Akurasi Estimasi Kadar Sukrosa pada Penentuan Tingkat Kematangan Pepaya Menggunakan Nilai RGB Berbasis Aplikasi Mobile

Muhammad Lutfi Firdhaus, Fauzan Romadlon, Fahrudin Mukti Wibowo

Abstract


Abstrak

Tingkat kematangan pepaya selama ini diidentifikasi secara visual dengan perubahan warna pada kulit buah pepaya. Proses identifikasi ini memiliki beberapa kekurangan di antaranya melelahkan, tidak konsisten, dan memakan waktu. Tujuan penelitian ini adalah membangun sebuah aplikasi pengolahan citra untuk mengidentifikasi tingkat kematangan pada buah pepaya berbasis mobile agar lebih efektif. Metode yang digunakan pada penelitian ini adalah regresi linier berganda. Metode ini digunakan untuk mencari korelasi antara nilai red, green, blue (RGB) dan Brix pada buah pepaya. Pembuatan aplikasi ini menggunakan metode K-Nearest Neighbour (KNN) menggunakan 90 buah papaya dengan tingkat kematangan yang berbeda, yaitu tingkat kematangan mentah, mengkal, dan matang. KNN digunakan sebagai metode untuk kuantifikasi warna sehingga mendekati warna yang sesungguhnya. Hasil pengujian sistem menunjukkan bahwa penerapan aplikasi identifikasi tingkat kematangan buah pepaya memiliki tingkat akurasi sebesar 66,67%. Aplikasi ini butuh untuk dikembangkan lebih lanjut karena masih memiliki tingkat akurasi yang rendah, tetapi aplikasi ini sudah dapat digunakan sebagai alat bantu sortasi pepaya.

Kata kunci: pengolahan citra, pepaya, RGB, Brix

 

Abstract

The degree of ripeness of papaya has been evaluated manually based on its skin color parameters. This identification process has several disadvantages, such as exhausting, inconsistent, and taking time. This research is set to build an application of image processing for identifying a papaya maturity level based on the mobile application. The method used in this research is multiple linear regression to find the correlation between red, green, blue (RGB) and Brix values in papaya. The mobile application is developed by using K-Nearest Neighbour (KNN) method for 90 papayas with different levels of maturity; unripe, moderate, and ripe. KNN is used to estimate the color of papaya skin quantitatively. The result showed that the use of the mobile application for determination of the degree of papaya ripeness has an accuracy level of 66.67%. The mobile application can be used as a supporting tool for papaya sorting process, although it should be improved to increase its accuracy.

Keywords: image processing, papaya, RGB, Brix


Keywords


pengolahan; citra; pepaya; RGB; Brix; image processing; papaya,

Full Text:

PDF

References


Amin, F. M. (2018). Citra daging ayam berformalin menggunakan metode fitur tekstur dan K-Nearest Neighbor (K-NN). Jurnal Matematika MANTIK, 4(1), 68–74. https://doi.org/10.15642/mantik.2018.4.1.68-74

Badan Standarisasi Nasional. SNI 4230:2009 Pepaya (2009).

Balai Pengujian dan Identifikasi Barang DJBC. (2016). Nilai brix untuk menentukan kualitas pada buah-buahan. Indonesia Customs and Excise Laboratory Bulletin, 4(1), 1–26.

Eliyani, Tulus, & Fahmi, F. (2013). Pengenalan tingkat kematangan buah pepaya paya rabo menggunakan pengolahan citra berdasarkan warna rgb dengan k-means clustering. SINGUDA ENSIKOM, 5(Special Issue), 1–6.

Fitrah, M. S., & Ahmad, U. (2016). Pengkuran Laju Kematangan Buah Pepaya Callina Menggunakan Pengolahan Citra Digital. Departemen Teknik Mesin dan Biosistem. Fakultas Teknologi Pertanian. Institut Pertanian Bogor. Bogor.

Hasan, M. I. (2003). Pokok-pokok Materi Statistik 1 (Statistik Deskripsi). Jakarta: Bumi Aksara.

