Nuryani, Sri (2018) Identifikasi Total Karoten Cabai Rawit (Capsium Frutescens L. ) Berbasis Analisis Citra Digital Dengan Pendekatan Fitur Warna Dan Tekstur. Sarjana thesis, Universitas Brawijaya.
Abstract
Cabai rawit merupakan salah satu komoditas hortikultura yang banyak dibudidayakan oleh petani di Indonesia, karena memiliki harga jual yang tinggi dan memiliki beberapa manfaat kesehatan. Selain itu, Cabai rawit mengandung kadar karotenoid yang cukup tinggi dibandingkan dengan jenis cabai yang lain. Karotenoid berfungsi sebagai perkursor vitamin A dan merupakan sumber antioksidan bagi tubuh. Selama ini, proses klasifikasi mutu cabai rawit hanya dilakukan secara manual dengan visual mata manusia tanpa melihat kandungan gizi didalamnya. Oleh karena itu, penulis melakukan penelitian berbasis pengolahan citra. Adapun tujuan dari penelitian ini adalah (1) Untuk mencari hubungan tingkat kematangan terhadap kategori mutu karotenoid pada buah cabai rawit. (2) Menguji hubungan fitur warna dan fitur tekstur citra terhadap kategori mutu karotenoid pada buah cabai rawit. Penelitian ini menggunakan objek penelitian berupa cabai rawit yang digolongkan menjadi tiga kelas. Dari ketiga kelas tersebut diambil masing-masing lima buah sampel untuk diukur kandungan total karoten dan 100 buah sampel untuk diambil citra dari satu sisi sehingga total citra dari cabai rawit ada 300 buah. Dari 300 citra tersebut kemudian diekstrak untuk diperoleh nilai warna RGB, HSV, HSL, L*a*b, CMY, CMYK, LCH, LUV dan warna keabuan, serta 10 tekstur citra. Data citra khususnya tekstur citra kemudian dinormalisasi pada skala 0 hingga 1. Setelah itu dianalisis terkait korelasi parameter citra terhadap kategori mutu cabai rawit. Hasil analisa menunjukan bahwa dari 286 parameter citra digital diperoleh 18 parameter yang mampu mengkategorikan seluruh kategori mutu cabai rawit, 76 parameter citra digital mampu mengkategorikan dua vii pasang mutu cabai rawit, 75 parameter hanya mampu mengkategorikan sepasang mutu cabai rawit, serta 117 parameter tidak dapat dijadikan indikator. Parameter citra digital yang terdiri dari fitur warna dan fitur tekstur yang dapat dijadikan indikator pemutuan caba rawit yaitu Hue Mean, H (LCH) Mean, Green SumMean, Gray SumMean, Hue SumMean, Y SumMean, M (CMY) SumMean, L (L*a*b) SumMean, a (L*a*b) SumMean, H(LCH) SumMean, U (LUV) SumMean, Hue Variance, a (L*a*b) Variance, U (LUV) Variance, V(LUV) Variance, dan Hue Cluster. Dari 18 parameter citra yang dapat dijadikan indikator pemutuan cabai rawit dilakukan validasi data 20 % menghasilkan parameter terbaik sebagai indikator pemutuan cabai rawit yaitu Hue Mean dengan tingkat keakurasian 80 %.
English Abstract
Cayenne pepper is one of the horticultural commodities that are cultivated by many farmers in Indonesia, because it has a high selling price and has several health benefits. In addition, Cayenne pepper contains high levels of carotenoids compared with other types of chili. Carotenoids serve as a precursor of vitamin A and is a source of antioxidants for the body. During this time, the process of quality classification of cayenne pepper is only done manually with visual human eye without seeing the nutritional content in it. Therefore, the writer did the research based on image processing. The purpose of this researc is (1) To find correlation of maturity level to the quality category of carotenoids on chili pepper. (2) To examine the correlation between colour features and texture features to the quality category of carotenoids on the fruit of cayenne pepper. This research uses cayenne pepper as object that was classified into three classes. Of the three classes were taken five samples to be measured the total content of carotene and 100 samples to take the image from one side so that the total image of the cayenne pepper there are 300 sampel. Then 300 images were extracted to obtain colour values RGB, HSV, HSL, L * a * b, CMY, CMYK, LCH, LUV and grayish color values, and 10 image textures. The Image data, especially that texture image normalized on a scale of 0 to 1. After that, data analyzed related to the correlation of image parameters to the quality category of cayenne pepper. The result of analysis shows that from 286 parameters of digital image obtained 18 parameters able to categorize all categories of quality of cayenne pepper, 76 parameters of digital image able to categorize two pairs of quality of cayenne pepper, 75 parameters can only categorize ix pair of quality of cayenne pepper, and 117 parameter can not be used as indicator . Digital caitra parameters consisting of color features and texture features that can be used as indicator of caba ingredient pressing Hue Mean, H (LCH) Mean, Green SumMean, Gray SumMean, Hue SumMean, Y SumMean, M (CMY) SumMean, L (L * a * b) SumMean, a (L * a * b) SumMean, H (LCH) SumMean, U (LUV) SumMean, Hue Variance, a (L * a * b) Variance, U (LUV) Variance, V (LUV ) Variance, and Hue Cluster. Of the 18 image parameters that can be used as indicators of caba bleaching cabait done 20% data validation resulted in the best parameters as an indicator of cayenne pepper Hue Mean with 80% accuracy.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2018/178/051805325 |
| Uncontrolled Keywords: | Analisis Citra, Cabai Rawit , Fitur Tekstur, Mutu, Total karoten / Cayenne pepper, Image Analysis, Texture Features, Total Carotene, Quality |
| Subjects: | 600 Technology (Applied sciences) > 633 Field and plantation crops > 633.8 Other crops grown for industrial processing > 633.84 Hot spices |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | Endang Susworini |
| Date Deposited: | 08 Oct 2019 06:59 |
| Last Modified: | 08 Oct 2019 06:59 |
| URI: | http://repository.ub.ac.id/id/eprint/165842 |
Actions (login required)
 |
View Item |