Pengelompokan Kematangan Buah Kelapa Sawit Dengan Menggunakan K-Means

Abstract

Penentuan tingkat kematangan buah kelapa sawit merupakan tahap penting dalam proses panen karena berpengaruh langsung terhadap kualitas dan rendemen minyak sawit yang dihasilkan. Penilaian kematangan yang masih dilakukan secara manual memiliki kelemahan berupa subjektivitas pengamat dan inkonsistensi hasil. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah kelapa sawit secara otomatis berdasarkan analisis warna RGB dengan menggunakan algoritma K-Means Clustering. Metode penelitian yang digunakan adalah pendekatan kuantitatif eksperimental melalui tahapan pengumpulan data citra buah sawit, ekstraksi nilai warna RGB, penerapan algoritma K-Means, dan analisis hasil pengelompokan. Data diperoleh dari 30 sampel buah kelapa sawit dengan empat kategori kematangan: mentah, setengah matang, matang, dan terlalu matang. Proses pengelompokan dilakukan dengan menghitung jarak Euclidean untuk setiap data RGB terhadap centroid masing-masing cluster hingga posisi centroid konvergen. Hasil penelitian menunjukkan bahwa sistem berhasil mengelompokkan tingkat kematangan buah sawit dengan tingkat akurasi sebesar 86,7% dibandingkan hasil observasi manual. Temuan ini membuktikan bahwa analisis warna RGB yang diolah menggunakan algoritma K-Means efektif untuk menentukan tingkat kematangan buah sawit secara objektif dan konsisten. Sistem yang dikembangkan berpotensi diterapkan di lapangan sebagai alat bantu panen yang efisien, cepat, dan bebas dari subjektivitas manusia.