| dc.description.abstract | Mangga manalagi merupakan jenis buah mangga yang digemari oleh orang
Indonesia. Buah mangga di indonesia memiliki prospek yang baik jika diekspor ke
luar negeri karena nilai produksinya selalu meningkat setiap tahunnya. Adanya
prospek yang baik untuk diekspor maka daya saing penjualan buah mangga
manalagi juga bertambah. Salah satu upaya yang dilakukan untuk bersaing yaitu
dengan meningkatkan kualitas buah mangga dengan cara memutukan buah mangga
dengan baik sehingga dapat memenuhi standarisasi buah mangga yang telah
ditetapkan oleh SNI. Namun, permasalahan yang dihadapi oleh petani buah mangga
di Indonesia adalah proses sortasinya yang masih menggunakan sortasi manual dan
cenderung buruk sehingga menyebabkan hasil sortasi buah mangga tidak seragam.
Oleh sebab itu, untuk mengatasi masalah tersebut perlu adanya suatu metode yang
dapat digunakan untuk membantu proses sortasi, metode tersebut adalah
pengolahan citra (image processing). Pengolahan citra merupakan suatu proses
memperbaiki kualitas citra dengan cara mentransformasikan dari suatu citra
menjadi citra lainnya. Proses pemutuan dengan pengolahan citra diharapkan
menjadi metode sortasi yang objektif dengan hasil sortasi yang lebih baik dan
seragam.
Penelitian ini bertujuan untuk menerapkan metode pengolahan citra untuk
pemutuhan buah mangga manalagi, menganalisis variabel- variabel mutu citra buah
mangga manalagi, dan membuat program pemutuan buah mangga manalagi.
Bahan yang digunakan adalah buah mangga manalagi dengan kelas mutu
A,B, C, dan D (reject) dengan jumlah sampel yang digunakan sebanyak 160 buah
9
untuk data training dan 40 buah untuk data validasi yang diambil dari 25% dari data
training. Semua sampel tersebut diubah ke dalam bentuk 2 dimensi dengan cara
menggambil citranya dengan bantuan alat yaitu kamera CCD (Charge Couple
Device). Citra mangga tersebut kemudian diolah dengan software SharpDevelop
4.2 untuk dicari segmentasi dan ekstraksi citranya. Segmentasi bertujuan untuk
memisahkan citra biner obyek (mangga manalgi) dan background melalui proses
penentuan nilai batas (thresholding). Ekstraksi bertujuan untuk mencari nilai
variabel mutu citra seperti variabel area, tinggi, lebar, perimeter, area cacat, indeks
warna merah, indeks indeks warna hijau, indeks warna biru. Nilai varibel tersebut
kemudian diuji dengan menggunakan analisis statistik untuk mencari nilai rerata,
standar deviasi, kuartil pertama (Q1), median (Q2), kuartil ketiga (Q3), nilai
maksimum, dan nilai minimum yang kemudian disusun dalam grafik box plot yang
mana nanti untuk digunakan dalam penentuan nilai batas yang digunakan untuk
input kalimat logika. Perumusan model kalimat logika beserta nilai batas masingmasing
kelas mutu pada input variabel area obyek (Area) dan area cacat obyek
(c_area) untuk memisahkan mangga manalagi ke dalam kelas mutu A, B, C dan D
(reject) ditulis sebagai berikut; if (Area>106847 && c_area<=729) mutu="A"; else
if (Area<=106847 && Area>95059 && c_area<=3408) mutu="B"; else if
(Area<=95059 && Area>86373 && c_area<=7278) mutu="C"; else mutu = "D";.
Validasi progam bertujuan untuk pengujian kinerja atau ketepatan prediksi
program pemutuan terhadap contoh yang diberikan selama proses pelatihan. Nilai
akurasi produksi buah mangga manalagi paling besar pada pemutuan buah mangga
manalagi menggunakan pengolahan citra digital terletak pada kelas mutu A yang
memiliki akurasi produksi sebesar 100%, kemudian kelas mutu B, dan mutu D yang
memiliki akurasi produksi yaitu sebesar 80%, dan yang terakhir yaitu kelas mutu C
yaitu memiliki akurasi produksi sebesar 60%. Pada mutu B, mutu C, dan mutu D
tidak memiliki akurasi tidak mencapai 100% dikarenakan terjadi kesalahan pada
pembuatan program sehingga terdapat mutu yang seharusnya masuk ke dalam mutu
sebenarnya tersebut menyimpang. | en_US |
