Klasifikasi Tingkat Kematangan Buah Pisang Dalam Ruang Warna RGB Menggunakan Jaringan Syaraf Tiruan (JST)

Jusrawati Jusrawati(1*), Ayu Futri(2), Andi Baso Kaswar(3),

(1) Universitas Negeri Makassar
(2) Universitas Negeri Makassar
(3) Universitas Negeri Makassar
(*) Corresponding Author




DOI: https://doi.org/10.26858/jessi.v2i1.20327

Abstract


Abstark: Pisang merupakan salah satu komoditas tanaman buah dengan tingkat permintaan yang tinggi karena memiliki banyak manfaat. Kebutuhan masyarakat untuk pasar lokal dalam negeri maupun luar negeri akan buah pisang juga dipengaruhi dengan tuntutan terhadap kualitas pisang yang terjamin. Tingkat kematangan buah pisang merupakan salah satu faktor penentu kualitas. Proses pemilahan pisang berdasarkan grade warna umumnya bergantung pada persepsi manusia terhadap faktor komposisi warna citra yang dimiliki oleh buah tersebut. Namun pengamatan yang dilakukan secara manual oleh mata manusia memiliki kelemahan yaitu adanya kesalahan manusia seperti salah lihat, gangguan penglihatan, dan mengantuk. Oleh karena itu kami mengusulkan klasifikasi tingkat kematangan buah pisang dalam ruang warna RGB menggunakan jaringan syaraf tiruan (JST). Dengan menggunakan matode yang kami usulkan pada 120 sampel buah pisang dibagi menjadi 4 kelompok, 30 sampel pisang matang, 30 sampel pisang mengkal, 30 sampel pisang mentah dan 30 sampel pisang busuk. Hasil dari penelitian ini menunjukkan bahwa metode yang kami usulkan dapat mengklasifikasikan tingkat kematangan buah pisang. Pengujian yang dilakukan dengan 120 sampel buah pisang menunjukkan tingkat akurasi sebesar 98,3%. yang dinilai telah mampu melakukan identifikasi tingkat kematangan pada buah pisang.


Keywords


artificial neural network; RGB; classification; segmentation; banana fruit

Full Text:

PDF

References


Minarni, Roni Salumbae, & Zilhan Hasbi. 2018. implementasi jaringan syaraf tiruan (jst) dan pengolahan citra untuk klasifikasi kematangan tbs kelapa sawit. Vol. 15 No.1.

Oki Dahwanu, & Sarjono. 2019. Analisis dan Perancangan Jaringan Saraf Tiruan untuk Mengidentifikasi Tingkat Kematangan Buah Belimbing Manis (Averrhoa carambola L.). Jurnal Manajemen Sistem Informasi. Vol.4 No.1.

Doli Garesya Agian, Lukman Adlin Harahap, & Sulastri Panggabean. 2015. identifikasi kematangan buah markisa (passiflora edulis) dengan pengolahan citra menggunakan jaringan syaraf tiruan. Vol.3 No. 3.

Imam Machroz, Wina Apriliani, Lawan, Reza Saputra, Rosita, & Nur Afny Catur Andryani. 2017. klasifikasi kematangan mangga menggunakan metode jaringan syaraf tiruan levenberg marquardt.

Indarto, & Murinto. 2016. Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS. JUITA. Volume V.

Feri Wibowo, & Agus Harjoko. 2017. Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan. Jurnal Ilmu Komputer dan Informatika. Vol. 3 No. 2.

Hisban Hamid Arifki, & Melisa Intan Barliana. 2018. karakteristik dan manfaat tumbuhan pisang di Indonesia. Volume 16 Nomor 3.

Kasrina, & Anis Zulaikha Q. 2013. Pisang Buah (Musa Spp): Keragaman Dan Etnobotaninya Pada Masyarakat Di Desa Sri Kuncoro Kecamatan Pondok Kelapa Kabupaten Bengkulu Tengah.


Article Metrics

Abstract view : 1276 times | PDF view : 266 times

Refbacks

  • There are currently no refbacks.


Indexed by:

 

ROAD: the Directory of Open Access scholarly Resources

 

 

Creative Commons License

Journal of Embedded Systems, Security and Intelligent Systems (JESSI) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License