Classification of Sweet Corn Maturity Using a Support Vector Machine with Grid Search Hyperparameter Optimization
DOI:
https://doi.org/10.46799/adv.v4i8.601Keywords:
sweet corn, maturity classification, SVM, gridsearch, HSVAbstract
Manual determination of sweet corn maturity levels still relies on visual observation, which may lead to subjectivity and inconsistency. This research aims to develop a classification model for sweet corn maturity levels based on digital images using the Support Vector Machine (SVM) algorithm with Grid Search hyperparameter optimization. The dataset consists of 600 sweet corn images divided into three classes: immature, optimally mature, and fully mature. The research stages include preprocessing, feature extraction, dataset splitting, SVM implementation, hyperparameter tuning, and model evaluation. Feature extraction results show that all images were successfully processed with a 100% success rate. Testing the SVM model under several dataset splitting scenarios revealed that the 90:10 ratio achieved the highest accuracy of 88.33%. Hyperparameter optimization using Grid Search produced the best parameter combination, namely C = 100, gamma = 1, and Radial Basis Function (RBF) kernel, with a validation accuracy of 89.44%. The optimized model achieved an accuracy of 90.00%, with the best performance in the fully mature class, reaching 95% precision, 100% recall, and a 98% F1-score. The results indicate that the combination of HSV and GLCM features along with hyperparameter optimization can enhance the performance of SVM in classifying sweet corn maturity levels.
References
Abdillah, Z. A. T., & Prihandono, A. (2026). Klasifikasi tingkat kematangan nanas berdasarkan citra warna dengan metode SVM. Transformatika, 23(2), 183–192.
Alfaruq, B. M., Erwanto, D., & Yanuartanti, I. (2023). Klasifikasi kematangan buah tomat dengan metode Support Vector Machine. Generation Journal, 7(3), 93–101.
Amalia, S. D., Barata, M. A., & Yuwita, P. E. (2025). Optimization of Random Forest algorithm with backward elimination method in classification of academic stress levels. Journal of Applied Informatics and Computing, 9(3).
Apriani, H., Jaman, J. H., & Adam, R. I. (2022). Optimasi SVM menggunakan algoritme grid search untuk identifikasi citra biji kopi robusta berdasarkan circularity dan eccentricity. Jurnal Teknologi dan Sistem Komputer, 10, 12–19. https://doi.org/10.14710/jtsiskom.2022.13807
Arinala, V., & Patricia, A. (2024). Klasifikasi tingkat kematangan buah kersen dengan menggunakan Support Vector Machine. Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOMP), 7(2), 185–199.
Ayu, S., Srg, R., Aldi, M. F., & Ramadhan, M. (2023). Ekstraksi fitur citra berdasarkan tekstur dengan GLCM (Gray Level Co-Occurrence). JUTISAL (Jurnal Teknik Informatika Komputer Universal), 3(1), 44–51.
Azmira, P., Azmi, R., & Yusoff, M. (2025). Improving transformer failure classification on imbalanced DGA data using data-level techniques and machine learning. Energy Reports, 13, 264–277.
Azzaria, C., Daniati, E., & Ristyawan, A. (2025). Peningkatan akurasi deteksi liver disease melalui hyperparameter tuning pada algoritma Random Forest. IJCSR: The Indonesian Journal of Computer Science Research, 4(2), 139–147.
Bulaka, B., Mehora, S., & Alfaris, S. (2025). Akuisisi data pengukuran percepatan gravitasi bumi berbasis LabVIEW sebagai media pembelajaran pada mata kuliah fisika dasar. Jurnal Pendidikan, Sains, Geologi dan Geofisika (GeoScienceEd), 6(2), 2–7.
Firmansyah, E., Amarillis, S., & Kartika, J. G. (2025). Pengaruh pengaplikasian pupuk magnesium sulfat terhadap pertumbuhan serta hasil panen jagung manis (Zea mays L. saccharata). Bul. Agrohorti, 13(1), 104–109.
Hutagaol, L., S., M. H. P., & Akbar, F. A. (2025). Model klasifikasi citra penyakit monkeypox berbasis ekstraksi fitur GLCM dan algoritma SVM. Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK), 6(3), 1520–1531.
Ismail, Arifin, N., & Prihastinur. (2023). Klasifikasi kematangan buah naga berdasarkan fitur warna menggunakan algoritma multi-class Support Vector Machine. Jurnal Informatika Teknologi dan Sains (JINTEKS), 5(1), 121–126.
Kamila, A. R., & Budiyanto, V. (2025). Optimasi model dengan algoritma Support Vector Regressor menggunakan grid search pada penilaian esai otomatis. JATI (Jurnal Mahasiswa Teknik Informatika), 9(3), 4622–4627.
Kantikowati, E., Karya, & Khotimah, I. H. (2022). Pertumbuhan dan hasil jagung manis (Zea mays saccharata Sturt) varietas Paragon akibat perlakuan jarak tanam dan jumlah benih. Agro Tatanen: Jurnal Ilmiah Pertanian, 4(2), 1–10.
Mehta, A., Sengupta, P., Garg, D., Singh, H., & Diamand, Y. S. (2023). Benchmarking the effectiveness of classification algorithms and SVM kernels for dry beans. arXiv. https://arxiv.org/abs/2307.07863
Melani, R., Azmi, D., Muslem, I., & Amin, M. (2026). Klasifikasi kematangan cabai berdasarkan citra digital menggunakan algoritma K-Nearest Neighbor. Jurnal Ilmu Komputer dan Informatika, 1(1), 30–42.
