Rachmawati, Arisa (2018) Prediksi Kandungan Vitamin C Pada Tomat Berbasis Analisis Citra Digital Menggunakan Metode Artificial Neural Network. Sarjana thesis, Universitas Brawijaya.
Abstract
Tomat merupakan salah satu sayuran yang banyak dikonsumsi dan diproduksi di Indonesia, salah satu kandungan gizi tomat yang cukup tinggi adalah vitamin C. Kandungan vitamin C umumnya dapat diketahui dengan pengujian di laboratorium yang membutuhkan waktu cukup lama serta merusak objek. Oleh sebab itu dilakukan prediksi kandungan vitamin C secara non destructive menggunakan analisis citra digital. Penelitian ini akan menggunakan pemodelan Artificial Neural Network (ANN). Tujuan dari penelitian ini adalah 1) Mencari pengaruh indeks warna Red, Green, Blue (RGB) dan Hue, Saturation, Value (HSV) serta L*a*b terhadap kandungan vitamin C pada tomat dan 2) Mencari bentuk pemodelan untuk prediksi kandungan vitamin C pada tomat menggunakan ANN. Penelitian ini menggunakan tomat dengan 3 tingkat kematangan. Berdasarkan penelitian diketahui kandungan vitamin C tomat mengalami peningkatan seiring meningkatnya tingkat kematangan. Hubungan antara indeks warna RGB, HSV, dan L*a*b terhadap kandungan vitamin C tomat mempunyai nilai yang berbeda-beda. Pada indeks warna Green didapatkan nilai koefisien determinasi sebesar 0,3928, indeks warna Hue sebesar 0,357 dan indeks warna a* sebesar 0,5197. Dari penelitian ini, diperoleh model ANN yang terbaik adalah dengan 9 input yaitu RGB, HSL, dan L*a*b. Input tersebut diolah menggunakan MATLAB data training sebesar 75% dan testing sebesar 25%. Fungsi pelatihan yang digunakan adalah traingdm, dengan satu hidden layer dan fungsi vii aktivasi tansig. Prediksi kandungan vitamin C dengan topologi terbaik adalah 9-30-1 (9 node input, 30 node hidden layer, 1 node output). Dari topologi terbaik tersebut, dihasilkan nilai koefisien determinasi training sebesar 0,66662 dan MSE training sebesar 0,08785 dengan nilai koefisien determinasi testing sebesar 0,82294 dan MSE testing sebesar 0,05859. Nilai akurasi training yang dihasilkan sebesar 90,1253% sedangkan nilai akurasi testing sebesar 92,2391%.
English Abstract
Tomato is one of the vegetables that is widely consumed and produced in Indonesia, one of the high nutritional content of tomatoes is vitamin C. Vitamin C content can generally be known by testing in the laboratory which takes a long time and destructive. Therefore, predictions of vitamin C content using non-destructive methods with digital image analysis were carried out. This study will use Artificial Neural Network (ANN) modeling. The purpose of this study is 1) To find out the effect of color index Red, Green, Blue (RGB), Hue, Saturation, Value (HSV) and L*a*b to the content of vitamin C in tomatoes and 2) Looking for a model for predicting vitamin C content in tomatoes using ANN. This study uses tomatoes with 3 levels of maturity. Based on the research it is known that the vitamin C content of tomatoes has increased by increasing levels of maturity. The relationship between the RGB, HSV, and L * a * b color index for the vitamin C content of tomatoes has different values. In the Green color index, the coefficient of determination is 0,3928, Hue color index is 0,357 and a * color index is 0,5197. From this research, the best ANN model is obtained with 9 inputs namely RGB, HSL, dan L*a*b. The input is processed using MATLAB, with training data of 75% and testing data of 25%. The training function used is traingdm, with one hidden layer and tansig activation function. Prediction of vitamin C content with the best topology is 9-30-1 (9 node input, 30 node hidden layer, 1 node output). From the best topology, a coefficient of determination of training is 0,66662 and ix MSE training is 0,08785 with a coefficient of determination of testing is 0,82294 and MSE testing is 0,05859. The value of training accuracy 90,1253% while the testing accuracy value is 92,2391%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2018/548/051810891 |
| Uncontrolled Keywords: | ANN, citra digital, tomat, vitamin C,/ ANN, digital image, tomato, vitamin C |
| Subjects: | 600 Technology (Applied sciences) > 613 Personal health and safety > 613.2 Dietetics > 613.28 Specific nutritive elements > 613.286 Vitamins |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | Endang Susworini |
| Date Deposited: | 19 Aug 2019 02:14 |
| Last Modified: | 29 Jun 2022 06:55 |
| URI: | http://repository.ub.ac.id/id/eprint/165232 |
![[thumbnail of Arisa Rachmawati.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Arisa Rachmawati.pdf Download (4MB) |
Actions (login required)
 |
View Item |