Abstract:
Tomat sebagai komoditas pertanian rentan mengalami penurunan kualitas pasca
panen. Penilaian kesegaran secara manual sering kali subjektif dan tidak konsisten.
Karenanya, penelitian ini bertujuan mengembangkan sistem klasifikasi kesegaran
tomat berbasis pengolahan citra digital. Ekstraksi fitur dilakukan melalui filter
Gabor dengan variasi frekuensi 0,1 dan 0,2, serta empat orientasi sudut
0°, 45°, 90°,135° untuk menangkap ciri tekstur permukaan kulit tomat. Fitur hasil
ekstraksi kemudian di normalisasi dengan StandardScaler dan diklasifikasikan
menggunakan algoritma Random Forest. Sistem ini diwujudkan sebagai aplikasi
web berbasis framework Streamlit. Hasil uji coba menunjukkan model efektif
mengenali pola tekstur tomat, dengan nilai varians dan mean sebagai indikator
kunci untuk membedakan tomat bertekstur halus hingga rusak. Dengan begitu,
sistem diharapkan membantu standarisasi kualitas tomat secara otomatis dan lebih
efisien.
