Klasifikasi Tingkat Kematangan Buah Strawberry Menggunakan Algoritma Logistic Regression

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat kematangan buah strawberry menggunakan algoritma Logistic Regression dengan regularisasi L2 Ridge. Dataset yang digunakan berupa gambar strawberry yang terbagi dalam dua kategori: matang dan belum matang. Proses klasifikasi dilakukan melalui platform Orange Data Mining, yang mempermudah pengolahan data visual dengan fitur image embedding untuk mengonversi gambar menjadi vektor numerik. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 97,7%, dengan AUC sebesar 0,995, serta nilai precision, recall, dan F1-score masing-masing sebesar 0,977. Confusion matrix menunjukkan bahwa model hanya membuat 12 kesalahan prediksi dari 521 gambar, dengan 7 gambar belum matang diprediksi sebagai matang, dan 5 gambar matang diprediksi sebagai belum matang. Temuan ini menunjukkan bahwa Logistic Regression sangat efektif dalam tugas klasifikasi biner, terutama dalam mendeteksi kematangan buah strawberry. Meskipun terdapat beberapa kesalahan prediksi, hasil keseluruhan memperlihatkan potensi besar penerapan machine learning dalam otomatisasi proses deteksi kematangan buah. Penelitian ini menyarankan penggunaan dataset yang lebih luas dan eksplorasi model yang lebih kompleks untuk meningkatkan performa klasifikasi