., Hasugian, A. H., Teknologi, S., Islam, U., Sumatera, N., Jl, A., Iskandar, W., Estate, M., Percut, K., Tuan, S., Serdang, K. D., & Utara, S. (2025). Deteksi Warna Dasar Menggunakan Metode Thresholding HSV dengan OpenCV OpenCV . OpenCV menyediakan fungsi bawaan untuk konversi warna dari RGB ke HSV dan.

Arief, Z. (2014). SEGMENTASI OBJEK JANTUNG PADA CITRA X-RAY THORAX MENGGUNAKAN METODE TEMPLATE MATCHING MATCHING.

Arnita, A., Marpaung, F., Aulia, F., Suryani, N., & Nabila, R. C. (2022). Computer Vision and Digital Image Processing. www.pustakaaksara.co.id

Dalimunthe, A. (2021). Deteksi Kematangan Buah Manggis Berdasarkan Fitur Warna Citra Kulit Menggunakan Metode Transformasi Ruang Warna HSV. Program Studi Ilmu Komputer Fakultas Sains Dan Teknologi Universitas Islam Negeri Sumatera Utara Medan, 89.

Erza, F., Fitriyah, H., & Setiawan, E. (2022). Sistem Object Tracking pada Quadcopter Menggunakan Segmentasi Citra dengan Deteksi Warna HSV dan Metode Regresi Linier Berbasis Raspberry Pi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9(7), 1733–1740. https://doi.org/10.25126/jtiik.2022976808

Irawati, O. (2026). Analisis warna hsv menggunakan thresholding adaptif untuk menentukan kematangan buah mangga. 10(1), 592–598.

Limin, N. sularida, Sari, J. Y., & Purnama, I. P. N. (2019). Identifikasi Tingkat Kematangan Buah Pisang Menggunakan Metode Ektraksi Ciri Statistik Pada Warna Kulit Buah. Ultimatics : Jurnal Teknik Informatika, 10(2), 98–102. https://doi.org/10.31937/ti.v10i2.1004

Marpaung, P., Jannah, M., & Sinaga, B. (2025). Implementasi Metode Thresholding Dalam Mengenali Bentuk Citra Buah Salak JURNAL MEDIA INFORMATIKA [ JUMIN ]. 6(3), 2227–2235.

Nisa, C., Puspaningrum, E. Y., & Maulana, H. (2020). Penerapan Metode Convolutional Neural Network untuk Klasifikasi Penyakit Daun Apel pada Imbalanced Data. 1, 169–175.

Putri, A. S., Setyawan, G. E., & Tibyani. (2018). Sistem Deteksi Warna pada Quadcopter Ar.Drone Menggunakan Metode Color Filtering Hue Saturation and Value (HSV). 2(9), 3202–3207. http://j-ptiik.ub.ac.id

Sintiya, C., Gunawan, E., Marpaung, D. R., Fa, F. R., & Sinaga, F. M. (2025). Pengembangan Aplikasi Deteksi Kematangan Buah Pisang Berbasis Web Menggunakan Model CNN-LSTM. Jurnal Sifo Mikroskil, 26(1), 1–20. https://doi.org/10.55601/jsm.v26i1.1500

Umam, K., & Negara, B. S. (2016). Deteksi Obyek Manusia Pada Basis Data Video Menggunakan Metode Background Subtraction Dan Operasi Morfologi. 2(2), 31–40.

Utami, A. T. R. I., Informatika, P. S., Komunikasi, F., Informatika, D. A. N., & Surakarta, U. M. (2017). Implementasi metode otsu thresholding untuk segmentasi citra daun.

Yanti, R., Chan, F. R., & Ramadhanu, A. (n.d.). Penerapan Image Processing untuk Identifikasi Jenis Pisang Emas dan Pisang Kapas Menggunakan Metode K-Means Clustering. 0738(4), 4938–4943.

Yanuar Putu Wiharja, A. H. (2014). Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan 1. 4(1).