RANCANG BANGUN SISTEM KLASIFIKASI KELAYAKAN SAYUR SAWI PASCA-PASAR BERDASARKAN VISUAL WARNA DAN GAS VOLATIL MENGGUNAKAN METODE RANDOM FOREST

Kehilangan pangan (food loss and waste) pada komoditas sayuran pasca-pasar sering kali
terjadi karena belum tersedianya alat objektif bagi para pedagang untuk menilai kelayakan
konsumsi sayuran setelah jam operasional pasar berakhir. Penelitian ini bertujuan untuk
merancang sebuah sistem klasifikasi kelayakan dan kesegaran sawi hijau (Brassica juncea
L.) secara non-destruktif berbasis fusi sensor multimodal dengan menggunakan algoritma
Random Forest Classifier. Sistem ini mengintegrasikan fitur visual warna berupa nilai
rata-rata Hue pada ruang warna HSV yang diekstraksi dari citra daun, serta data kimiawi
berupa kadar gas volatil emisi tanaman melalui sensor MQ136 (deteksi hidrogen sulfida)
dan MQ137 (deteksi amonia). Implementasi sistem dibangun pada platform embedded
Raspberry Pi 5 dan Arduino Uno yang diintegrasikan dalam sebuah smart chamber
bervolume 5 liter. Pada tahap pra-pemrosesan, fluktuasi data sensor dihaluskan
menggunakan metode Exponential Moving Average (EMA) dan distandarisasi
menggunakan Z-Score Scaling sebelum dimasukkan ke dalam model klasifikasi. Pengujian
sistem dilakukan secara real-time terhadap 30 sampel data yang terdiri atas 15 sampel
segar dan 15 sampel layu. Hasil pengujian membuktikan bahwa model Random Forest
Classifier memberikan performa yang optimal dengan capaian akurasi sebesar 93,33%,
presisi mutlak sebesar 100%, recall sebesar 86,67%, spesifisitas sebesar 100%, dan F1-
Score sebesar 92,86%. Dibandingkan dengan algoritma Support Vector Machine (SVM),
Random Forest dipilih karena terbukti lebih tahan terhadap gejala overfitting serta lebih
interpretatif melalui analisis parameter internalnya. Berdasarkan analisis tingkat
kepentingan fitur (Feature Importance), parameter sensor gas memberikan kontribusi yang
lebih dominan sebesar 63,14% dibandingkan fitur visual yang berkontribusi sebesar
36,84%, dengan nilai EMA MQ136 bertindak sebagai indikator tunggal terkuat mencapai
47,36%. Hasil penelitian ini menunjukkan potensi besar dari sistem fusi visual-gas sebagai
solusi teknologi yang objektif ilmiah dalam menekan angka kehilangan pangan pada rantai
pasok sayuran.