Vol. 8 No. 2 (2025): May 2025
Artikel

IDENTIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN METODE K-MEANS CLUESTERING DAN MEDIAN FILTER

PDF
  • Rahma Yanti,
  • Nabilla Yasmin,
  • Kharisma Utama Putra,
  • Hendri Irawan,
  • Rini Sovia
Rahma Yanti
Universitas Putra Indonesia YPTK Padang
Nabilla Yasmin
Universitas Putra Indonesia YPTK Padang
Kharisma Utama Putra
Universitas Putra Indonesia YPTK Padang
Hendri Irawan
Universitas Putra Indonesia YPTK Padang
Rini Sovia
Universitas Putra Indonesia YPTK Padang

Published 2025-05-20

How to Cite

IDENTIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN METODE K-MEANS CLUESTERING DAN MEDIAN FILTER. (2025). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 8(2), 1835-1841. https://doi.org/10.54314/jssr.v8i2.2893

Abstract

Abstract: This study aims to develop an automatic system for identifying the ripeness level of mangoes using the K-Means Clustering and Median Filter methods. The background of this research is based on the agricultural industry's need for an objective ripeness assessment, as manual methods are often subjective and inefficient. The K-Means Clustering method is used to categorize mango ripeness based on skin color characteristics, while the Median Filter is applied to enhance image quality by reducing noise before clustering. This study utilizes a dataset of 120 mango images, consisting of 47 images for training and 73 images for testing. The results indicate that the combination of these two methods achieves a classification accuracy of 98%. These findings contribute to the development of digital image processing technology for applications in the agricultural and food industries.

 

Keyword: Ripeness identification, K-Means Clustering, Median Filter, Image Processing, Mango.

 

Abstrak: Penelitian ini bertujuan untuk mengembangkan sistem identifikasi tingkat kematangan buah mangga secara otomatis menggunakan metode K-Means Clustering dan Median Filter. Latar belakang penelitian ini didasarkan pada kebutuhan industri pertanian dalam menentukan tingkat kematangan mangga secara objektif, mengingat metode manual sering kali subjektif dan kurang efisien. Metode K-Means Clustering digunakan untuk mengelompokkan tingkat kematangan mangga berdasarkan karakteristik warna kulit, sedangkan Median Filter diterapkan untuk meningkatkan kualitas citra dengan mengurangi noise sebelum dilakukan proses klasterisasi. Penelitian ini menggunakan dataset sebanyak 120 citra mangga, yang terdiri dari 47 citra untuk pelatihan dan 73 citra untuk pengujian. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu mengklasifikasikan tingkat kematangan mangga dengan akurasi sebesar 98%. Temuan ini memberikan kontribusi dalam pengembangan teknologi pemrosesan citra digital untuk aplikasi dalam industri pertanian dan pangan.

 

Kata kunci: Identifikasi kematangan, K-Means Clustering, Median Filter, Pengolahan Citra, Mangga.

PDF

Downloads

Download data is not yet available.

References

  1. Amalina, T., Bima, D., Pramana, A., & Sari, B. N. (2022). Metode K-Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food. Jurnal Ilmiah Wahana Pendidikan, 8(15), 574–583. https://doi.org/10.5281/zenodo.7052276
  2. Baso, B., Nababan, D., Risald, R., & Kolloh, R. Y. (2022). Segmentasi Citra Tenun Menggunakan Metode Otsu Thresholding dengan Median Filter. Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), 5(1), 1–6.
  3. Dewi, S., & Pakereng, M. A. I. (2023). Implementasi Principal Component Analysis Pada K-Means Untuk Klasterisasi Tingkat Pendidikan Penduduk Kabupaten Semarang. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(4), 1186–1195.
  4. Fadillah, N., & Gunawan, C. R. (2019). Mendeteksi Keakuratan Metode Noise Salt and Pepper Dengan Median Filter. Jurnal Informatika, 6(1), 91–95.
  5. Fauzi, A. (2022). Pengurangan Derau (Noise) pada Citra Paper Dokumen menggunakan Metode Gaussian Filter dan Median Filter. KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), 04(01), 7–15.
  6. Gusnanto, F., Rahaningsih, N., Dana, R. D., Informatika, T., & Cirebon, K. (2025). OPTIMASI MODEL KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA DENGAN METODE YOLO11. 9(1), 1773–1780.
  7. Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-24
  8. Hermanto Laia, F., Rosnelly, R., Buulolo, K., Christin Lase, M., & Naswar, A. (2023). Klasifikasi Kematangan Buah Mangga Madani Berdasarkan Bentuk Dengan Jaringan Syaraf Tiruan Metode Perception. Device, 13(1), 14–20.
  9. Irviantina, S., & Pardosi, I. (2021). Salt and Pepper Noise Removal dengan Spatial Median Filter dan Adaptive Noise Reduction. Jurnal SIFO Mikroskil, 17(2), 127–136.
  10. Permata, R. I. (2024). Klasifikasi Kematangan Buah Mangga Menggunakan Pendekatan Deep Learning Dengan Arsitektur DenseNet-121 dan Augmentasi Data. … Menggunakan Pendekatan Deep Learning …, 6(1), 236–244. https://doi.org/10.47065/bits.v6i1.5381
  11. Salim, D. A., Roza, Y. B., Ramadhanu, A., Putra, U., & Yptk, I. (2024). Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning. 3(2), 57–64.
  12. Utomo, W. (2023). Mengklasifikasi Kematangan Buah Mangga Melalui Proses Pengolahan Citra Dengan Algoritma K-Nearest Neighbor. Jurnal Information System, 3(2), 49–56.
  13. Wakhidah, N. (2019). Clustering Menggunakan K-Means Algorithm ( K-Means Algorithm Clustering ). Fakultas Teknologi Informasi, 21(1), 70–80.