| dc.description.abstract | Metode grading mempengaruhi keseragaman pada setiap kelas mutu suatu
produk, dan metode grading yang baik menjadi acuan bagi produsen dan konsumen
dalam menentukan harga suatu produk. Penelitian ini bertujuan untuk mengembangkan
algoritma pengolahan citra ketimun yang mampu menggolongkan ketimun dalam tiga
kelas mutu yaitu A, B, dan afkir. Sampel yang digtrnakan adalah 150 ketimun segar.
Citra ketimun diolah untuk mendapatkan enam parameter mutu yang sesuai dengan
kriteria grading ketimun yaitu panjang, tre4 perimeter, atea cacat, indeks R (r), dan
indeks G (g), yang akan digunakan sebagai input padajaringan syaraf tiruan. Sembilan
variasi jaringan syaraf tiruan (JST) dikembangkan untuk pelatihan JST (120 data).
Bobot-bobot dari pelatihan variasi JST terbaik digunakan pada propagasi maju untuk
menduga kelas mutu data testing (30 data), kemudian diintegrasikan pada program
pengolah citra ketimun sehingga secara otomatis program dapat menduga kelas mutu
citra ketimua.
Parameter mutu hasil pengolahan citra memiliki relevansi dengan kriteria
grading ketimun. Variasi terbaik JST untuk pemrograman adalah variasi dengan
karakteristik konstanta learning rate 0,4 dan l0 node lapisan tersembunyi. Validasi
menunjukkan bahwa dari 30 data testing progrcm pengolahan citra edamame memiliki
akurasi 100 persen. | en_US |