Misriati, T., & Aryanti, R. (2024). Optimalisasi Random Forest dan Support Vector Machine dengan Hyperparameter GridSearchCV untuk analisis sentimen ulasan PrimaKu. Journal of Information System Research (JOSH), 5(4), 1333–1341. https://doi.org/10.47065/josh.v5i4.5347
Muchtar, M., & Muchtar, R. A. (2024). Perbandingan metode KNN dan SVM dalam klasifikasi kematangan buah mangga berdasarkan citra HSV dan fitur statistik. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 12(2), 876–884.
Muflich, A. (2026). Identifikasi penyakit daun pisang berbasis citra warna dengan ekstraksi ResNet50 dan Support Vector Machine. Insect (Informatics and Security): Jurnal Teknik Informatika, 12(1), 106–118.
Naimatul, L., Naila, R., Syarifah, K., & Pratama, R. A. (2024). Respons fisiologis tanaman jagung manis terhadap aplikasi herbisida dalam pengendalian gulma. Jurnal Agro Wiralodra, 7(2), 66–74.
Ningrum, D. K., & Ismawardi, A. M. (2025). Efektivitas algoritma kecerdasan buatan dalam implementasi kesehatan mental: Systematic literature review. JATI (Jurnal Mahasiswa Teknik Informatika), 9(1), 689–698.
Oktaviana, B., & Suriati. (2025). Implementation of the Support Vector Machine (SVM) method for classifying the maturity level of oil palm fruit. Journal of Applied Informatics and Computing (JAIC), 9(5), 2288–2295.
Pratiwi, E. E., Aisy, A. R., & Ananta, N. (2025). Klasifikasi kesehatan mental pada usia remaja menggunakan metode SVM. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 13(2).
Prima, D., Putri, H., Puspa, N. P., Purnamawan, I. K., & Marti, N. W. (2023). Perbandingan performansi Support Vector Machine (SVM) dan backpropagation untuk klasifikasi studi mahasiswa Undiksha. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 9(3), 492–501.
Putra, R. A., & Nugroho, A. R. (2026). Sistem klasifikasi emosi kucing menggunakan SVM dan strategi augmentasi data. Prosiding Seminar Nasional Teknologi dan Sains Tahun 2026, 5, 29–38.
Rahayu, E. S., Anugrah, O., Purnama, A., Zakaria, H., & Rosyani, P. (2025). Klasifikasi penyakit jamur pada tanaman tomat dengan algoritma SVM. Bulletin of Computer Science Research, 5(4), 756–762.
Rusman, J., Haryati, B. Z., & Michael, A. (2023). Optimisasi hyperparameter tuning pada metode Support Vector Machine untuk klasifikasi tingkat kematangan buah kopi. J-Icon: Jurnal Informatika dan Komputer, 11(2). https://doi.org/10.35508/jicon.v11i2.12571
Sahona, M. A., Astuti, L. W., & Irfani, M. H. (2026). Klasifikasi usia pengguna berdasarkan nilai guna perangkat seluler menggunakan metode Support Vector Machine. Jurnal Media Informatika (JUMIN), 7(3), 815–821.
Saputra, E. I., Anam, M. K., Yenni, H., & Zamsuri, A. (2025). Optimalisasi algoritma Support Vector Machine pada aspect-based sentiment analysis. ZONAsi: Jurnal Sistem Informasi, 7(1), 271–278.
Saputra, R. A., Puspitasari, D., & Baidawi, T. (2022). Deteksi kematangan buah melon dengan algoritma Support Vector Machine berbasis ekstraksi fitur GLCM. Jurnal Infortech, 4(2).
Sucipto, R. A., & Khotimah, B. K. (2025). Klasifikasi sapi Madura berdasarkan ukuran tubuh menggunakan metode Support Vector Machine dan K-Nearest Neighbors. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 13(1), 795–803.
Suryanooradja, M. N., Rahajoe, A. D., & Junaidi, A. (2025). Hybrid MobileNetV2 dan Extreme Gradient Boosting untuk klasifikasi kerusakan bangunan. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 13(3), 402–412.
Tambunana, D. L. M., Siahaanb, H. V., Dalimunthec, M. O., Muhammad, I., Ilhamd, T., & Manullang, W. P. (2025). Implementasi klasifikasi gambar daun pepaya dan daun sirih menggunakan metode Convolutional Neural Network (CNN). Jurnal Sains dan Teknologi (JSIT), 5(3), 369–377.
Vedanty, P. P., Kesiman, M. W. A., & Sunarya, I. M. G. (2025). Pengaruh data augmentasi pada identifikasi penyakit daun tanaman obat menggunakan K-Nearest Neighbor. JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 2094–2100.
Wajidi, F., & Arifin, N. (2025). Deteksi penyakit daun cabai menggunakan kombinasi GLCM dan HSV dengan klasifikasi SVM. Insect (Informatics and Security), 11(2), 178–189.
Yustianisa, D., Firgiawan, W. M., & Nopiana, W. (2025). Implementasi Support Vector Machine dalam klasifikasi kematangan buah manggis. Cofijo: Cognitio Artificial Intelligence Journal, 1(1).
Zamzani, Z. M., Puspaningrum, E. Y., & Via, Y. V. (2025). Analisis ekstraksi fitur LBP, GLCM, dan HSV untuk klasifikasi kualitas cabai rawit menggunakan XGBoost. Algoritme: Jurnal Mahasiswa Teknik Informatika, 6(1), 121–130.
