Pemutuan Ketimun Pengolahan Citra (Cucumber Image Processing)

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.