SKRIPSI DIGITAL
Penerapan Model Machine Learning Untuk Klasifikasi Kualitas Cabai Rawit Berdasarkan Tingkat Kekeringan Menggunakan Teknik Ekstraksi Fitur Gambar = Application of Machine Learning Models for Classifying Chili Pepper Quality Based on Dryness Level Using Image Feature Extraction Techniques
Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas cabai rawit
berdasarkan tingkat kekeringan menggunakan pendekatan Machine Learning dan teknik
ekstraksi fitur citra digital. Data yang digunakan berupa gambar cabai rawit merah dan hijau
yang telah melalui berbagai tahap pengeringan, dilengkapi dengan data kadar air aktual yang
diukur secara manual. Proses ekstraksi fitur dilakukan untuk mendapatkan informasi visual
seperti warna, tekstur, dan bentuk cabai. Model Machine Learning yang diuji meliputi RF
(Random Forest), SVM (Support Vector Machine), KNN (K-Nearest Neighbor), dan ANN
(Artificial Neural Network). Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan
F1-score. Hasil pengujian menunjukkan bahwa model Random Forest memberikan performa
terbaik dengan akurasi rata-rata mencapai 90% dalam mengklasifikasikan cabai ke dalam tiga
kelas kualitas: segar, sedang, dan kering. Model ini kemudian diimplementasikan ke dalam
aplikasi mobile berbasis Flutter sebagai alat bantu klasifikasi otomatis kualitas cabai. Dengan
demikian, sistem ini dapat menjadi solusi praktis dan efisien untuk mendukung proses penilaian
mutu cabai rawit secara objektif.
Kata Kunci: Machine Learning, Klasifikasi, Cabai Rawit, Kekeringan, RF, ANN, KNN, SVM,
Ekstraksi Fitur.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah