Baca Juga

IDENTIFIKASI TINGKAT KEMATANGAN BUAH TOMAT (Lycopersicon esculentum Mill) MENGGUNAKAN METODE PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN

 

Penulis

Aisyah Hidayattullah

Pembimbing: Dr. Atris Suyantohadi, STP, MT.

ABSTRACT: Indonesia has a great potency on horticultural commodity, such as tomatoes . The high rate demand of tomatoes, both within and outside the country, raising the need for ensuring the quality of the tomatoes. Tomato maturity level is one of determining factor for quality. Identification process of tomatoes maturity is generally dependent on the human perception of color indicator, which is subjective and took a long time. Color indicator is one of the characteristics of tomatoes maturity. The development of the image processing system, which is combine with artificial neural network (ANN) method to apply, allowing the identification of tomatoes maturity level more accurately and quickly. Digital image processing refers to two-dimensional images processing using a computer. ANN is a computational system which the architecture and operation system inspired by the knowledge about the biological neuron cells in brain. The tools used are Box Machine Vision and MATLAB 2012, while the material is red tomato. Number of sample is 48 tomatoes which divided into 2 groups, 30 tomatoes as training data and 18 tomatoes to testing the network. Image capturing of each sample conducted on each of four sides. The parameters used as input to the ANN is mean Red, mean Green, mean Blue and correlation. The results of this study show that, with combining image processing and artificial neural network method, maturity level identification of red tomatoes veriety based on USDA standard (green, breaker, turning, pink, light red, and red) can be successfully done. ANN architecture consisted of four cells; six; and six cells representing input, hidden, and output layers, respectively. Validation test procedure with 18 samples of tomato showed an accuracy rate of 94.44 %, assessed has been able to identify the maturity level of tomatoes.
INTISARI: Indonesia merupakan salah satu negara yang memiliki potensi besar dalam bidang pertanian, salah satunya tomat. Kebutuhan yang besar akan buah tomat, baik dalam maupun luar negeri, memunculkan kebutuhan akan terjaminnya kualitas tomat. Tingkat kematangan buah tomat merupakan salah satu faktor penentu kualitas. Proses identifikasi kematangan tomat umumnya bergantung pada persepsi manusia, yang subyektif serta butuh waktu lama, terhadap indikator warna yang merupakan salah satu ciri kematangan tomat. Perkembangan sistem pengolahan citra, yang dalam pengaplikasiannya digabungkan dengan metode jaringan saraf tiruan (JST), memungkinkan dilakukannya identifikasi tingkat kematangan buah tomat dengan lebih akurat secara cepat. Pengolahan citra digital menunjuk pada pemrosesan gambar dua dimensi menggunakan komputer. JST adalah sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel saraf biologis di dalam otak. Alat yang digunakan yaitu Box Machine Vision dan software MATLAB 2012, sedangkan bahan yaitu tomat merah. Sampel sejumlah 48 dibagi menjadi 2 kelompok, 30 untuk data pelatihan dan 18 untuk pengujian jaringan. Pengambilan citra untuk setiap sampel dilakukan pada keempat sisinya. Parameter yang digunakan sebagi masukan pada JST adalah mean Red, mean Green, mean Blue dan korelasi. Hasil dari penelitian ini menunjukkan bahwa dengan metode pengolahan citra dan jaringan saraf tiruan, dapat dilakukan identifikasi tingkat kematangan buah tomat merah berdasarkan standar USDA (green, breaker, turning, pink, light red, dan red). Arsitektur JST yang digunakan terdiri atas 4 sel; 6 sel; 6 sel pada lapisan input, hidden layer dan lapisan output. Pengujian dengan 18 sampel buah tomat menunjukkan tingkat akurasi sebesar 94.44% yang dinilai telah mampu melakukan identifikasi tingkat kematangan buah tomat.


Sumber : http://etd.ugm.ac.id/index.php?mod=penelitian_detail&sub=PenelitianDetail&act=view&typ=html&buku_id=66708&obyek_id=4