KLASIFIKASI TINGKAT KUALITAS DAN KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN

Nurul Isra Humaira B; Magfira Herman; Nurhikma Nurhikma; Andi Baso Kaswar

doi:10.26858/jessi.v2i1.20329

KLASIFIKASI TINGKAT KUALITAS DAN KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN

Nurul Isra Humaira B^(1*), Magfira Herman⁽²⁾, Nurhikma Nurhikma⁽³⁾, Andi Baso Kaswar⁽⁴⁾,

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

DOI: https://doi.org/10.26858/jessi.v2i1.20329

Abstract

Pada umumnya, manusia melakukan pemilahan hasil pertanian bergantung pada presepsi mereka terhadap komposisi warna yang dimiliki citra seperti buah-buahan. Masyarakat menilai kualitas dan kematangan tomat dengan cara manual dari tampaknya saja yaitu pada warnanya. Namun, identifkasi dengan cara manual memiliki kelemahan seperti waktu yang dibutuhkan relatih lama serta menghasilkan produk yang cukup beragam karena keterbatasan visual dan perbedaan persepsi manusia tentang buah tersebut. Oleh karena itu, penelitian ini mengusulkan metode yang dapat digunakan pada klasifikasi kualitas dan kematangan buah tomat yaitu Jaringan Saraf Tiruan. Metode ini dimulai dari tahap akuisisi citra dan preprocessing, kemudian segmentasi citra lalu operasi morfologi, kemudian ekstraksi fitur hingga tahap pelatihan menggunakan JST dan tahap pengujian klasifikasi berdasarkan fitur warna. Hasil pengujian klasifikassi kualitas dan kematangan buah tomat berdasarkan fitur warna menggunakan JST sebesar 90% dengan waktu proses 3.12 detik setiap citra. Dari penelitian tersebut, menunjukkan bahwa metode yang diusulkan memberikan waktu yang efisien terhadap klasifikasi citra tomat.

Keywords

Tomato Image; Classification; Artificial Neural Network; K-means; artificial intelligence

Full Text:

PDF

References

T. O. Vika, “PEMULIAAN TANAMAN TOMAT ( Solanum lycopersicum L.), TAHAN SERANGAN TOMATO YELLOW LEAF CURL VIRUS (TYLCV)”. YOGYAKARTA: Tenti Okta Vika, 2013.

L. N. Afifi, T. Wardiyati and K. , "Respon Tanaman Tomat (Lycopersicum Esculentum Mill," Jurnal Produksi Tanaman, vol. 5, no. 5, ISSN : 2527-8452, pp. 774-781, 2017.

Wijayani, A. dan Wahyu Widodo, 2005. Usaha meningkatkan kualitas beberapa varietas tomat dengan system budidaya hidroponik. Ilmu Pertanian. Vol 12, No 1. 2005. p. 77-83.

Meiriyama, “Klasifikasi Citra Buah berbasis fitur warna HSV dengan klasifikator SVM”, Comput. Stand. Interfaces, Vol 4,No 1,pp. 50-61, 2018.

F. Wibowo and A. Harjoko, “Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan,” KHIF, vol. 3, no. 2, p. 100, Jan. 2018, doi: 10.23917/khif.v3i2.4516.

S. Y. Riska, “Klasifikasi Level Kematangan Tomat Berdasarkan Perbedaan Perbaikan Citra Menggunakan Rata-Rata RGB Dan Index Pixel,” p. 9.

S. Kusumaningtyas and R. A. Asmara, “IDENTIFIKASI KEMATANGAN BUAH TOMAT BERDASARKAN WARNA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST)”, Comput. Stand. Interfaces, Vol 2,Edisi 2,pp.72-75, 2016.

S. Y. Riska and P. Subekti, “KLASIFIKASI LEVEL KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN MULTI-SVM,” JIMI, vol. 1, no. 1, pp. 39–45, Jun. 2016, doi: 10.35316/jimi.v1i1.442.

R. Pratama, A. F. Assagaf, and F. Tempola, “DETEKSI KEMATANGAN BUAH TOMAT BERDASARKAN FITUR WARNA MENGGUNAKAN METODE TRANSFORMASI RUANG WARNA HIS,” p. 6.

Z. E. Fitri, R. Rizkiyah, A. Madjid, and A. M. N. Imron, “Penerapan Neural Network untuk Klasifkasi Kerusakan Mutu Tomat,” JRE, vol. 16, no. 1, May 2020, doi: 10.17529/jre.v16i1.15535.