Skripsi/Tugas Akhir

Implementasi Algoritma Support Vector Machine untuk Optimasi Waktu Penyimpanan Tomat

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Tomat memiliki masa simpan yang terbatas dan rentan mengalami pembusukan jika tidak disimpan dalam kondisi yang optimal. Oleh karena itu, diperlukan metode yang dapat membantu menganalisis dan memprediksi ketahanan tomat agar dapat mengoptimalkan strategi penyimpanannya. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) dalam mengoptimalkan waktu penyimpanan, kelembaban, dan karakteristik fisik tomat. Model SVM digunakan untuk menganalisis dan mengklasifikasikan tingkat kematangan tomat berdasarkan pengolahan citra serta memprediksi waktu penyimpanan optimal sebelum terjadi penurunan kualitas yang signifikan. Dengan penerapan model ini, diharapkan dapat ditemukan pola-pola atau parameter penyimpanan yang optimal, sehingga dapat memperpanjang umur simpan tomat tanpa menurunkan kualitasnya. Hasil penelitian menunjukkan bahwa metode SVM memiliki tingkat akurasi yang tinggi dalam mengklasifikasikan kematangan tomat dan dapat digunakan sebagai alat bantu dalam pengelolaan pascapanen tomat secara lebih efisien. Dengan penerapan model ini, diharapkan dapat mengurangi limbah hasil panen dan meningkatkan kualitas distribusi tomat di pasar.
Kata Kunci: Support Vector Machine, Optimasi, Penyimpanan Tomat

ABSTRACT
Tomatoes have a limited shelf life and are prone to spoilage if not stored under optimal conditions. Therefore, developing methods to analyze and predict tomato shelf life is essential to optimize storage strategies. This study aims to implement the Support Vector Machine (SVM) algorithm to optimize tomato storage time based on key parameters such as temperature, humidity, and physical characteristics of tomatoes. The SVM model analyzes and classifies tomato ripeness levels based on image processing and predicts the optimal storage time before significant quality degradation occurs. By applying this model, patterns or optimal storage parameters can be identified, thereby extending tomato shelf life without compromising its quality. The results indicate that the SVM method achieves high accuracy in classifying tomato ripeness and can be used as a decision-support tool for more efficient post-harvest management. By implementing this model, postharvest waste can be reduced, and the quality of tomato distribution in the market can be improved.
Keywords: Support Vector Machine, Optimization, And Tomato Storage

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 TAN i - 0886TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xv + 61 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 24 Februari 2025

Subjek

Skripsi/Tugas Akhir
Support Vector Machine

Lampiran File