Nughi Arie, Nugraha and Dr.Ag r.Sc. Dimas Firmanda Al-Riza,, ST., M.Sc. and Darmanto,, ST., MT. (2023) Pengembangan Alat Ukur Kematangan Tomat Portable Berbasis Spektroskopi Visibel Dan Model Machine Learning. Sarjana thesis, Universitas Brawijaya.
Abstract
Tomat termasuk sebagai bahan pokok makanan dan hasil pertanian dari petani Indonesia. Produksi tomat di Indonesia mulai dari tahun 2015 hingga tahun 2020 mengalami kenaikan, hingga pada tahun 2020 produksi tomat mencapai 1.084.993 ton. Tomat merupakan buah yang memiliki tingkat kematangan tertentu yang ditentukan berdasarkan warnanya. Saat akan didistribusikan, tomat perlu dilakukan pemisahan berdasarkan kematangannya. Pada umumnya dalam melakukan pemisahan dilakukan secara konvensional dengan mata manusia. Pemisahan dengan cara ini memiliki kelemahan yaitu hasilnya bersifat subjektif dan tidak dapat mengetahui kandungan pada buah tomat. Salah satu cara yang dapat digunakan untuk mengukur tingkat kematangan tomat beserta kandungannya yaitu menggunakan sensor spektroskopi. Penggunaan sensor spektroskopi dapat memprediksi tingkat kematangan beserta kandungan secara otomatis. Penelitian ini bertujuan untuk merancang alat yang dapat memprediksi tingkat kematangan, kekerasan, total padatan terlarut, keasaman dan brix acid rasio pada buah tomat dengan ukuran yang portabel sehingga mudah dibawa. Metode penelitian ini diawali dengan tahap perancangan alat yang terdiri dari mikrokontroler ESP32 dengan Spectral Sensor AS7262 Visibel. Kemudian dilakukan pengambilan data sebagai database untuk alat menggunakan buah tomat dengan indeks kematangan ke 1, 4 dan 6. Buah tomat akan dilakukan pengujian non-destruktif yaitu mengambil spektrum visibel (cahaya tampak) dan uji destruktif untuk mengukur kekerasan, total padatan terlarut, keasaman dan brix acid rasio. Dari data yang didapatkan, kemudian dilakukan pengolahan dengan metode Partial Least Square Regression untuk mendapatkan model prediksi kekerasan, total padatan terlarut dan brix acid rasio, sedangkan untuk mengklasifikasikan tingkat kematangan menggunakan metode Naive Bayes dan Support Vector Machine. Hasil rancang bangun yang dihasilkan dapat digunakan secara otomatis, sederhana, dan praktis dengan dimensi panjang 12 cm, lebar 5 cm dan tinggi 5 cm. Hasil pengujian non destruktif pada buah tomat didapatkan bahwa pada buah tomat dengan indeks kematangan 1 memiliki nilai spektrum visibel tertinggi pada gelombang 550 nm atau pada warna hijau, kemudian pada buah tomat dengan indeks kematangan ke 4 memiliki nilai spektrum visibel tertinggi pada gelombang 600 nm atau pada warna oren dan pada indeks kematangan ke 6 memiliki nilai spektrum visibel tertinggi pada gelombang 650 nm atau pada warna merah. Pada pengujian destruktif buah tomat didapatkan hasil dimana pada kekerasan buah tomat akan semakin menurun seiring dengan kenaikan indeks kematangan, kemudian nilai total padatan terlarut buah tomat akan semakin meningkat seiring dengan kenaikan indeks kematangan, selanjutnya nilai keasaman buah tomat akan semakin menurun seiring dengan kenaikan indeks kematangan dan brix acid rasio pada buah tomat akan semakin meningkat seiring dengan kenaikan indeks kematangan. Hasil pengolahan data untuk memprediksi kekerasan, total padatan terlarut, derajat keasaman dan rasio total padatan terlarut dengan derajat keasaman pada buah tomat dengan menggunakan metode Partial Least Square Regression memiliki R 2 training dan R vii 2 testing masing-masing yaitu 0,685 dan 0,678; 0,534 dan 0,521; 0,352 dan 0,349 serta 0,665 dan 0,672. Sedangkan model prediksi kekerasan, total padatan terlarut, derajat keasaman dan rasio total padatan terlarut dengan derajat keasaman pada buah tomat dengan menggunakan metode Regresi Non Linier memiliki R viii 2 training dan R 2 testing masing-masing yaitu 0,698 dan 0,688; 0,547 dan 0,570; 0,409 dan 0,363 serta 0,679 dan 0,699. Pada model klasifikasi tingkat kematangan buah tomat dengan menggunakan Naive Bayes dan Support Vector Machine didapatkan tingkat keberhasilan pada training yaitu 100% dan pada testing yaitu 100%.
English Abstract
Tomatoes are considered staple food ingredients and agricultural products from Indonesian farmers. Tomato production in Indonesia has seen an increase from 2015 to 2020, with production reaching 1,084,993 tons in 2020. Tomatoes are fruits with specific maturity levels determined by their color. During distribution, tomatoes need to be sorted based on their ripeness. Typically, this sorting is done conventionally using human vision, which has the drawback of subjective results and inability to determine tomato fruit content. One method to measure tomato ripeness and its content is by using spectroscopy sensors. Spectroscopy sensors can predict ripeness levels and content automatically. This research aims to design a portable device that predicts ripeness level, hardness, total dissolved solids, acidity, and brix acid ratio in tomatoes. The research methodology begins with designing a device consisting of an ESP32 microcontroller with the AS7262 Visible Spectral Sensor. Data is collected from ripe index 1, 4, and 6 tomatoes to build a database for the device. Nondestructive testing involves capturing visible spectrum (visible light) and destructive testing measures hardness, total dissolved solids, acidity, and brix acid ratio. Data is processed using Partial Least Square Regression for predicting hardness, total dissolved solids, and brix acid ratio. Naive Bayes and Support Vector Machine are used to classify ripeness levels. The resulting design is automatic, simple, practical, with dimensions of 12 cm length, 5 cm width, and 5 cm height. Non-destructive testing indicates that ripeness index 1 tomatoes have the highest visible spectrum value at 550 nm (green), ripeness index 4 tomatoes peak at 600 nm (orange), and ripeness index 6 tomatoes peak at 650 nm (red). Destructive testing shows that as ripeness index increases, tomato hardness decreases, total dissolved solids increase, acidity decreases, and brix acid ratio increases. Data processing for hardness, total dissolved solids, acidity, and brix acid ratio predictions using Partial Least Square Regression yields training R2 of 0.685, 0.534, 0.352, 0.665 and testing R2 of 0.678, 0.521, 0.349, 0.672, respectively. Non-linear Regression prediction model yields training R2 of 0.698, 0.547, 0.409, 0.679 and testing R2 of 0.688, 0.570, 0.363, 0.699, respectively. Classification models using Naive Bayes and Support Vector Machine achieve 100% success in training and testing.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052310 |
| Uncontrolled Keywords: | derajat keasaman, kekerasan, kematangan, sensor, tomat, total padatan terlarut acid, ripeness, sensor, tomato, total dissolved solids |
| Divisions: | Fakultas Teknologi Pertanian > Keteknikan Pertanian |
| Depositing User: | Unnamed user with username verry |
| Date Deposited: | 15 Jan 2024 07:41 |
| Last Modified: | 15 Jan 2024 07:41 |
| URI: | http://repository.ub.ac.id/id/eprint/210352 |
![[thumbnail of Dalam Masa Embargo]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (Dalam Masa Embargo)
Nughi Arie Nugraha.pdf Restricted to Registered users only until 31 December 2025. Download (3MB) |
Actions (login required)
 |
View Item |