| dc.description.abstract | Melon merupakan salah satu jenis buah yang populer dan banyak dikonsumsi oleh masyarakat. Oleh karena itu menjadi sangat penting, baik bagi pedagang maupun bagi konsumen, untuk dapat Smengetahui tingkat kemanisan buah melon secara cepat, akurat, dan praktis tanpa harus dikupas terlebih dahulu. Tingkat kemanisan buah melon, secara umum, diprediksi berdasarkan kualitas fisik dengan menggunakan indera manusia, yaitu dengan diraba kekasaran kulitnya, dicium aromanya, dan dilihat penampakan fisik buahnya. Namun cara ini memiliki beberapa kelemahan, yaitu hasilnya tidak konsisten karena adanya unsur kelelahan, dan subyektifitas penguji.
Pada penelitian ini digunakan algoritma Voting Feature Intervals (VF15) untuk mengevaluasi tingkat kemanisan buah melon berjaring dengan menggunakan beberapa ciri morfologi buah sebagai masukan algoritma klasifikasi VF15. Klasifikasi terhadap data melon berjaring dilakukan melalui beberapa tahapan proses, yaitu pembagian data menjadi data latih dan data uji berdasarkan metode 3-fold cross validation, pelatihan untuk melihat domain permasalahan data, dan prediksi (klasifikasi) untuk menduga kelas dari suatu instance baru.
Tingkat akurasi algoritma VF15 dalam memprediksi instance buah melon sesuai dengan kelasnya, yaitu adalah kelas tawar, kelas sedang, dan kelas manis adalah sebesar 65% dengan total jumlah melon berjaring sebanyak 80 instances. Kelas tawar diprediksi sebagai kelas tawar dengan tingkat akurasi sebesar 50%, kelas sedang diprediksi sebagai kelas sedang dengan tingkat akurasi sebesar 58,33%, dan kelas manis diprediksi sebagai kelas manis dengan tingkat akurasi sebesar 73,81%.
Rendahnya tingkat akurasi yang dicapai algoritma VF15 disebabkan oleh beberapa faktor, yaitu: (1) tidak terdapatnya pola pendistribusian vote di antara ketiga kelas pada setiap feature, (2) terdapat beberapa kelas saling berbagi interval dengan memberikan vote pada interval yang sama, dan (3) terdapat beberapa feature yang memiliki interval untuk kelas manis lebih panjang daripada interval kelas-kelas lainnya yang menyebabkan hanya kelas manis yang diprediksi dengan baik. Ketiga faktor tersebut juga menyebabkan tidak terdapatnya nilai feature yang dapat mencirikan kelas yang ada. | id |
