Pemutuan Buah Jambu Biji Merah (Psidium Guajava L.) Menggunakan Pengolahan Citra (Image Processing

Abstract

Salah satu cara meningkatkan daya saing penjualan buah jambu biji merah adalah dapat memenuhi standar mutu pasar domestik maupun Internasional. Kegiatan pemutuan yang dilakukan oleh pengepul jambu biji merah di Indonesia kebanyakan masih dilakukan secara manual. Pemutuan secara manual memiliki kelemahan yaitu mutu yang dihasilkan tidak seragam karena lebih cenderung bersifat subyektif. Oleh sebab itu, untuk mengatasi masalah tersebut maka diharapkan teknologi pengolahan citra (image processing) merupakan solusi yang tepat dalam pemutuan buah jambu biji merah karena dapat memutukan buah jambu biji merah secara seragam dengan lebih efektif dan efisien dengan tanpa merusak bahan (nondestruktif). Penelitian ini bertujuan untuk mengetahui variabel citra yang memiliki korelasi dengan variabel manual, menyusun variabel-variabel citra buah jambu biji merah untuk membentuk model kalimat logika, dan mengetahui akurasi program pengolahan citra dalam pemutuan buah jambu biji. Bahan yang digunakan buah jambu biji merah segar varietas Australia dengan kelas mutu Super, A, B, dan Reject. Jumlah sampel yang digunakan adalah 160 buah untuk data training dan 40 buah untuk data validasi. Semua sampel tersebut diproyeksikan ke dalam bentuk 2 dimensi dengan cara mengambil citranya menggunakan kamera CCD (Charge Couple Device). Citra jambu biji merah kemudian dilakukan segmentasi dan ekstraksi menggunakan program pengolahan citra yang dibuat dengan software SharpDevelop 4.2. Segmentasi bertujuan untuk memisahkan citra biner obyek (buah jambu biji merah) dan background melalui proses penentuan nilai batas (thresholding). Sedangkan, ekstraksi bertujuan untuk mencari nilai variabel area obyek, tinggi obyek, ix diameter obyek, perimeter obyek, area cacat obyek, indeks red obyek, indeks green obyek, indeks blue obyek, dan nilai hue obyek. Nilai varibel tersebut diuji 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. Berdasarkan analisis grafik box plot diketahui variabel yang dapat digunakan untuk merumuskan model kalimat logika yaitu area obyek dan area cacat obyek. Perumusan model kalimat logika beserta nilai batas masing-masing kelas mutu pada input variabel area obyek (Area) dan area cacat obyek (c_area) untuk memisahkan jambu biji merah kedalam kelas mutu Super, A, B, dan Reject ditulis sebagai berikut; jambu biji merah tergolong kelas mutu “Super” jika (Area≥132427 AND c_area≤1830), tergolong kelas mutu “A” jika (Area<132427 AND Area ≥100064,5 AND c_area ≤2868), tergolong kelas mutu “B” jika (Area<100064,5 AND Area≥77034,5 AND c_area ≤3025), dan tergolong kelas mutu “Reject” jika (Area<77034,5 AND c_area >3025). Akurasi program pemutuan buah jambu biji merah terhadap pemutuan secara manual pada kelas mutu Super menghasilkan akurasi sebesar 85,91%, untuk kelas mutu A menghasilkan akurasi sebesar 78,75%, kelas mutu B menghasilkan akurasi 90%, dan mutu Reject menghasilkan akurasi sebesar 95,50%, sehingga diperoleh akurasi rata-rata sebesar 87,53%. Nilai akurasi tidak mencapai 100% menunjukkan bahwa adanya perbedaan penggolongan antara pemutuan secara manual dengan pendugaan oleh program. Rendahnya nilai akurasi dikarenakan kurang tepatnya dalam penentuan nilai batas (thresholding) sehingga menyebabkan kesalahan perhitungan yang dilakukan oleh program terhadap nilainilai variabel citra.