Prediksi Indeks Fermentasi Dan Ph Biji Kakao Berbasis Fitur Warna Pada Citra Digital Uji Belah Dan Model Jaringan Saraf Tiruan

Anggraini, Clara Dwi and Dr.Agr.Sc Dimas F.A. R.,, ST. M.Sc and Angky Wahyu Putranto,, STP, MP (2022) Prediksi Indeks Fermentasi Dan Ph Biji Kakao Berbasis Fitur Warna Pada Citra Digital Uji Belah Dan Model Jaringan Saraf Tiruan. Sarjana thesis, Universitas Brawijaya.

Abstract

Kakao atau Theobroma cacao adalah salah satu komonditas unggulan perkebunan yang memiliki permintaan pasar yang sangat tinggi di dalam ataupun diluar negeri. Namun, kualitas biji kakao asal indonesia termasuk dalam golongan rendah yaitu 3 dan 4 yang tidak terfermentasi secara sempurna akibat dari kurangnya pengetahuan dan teknologi pengukuran tingkat fermentasi dikalangan petani. Tujuan dari penelitian ini adalah untuk mengetahui proses pengambilan citra biji kakao menggunakan studio mini, mengetahui hubungan antara fitur warna dengan pH dan indeks fermentasi biji kakao serta hasil permodelan jaringan saraf tiruan untuk mengklasifikasikan tingkat fermentasi biji kakao. Metode penelitian yang digunakan yaitu menggunakan metode experimental laboratorik dan analysis citra dengan data latih dari dataset citra gambar menggunakan parameter warna. Metode experimental laboratorik dilakukan untuk mengetahui pH dan indeks fermentasi dari 5 buah sampel biji kakao yang telah diambil citra menggunaka studio mini dari 10 tingkat fermentasi. Analisi citra dilakukan untuk mengetahui hubungan antara citra dengan pH dan indeks fermentasi menggunakan model Partial Least Squares Regression serta klasifikasi tingkat fermentasi biji kakao berdasarkan fitur warna RGB, HSV dan Lab. Hasil model Partial Least Squares Regression menunjukan hubungan yang signifikan sebesar 99 % dan 93% antara fitur warna biji kakao dengan pH dan 99 % dan 96 % untuk hubungan fitur warna dengan indeks fermentasi biji kakao. Hasil model jaringan saraf tiruan untuk 10 tingkat klasifikasi biji kakao menunjukan akurasi lebih dari 10 % pada data training dan lebih dari 9 % dengan hyperparameter berupa nilai hidden layer 64-64- 8 menggunakan fungsi aktivasi relu dan Sigmoid, learning rate sebesar 0.005, epoch 500 dan batch Size 20. Tingkat Akurasi yang rendah disebabkan oleh faktor ukuran dari biji kakao yang beragam yang menyebabkan lama waktu fermentasi tidak merata yang ditunjukan ditunjukan dari biji kakao dengan ukuran besar memiliki memiliki nilai L* a* b* yang lebih tinggi dibandingkan ukuran kecil.

English Abstract

Cocoa or Theobroma cacao is one of the leading plantation commodities that has a very high market demand at home and abroad. However, the quality of cocoa beans from Indonesia is included in the low group, namely 3 and 4 which are not fully fermented due to the lack of knowledge and technology for measuring the level of fermentation among farmers. The purpose of this study was to determine the process of image retrieval of cocoa beans using a mini studio, to determine the relationship between color features and pH and fermentation index of cocoa beans and the results of artificial neural network modeling to classify the level of fermentation of cocoa beans. The research method used is using experimental laboratory methods and image analysis with training data from the image dataset using color parameters. The experimental laboratory method was carried out to determine the pH and fermentation index of 5 samples of cocoa beans that had been imaged using a mini studio from 10 stages of fermentation. Image analysis was carried out to determine the relationship between the image and the pH and fermentation index using themodel Partial Least Squares Regression and the classification of the level of fermentation of cocoa beans based on RGB, HSV and Lab color features. The results of the model Partial Least Squares Regression show a significant relationship of 99% and 93% between the color features of cocoa beans and pH and 99% and 96% for the relationship between color features and the fermentation index of cocoa beans. The results of the artificial neural network model for 10 levels of cocoa bean classification show an accuracy of more than 10% on training data and more than 9% with hyperparameters in the form ofvalues hidden layer 64-64-8 using relu and Sigmoid activation functions, learning rate of 0.005, epoch 500 andbatch Size : 20. The low level of accuracy is caused by the size factor of the various cocoa beans which causes the length of fermentation time to be uneven, which is indicated by the fact that large-sized cocoa beans have a higher L* a* b* value than the size. small.

Item Type:	Thesis (Sarjana)
Identification Number:	0522100002
Uncontrolled Keywords:	Biji Kakao,Tingkat Fermentasi, Partial Least Squares Regression, Jaringan Saraf Tiruan,Cocoa Beans, Fermentation Rate, Partial Least Squares Regression, Artificial Neural Networks
Subjects:	600 Technology (Applied sciences) > 630 Agriculture and related technologies
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	Sugeng Moelyono
Date Deposited:	03 Feb 2022 01:21
Last Modified:	24 Feb 2022 02:52
URI:	http://repository.ub.ac.id/id/eprint/189195

Text (DALAM MASA EMBARGO) - Clara Dwi Anggraini.pdf Restricted to Registered users only until 31 December 2024. Download (20MB)

Actions (login required)

View Item