Hidayanto, E., Rofiq, A., & Sugito, H. (2014). Aplikasi portable brix meter untuk pengukuran indeks bias. Berkala Fisika, 13(4), 113–118.

Hidayat, T., & Muttaqin, M. (2018). Pengujian sistem informasi pendaftaran dan pembayaran wisuda online menggunakan black box testing dengan metode equivalence partitioning dan boundary value analysis. JuTISI (Jurnal Teknik Informatika Dan Sistem Informasi), 6(1), 25–29.

Hidayatullah, P. (2017). Buku Pengolahan Citra Digital: Teori dan Aplikasi Nyata Plus. Bandung: Informatika.

Ichsan, A. Z., Andrizal, & Yendri, D. (2016). Perancangan dan Pembuatan Sistem Visual Inspection Sebagai Seleksi Buah Tomat Berdasarkan Kematangan Berbasis Web Camera. Skripsi. Jurusan Sistem Informasi. Fakultas Teknologi Informasi. Universitas Andalas. Padang.

Janie, D. N. A. (2012). Statistik Deskriptif & Regresi Linier Berganda dengan SPSS. Semarang: Semarang University Press.

Kasim, A. A., & Harjoko, A. (2014). Klasifikasi citra batik menggunakan jaringan syaraf tiruan berdasarkan Gray Level Co- Occurrence Matrices (GLCM). In Seminar Nasional Aplikasi Teknologi Informasi (pp. 7–13). Yogyakarta: Fakultas Teknologi Industri Universitas Islam Indonesia.

Kristian, Y., Purnama, I. K. E., Sutanto, E. H., Zaman, L., Setiawan, E. I., & Purnomo, M. H. (2018). Klasifikasi nyeri pada video ekspresi wajah bayi menggunakan DCNN Autoencoder dan LSTM. JNTETI (Jurnal Nasional Teknik Elektro Dan Teknologi Informasi), 7(3), 308–316. https://doi.org/10.22146/jnteti.v7i3.440

Narimawati, U. (2008). Teknik-teknik Analisis Multivariat untuk Riset Ekonomi (1st ed.). Yogyakarta: Graha Ilmu.

Sholihin, M., & Rohman, M. G. (2018). Klasifikasi mutu telur berdasarkan fitur warna dengan menggunakan metode k-nearest neighbor. In Seminar Nasional Sistem Informasi (pp. 1188–1193). Malang: Fakultas Teknologi Informasi Universitas Merdeka.

Sugiyanto, S., & Wibowo, F. (2015). Klasifikasi tingkat kematangan buah pepaya (Carica papaya L) California (Callina-IPB 9) dalam ruang warna hsv dan algoritma k-nearest neighbors. In Prosiding SENATEK (pp. 335–341). Purwokerto: Fakultas Teknik Universitas Muhammadiyah Purwokerto.

Syaefullah, E., Purwadaria, H. K., Sutrisno, & Suroso. (2007). Identifikasi tingkat ketuaan dan kematangan pepaya (Carica papaya L.) IPB 1 dengan pengolahan citra digital dan jaringan syaraf tiruan. Agritech, 27(2), 75–81.

Syakry, S. A., Mulyadi, & Simbolon, Z. K. (2015). Klasterisasi nilai citra rgb buah pepaya madu berdasarkan mutu buah menggunakan Fuzzy C-Means (FCM) clustering. TECHSI : Jurnal Penelitian Teknik Informatika, 7(2), 149–169.

Utari, I. (2016). Pepaya California. Retrieved from https://pertanian.pontianakkota.go.id/produk-unggulan-detil/5-pepaya-california.html

Wijayanto, B. (2012). Prototype aplikasi tumbuh kembang balita berbasiskan android untuk kader posyandu di pedesaan. In Seminar Nasional Aplikasi Teknologi Informasi (pp. 15–16). Yogyakarta: Fakultas Teknologi Industri Universitas Islam Indonesia.




https://doi.org/10.21776/ub.industria.2019.008.02.1

Refbacks

  • There are currently no refbacks.