PEMUTUAN BUAH CABAI MERAH BESAR (Capsicum Annuum L.) MENGGUNAKAN

Abstract

Pemutuan buah cabai merah segar di Indonesia masih dilakukan secara manual berdasarkan penglihatan manusia sehingga memiliki banyak kekuarangan. Penelitian ini bertujuan untuk mengembangkan algoritma pengolahan citra yang mampu menggolongkan buah cabai merah segar dalam empat kelas mutu yaitu mutu I, mutu II, mutu III, dan mutu Reject. Sampel yang digunakan adalah 400 buah cabai merah segar varietas Biola yang didapatkan dari Pasar Tanjung di Kabupaten Jember. Citra cabai merah diolah untuk mendapatkan tujuh parameter mutu citra yaitu indeks r, indeks g, perimeter, area, panjang, diameter, dan area cacat menggunakan program pengolahan citra. Parameter mutu citra yang sesuai dengan kriteria mutu buah akan digunakan sebagai input pada pelatihan jaringan syaraf tiruan (JST) dengan metode backpropagation. Tiga variasi JST yang digunakan untuk pelatihan JST yaitu variasi JST dengan 10, 15, dan 20 node lapisan tersembunyi. Pelatihan JST dilakukan menggunakan 300 buah data training. Bobot-bobot hasil pelatihan variasi JST digunakan pada propagasi maju untuk menduga kelas mutu 100 buah data testing. Algoritma hasil pelatihan variasi JST terbaik kemudian diintegrasikan pada program pengolah citra cabai merah sehingga secara otomatis program dapat menentukan kelas mutu buah cabai merah segar. Parameter mutu citra yang sesuai dengan kriteria mutu buah cabai merah adalah indeks r, indeks g, perimeter, area, panjang, dan area cacat. Variasi JST terbaik adalah variasi JST dengan 20 node lapisan tersembunyi karena memiliki tingkat akurasi prediksi paling tinggi yaitu 100% dan nilai MSE terendah yaitu 1,05607 e-005. Program pemutuan buah cabai merah memiliki tingkat akurasi pemutuan sebesar 100%.