Karakterisasi Visual dan Klasifikasi Tingkat Kematangan Buah Jeruk Keprok Batu 55 Berbasis Kecerdasan Buatan Menggunakan Pengolahan Citra Digital.

Zakiyyah, Aimmatuz and Dr.Agr.Sc. Dimas F.A.R., ,ST.,M.Sc and Dina Wahyu I,, STP.,M.Sc (2022) Karakterisasi Visual dan Klasifikasi Tingkat Kematangan Buah Jeruk Keprok Batu 55 Berbasis Kecerdasan Buatan Menggunakan Pengolahan Citra Digital. Sarjana thesis, Universitas Brawijaya.

Abstract

Jeruk merupakan salah satu buah non-klimakterik yang pemanenannya harus dilakukan pada saat buah tua optimal. Identifikasi kematangan buah dapat dilaksanakan oleh manusia secara cepat, akan tetapi memiliki kelemahan jika dalam skala besar. Kecerdasan buatan dengan pengolahan citra digital mampu menentukan kelas kematangan dalam skala besar dengan komputasi yang lebih cepat. Penelitian ini bertujuan untuk mempelajari parameter kematangan buah jeruk dan menentukan hubungan parameter citra dengan pengukuran destruktif dan non-destruktif. Implementasi metode machine learning yang digunakan dalam identifikasi klasifikasi 3 indeks kematangan buah jeruk keprok batu 55 menggunakan supervised learning menghasilkan tingkat akurasi tertinggi yaitu pada metode SVM (Support Vector Machine) dengan kernel RBF memiliki hasil akurasi sebesar 91,93% pada rasio split data 0,8 : 0,2 dengan random state sebanyak 171 dan pada klasifikasi dengan Logistic Regression memiliki hasil akurasi sebesar 90,32% pada rasio split data 0,8 :0,2 dengan random state sebanyak 123Terdapat korelasi antar indeks kematangan dengan pengukuran destruktif dan pengukuran non-destruktif. Pada pengukuran destruktif, tingkat kekerasan berbanding terbalik dengan indeks kematangan, akan tetapi nilai pH dan TPT sejajar dengan bertambahnya indeks kematangan. Hasil dari pengukuran spektra, persentase reflektansi pada rentan panjang gelombang 350-1100nm didapatkan pada klasifikasi tingkat kematangan buah dengan panjang gelombang ±680nm yang diduga terdapat kandungan klorofil menghasilkan persentase pada berindeks 0/mentah sebesar 8%, reflektansi buah berindeks 1/setengah matang sebesar 12%, dan reflektansi buah berindeks 2/matang sebesar 34%

English Abstract

A Citrus are one of the non-climacteric fruits, which must be harvested when the fruit is optimally ripe. Identification of fruit maturity can be carried out by humans quickly, but has a weakness if it is on a large scale. Artificial intelligence with digital image processing is able to determine maturity classes on a large scale with faster computing. This study aims to study the ripeness parameters of citrus fruits and determine the correlation between image parameters and destructive and non-destructive measurements. The implementation of the machine learning method used in the identification of the 3 maturity index of Citrus reticulata var.Batu 55 using supervised learning resulted in the highest level of accuracy, are SVM (Support Vector Machine) method with the RBF kernel having an accuracy of 91.93% at a data split ratio of 0, 8 : 0.2 with 171 random states and the classification with Logistic Regression has an accuracy of 90.32% at a data split ratio of 0.8 : 0.2 with 123 random states. There is a correlation between the maturity index with destructive measurements andnon-destructive measurements. In destructive measurements, the level of hardness is decrease proportional to the maturity index, but the pH and TPT values are parallel to the increase in the maturity index. The results of the spectral measurements, the percentage of reflectance at the wavelength range of 350- 1100nm is obtained in the classification of fruit maturity levels. with a wavelength of ±680nm which is thought to contain chlorophyll which displays the percentage at index 0/raw of 8%, reflectance of fruit with index of 1/half mature of 12%, and reflectance of fruit with index of 2/mature of 34%.

Item Type:	Thesis (Sarjana)
Identification Number:	0521100242
Uncontrolled Keywords:	Citra Digital, Jeruk Keprok Batu 55, Kekerasan, pH, Spektrum, TPT,Citrus reticulata var Batu 55, digital image, Hardness, pH, Spectrum, TPT
Subjects:	600 Technology (Applied sciences) > 630 Agriculture and related technologies
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	soegeng sugeng
Date Deposited:	18 Apr 2022 01:14
Last Modified:	18 Apr 2022 01:14
URI:	http://repository.ub.ac.id/id/eprint/190074

Text (DALAM MASA EMBARGO) 0521100242-Aimmatuz zakiyyah.pdf Restricted to Registered users only until 31 December 2023. Download (6MB)

Actions (login required)

View Item