Klasifikasi Kesegaran Sayuran Hijau Menggunakan K-Means Clustering Berbasis Color Space Hsv (Studi Kasus: Kebun Sintesafarm-1, Lembang, Pada Tanaman Selada, Bayam Jepang, Dan Pakcoy)

Penilaian kesegaran sayuran hijau secara manual sering kali menimbulkan ketidakkonsistenan dalam proses sortir, yang berdampak pada meningkatnya kehilangan hasil pascapanen (post-harvest loss). Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis tingkat kesegaran sayuran hijau menggunakan algoritma K-Means Clustering dan pendekatan ruang warna HSV (Hue, Saturation, Value). Fokus objek penelitian adalah tiga jenis sayuran hijau yang umum dikonsumsi, yaitu selada (Lactuca sativa), bayam Jepang (Spinacia oleracea), dan pakcoy (Brassica rapa subsp. chinensis), dengan studi kasus di Kebun SintesaFarm-1, Lembang. Metode yang digunakan bersifat eksperimen kuantitatif dengan data berupa citra digital sayuran. Citra dikonversi dari format RGB ke HSV untuk mengekstraksi fitur warna yang merepresentasikan tingkat kesegaran visual. Selanjutnya, proses klasifikasi dilakukan dengan algoritma K-Means Clustering untuk mengelompokkan data ke dalam tiga tingkat kesegaran, yaitu segar, cukup segar, dan tidak segar. Tahapan sistem meliputi pra-pemrosesan citra, transformasi warna, ekstraksi fitur, klasterisasi, dan evaluasi hasil klasifikasi. Hasil pengujian menunjukkan bahwa sistem mampu mengelompokkan citra sayuran sesuai karakteristik warna dengan cukup baik dan konsisten. Sistem ini dinilai efektif dalam memberikan penilaian kesegaran yang objektif, serta berpotensi diterapkan dalam skala produksi untuk meningkatkan efisiensi distribusi dan mutu hasil pertanian.
Kata Kunci: klasifikasi kesegaran, HSV, K-Means