| dc.description.abstract | Pemutuan buah cabai merah segar di Indonesia selama ini masih dilakukan
secara manual. Pemutuan secara manual memiliki banyak kekurangan,
diantaranya membutuhkan waktu yang relatif lama, menghasilkan produk sortasi
yang beragam, dan perbedaan persepsi mutu produk hasil pemutuan karena unsur
subyektifitas. Berdasarkan hal tersebut, diperlukan suatu metode yang dapat
menggolongkan mutu buah cabai merah segar secara efektif dan efisien.
Pengolahan citra merupakan salah satu alternatif untuk mengatasi hal tersebut.
Tujuan penelitian untuk mengetahui: (1) mempelajari hubungan antara kriteria
mutu penampakan fisik buah cabai merah segar dengan parameter mutu citra, (2)
menyusun program pengolahan citra untuk pemutuan buah cabai merah segar
berdasarkan penampakan fisik, (3) menyusun algoritma pemutuan menggunakan
jaringan syaraf tiruan, dan (4) mengetahui tingkat akurasi program tersebut dalam
melakukan pemutuan buah cabai merah segar berdasarkan penampakan fisik.
Hasil penelitian ini diharapkan dapat digunakan pada proses pemutuan di industri
buah cabai merah segar agar proses pemutuan buah cabai merah segar menjadi
lebih akurat, efektif dan efisien.
Sampel yang digunakan dalam penelitian ini adalah buah cabai merah
segar varietas Biola yang didapatkan dari Pasar Tanjung di Kabupaten Jember,
Provinsi Jawa Timur. Sampel buah cabai merah digolongkan secara manual ke
dalam empat kelas mutu yaitu mutu I, mutu II, mutu III, dan mutu Reject. Pada
masing-masing kelas mutu terdapat 75 sampel untuk data training dan 25 sampel
untuk data testing, sehingga keseluruhan sampel adalah 400 buah cabai merah
besar. Setelah dimutukan secara manual, sampel buah cabai merah diambil
citranya menggunakan kamera CCD.
viii
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. Variasi JST terbaik ditentukan
berdasarkan variasi yang menghasilkan pendugaan hasil yang paling mendekati
hasil sebenarnya. Algoritma hasil pelatihan variasi JST terbaik kemudian
diintegrasikan pada program pengolah citra cabai merah sehingga secara otomatis
program dapat menduga 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%. | en_US |
