PERBANDINGAN METODE CNN DAN SVM UNTUK MENGKLASIFIKASI KEMATANGAN SERTA MENGUKUR KANDUNGAN VITAMIN C JERUK GERGA MENGGUNAKAN CITRA DIGITAL

Masalah dalam panen buah jeruk Gerga  sering kali terjadi akibat kesalahan dalam proses pemetikan yang hanya didasarkan pada warna serta estimasi semata, sehingga kualitas buah yang dihasilkan tidak sesuai dengan harapan konsumen. Jeruk Gerga memiliki kandungan vitamin C yang lebih tinggi dibandingkan dengan jeruk manis biasa, penting untuk melakukan pengukuran kadar vitamin C berdasarkan warna dan nilai Hue dengan menggunakan citra warna. Jaringan Saraf Konvolusional (CNN) dan Mesin Vektor Pendukung (SVM) memiliki peranan penting dalam klasifikasi gambar digital, terutama dalam menentukan tingkat kematangan buah dimana CNN adalah Metode Deep Learning yang mampu mengambil fitur visual yang kompleks, seperti tekstur serta pola warna  yang relevan untuk mendeteksi kematangan buah, CNN memberikan hasil lebih akurat dalam klasifikasi kematangan buah jika dibandingkan dengan metode konvensional, berkat kemampuannya untuk mengenali pola non-linear dalam data visual. Temuan penelitian menunjukkan bahwa algoritma CNN menghasilkan akurasi yang lebih tinggi dibandingkan dengan SVM. CNN mencapai akurasi sebesar 98%, sementara SVM hanya mencapai akurasi 94%. Selain itu  lebih efektif dalam mendeteksi pola warna dan tekstur buah, membuatnya lebih ampuh dalam klasifikasi kematangan Jeruk Gerga. Dengan demikian, pendekatan menggunakan CNN diusulkan sebagai metode yang lebih unggul untuk sistem klasifikasi otomatis berbasis gambar digital, khususnya di sektor pertanian dan teknologi pangan.