Program Aplikasi Untuk Identifikasi Tingkat Kematangan

Program Aplikasi Untuk Identifikasi Tingkat Kematangan Buah Pisang
Mas (Musa Paradisiaca l) Berdasarkan Parameter Citra
dengan Teknologi Pengolahan Citra Digital
Didi Widjanarko1), Atris Suyantohadi2), Ag. Suryandono2)
ABSTRAK
Buah-buahan merupakan salah satu kelompok komoditas pertanian yang
penting di Indonesia. Pisang merupakan salah satu komoditas tanaman buah
dengan tingkat permintaan yang tinggi karena memiliki banyak manfaat.
Kebutuhan masyarakat untuk pasar lokal dalam negeri dan luar negeri akan buah
pisang juga diiringi dengan tuntutan terhadap kualitas pisang yang terjamin. Dari
sekian banyak varietas pisang, penjualan pisang mas di tingkat ritel cukup tinggi
dibandingkan dengan varietas pisang lainnya. Tingkat kematangan buah pisang
merupakan salah satu faktor penentu kualitas. Proses pemilahan pisang mas
berdasarkan grade warna umumnya bergantung pada persepsi manusia terhadap
faktor komposisi warna citra yang dimiliki oleh buah tersebut. Perkembangan
sistem pengolahan citra, yang dalam pengaplikasiannya digabungkan dengan
metode jaringan saraf tiruan (JST), memungkinkan dilakukannya identifikasi
tingkat kematangan buah pisang mas sesuai grade dengan lebih akurat secara
cepat.
Dalam penelitian ini pengolahan citra digital menunjuk pada pemrosesan
gambar dua dimensi menggunakan komputer. Jaringan Saraf Tiruan merupakan
sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang
sel saraf biologis di dalam otak. Buah pisang varietas Pisang Mas dari Kebun
Plasma Nutfah Pisang Yogyakarta. Sampel sejumlah 84 dibagi menjadi 2
kelompok, 56 sampel (224 citra) untuk data pelatihan dan 28 sampel (112 citra)
untuk pengujian jaringan. Pengambilan citra untuk setiap sampel dilakukan pada
keempat sisinya. Parameter yang digunakan sebagi masukan pada Jaringan Saraf
Tiruan adalah mean Red, mean Green, nilai homogenitas dan nilai kontras.
Hasil dari penelitian ini menunjukkan bahwa dengan metode pengolahan
citra dan jaringan saraf tiruan, dapat dilakukan identifikasi tingkat kematangan
buah pisang mas berdasarkan standar USDA (green, light green, yellowish green,
greenish yellow, yellow with green tips, yellow dan yellow flecked with brown).
Arsitektur JST yang digunakan terdiri atas 4 sel; 6 sel; 7 sel pada lapisan input,
hidden layer dan lapisan output. Pengujian dengan 28 sampel buah pisang
menunjukkan tingkat akurasi sebesar 92.85%. yang dinilai telah mampu
melakukan identifikasi tingkat kematangan buah pisang mas
Kata kunci: Program aplikasi, pisang mas, kematangan, pengolahan citra digital,
jaringan saraf tiruan
1) Mahasiswa
2) Staf
Jurusan Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Uniersitas Gadjah Mada
Pengajar Jurusan Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Uniersitas Gadjah Mada
xv
Application Program to Identification of Maturity Level of Pisang Mas
(Musa Paradisiaca l) Based on Image Parameters
With Digital Image Processing Technology
Didi Widjanarko1), Atris Suyantohadi2), Ag. Suryandono2)
ABSTRACT
Fruits are one of important agricultural commodities in Indonesia. Banana
is one of fruits commodities with high demand because it has a lot of benefits.
Community needs for domestic and non domestic market on bananas also
followed with guaranteed qualities. With many varieties of banana, Pisang Mas is
sold quite high on retail level compared another bananas variety. Maturity level of
banana is one of the determining factors for quality. Sorting process on Pisang
Mas based on color grade usually depend on human’s perception of color images
composition factor owned by the fruit. The development of the image processing
system, which is combined with a method to apply the artificial neural network
(ANN), enabled for the identification of the level of maturity of Pisang Mas
according to grade more accurately and quickly.
In this study igital image processing refers to two-dimensional images
processing using a computer. ANN is a computational system which the
architecture and operation system inspired by the knowledge about the biological
neuron cells in brain. Pisang Mas are varieties from Kebun Plasma Nutfah Pisang
Yogyakarta. Number of sample is 84 bananas which divided into 2 groups, 56
bananas ( 224 images) as training data and 28 bananas ( 112 images) to testing the
network. Image capturing of each sample conducted on each of four sides. The
parameters used as input to the ANN is mean Red, mean Green, homogeneity and
contrast.
The results in this study show that, with combining image processing and
artificial neural network method, maturity level identification of Pisang Mas
veriety based on USDA standard (green, light green, yellowish green, greenish
yellow, yellow with green tips, yellow and yellow flecked with brown) can be
successfully done. ANN architecture consisted of four cells; six; and seven cells
representing input, hidden, and output layers, respectively. Validation test
procedure with 28 samples of Pisang Mas showed an accuracy rate of 92.85 %,
assessed has been able to identify the maturity level of Pisang Mas.
Keywords: application program, pisang mas, maturity, image processing,
artificial neural network
1) Student
of Agroindustrial Technology Department, Agricultural Technology Faculty, Gadjah Mada
University
2) Lecturer of Agroindustrial Technology Department, Agricultural Technology Faculty, Gadjah Mada
University
xvi