DEVI FAJRI. KLASIFIKASI MUTU BUAH MANGGA (MANGIFERA INDICA L. ) BERDASARKAN TINGKAT KEMATANGAN DAN SIFAT FISIK BUAH MENGGUNAKAN PENGOLAHAN CITRA DAN METODE K-NEAREST NEIGHBOUR. Banda Aceh : Universitas Syiah Kuala, 2019

Abstrak

Ringkasan indonesia adalah sebuah negara yang memiliki banyak sekali keanekaragaman hayati, salah satunya buah mangga. permasalahan yang dihadapi oleh petani buah mangga adalah kualitas buah mangga yang belum memenuhi persyaratan untuk dikirim keluar daerah. salah satu penyebab dari masalah tersebut adalah pada proses penanganan pascapanen yaitu kegiatan grading. peran serta teknologi sangat dibutuhkan, untuk kegiatan penanganan pascapanen pada produk pertanian. salah satu metode yang dapat digunakan dalam proses tersebut adalah proses pengolahan citra (image processing) yang menggunakan metode k-nearest neighbour (knn). tujuan dari penelitian ini adalah mengelompokkan tingkat kematangan buah mangga berdasarkan luas, volume, kebulatan, dan warna dengan pengolahan citra yang menggunakan metode k-nearest neighbour. penelitian ini menggunakan mangga chokanan sebanyak 90 buah dengan tingkat kematangan yang berbeda-beda. pemutuan mangga chokanan dilakukan dengan melakukan proses

Baca Juga : KLASIFIKASI MUTU BUAH PEPAYA (CARICA PAPAYA L.) BERDASARKAN SIFAT FISIK PERMUKAAN DAN WARNA MENGGUNAKAN TEKNOLOGI PENGOLAHAN CITRA DIGITAL DAN METODE K-NEAREST NEIGHBOR (K-NN). (ERWINSYAH SITORUS, 2018) ,

Baca Juga : KARAKTERISASI KEMATANGAN BUAH KOPI (COFFEA) BERDASARKAN WARNA KULIT KOPI MENGGUNAKAN HISTOGRAM DAN MOMEN WARNA (Hendri Syahputra, 2018) ,

lan citra menggunakan kamera charge coupled device (ccd). pengolahan data citra dilakukan dengan menggunakan software halcon mvtec. proses pengolahan data citra memiliki dua (2) tahapan yaitu segmentasi citra dan ekstraksi citra. segmentasi citra merupakan suatu proses yang bertujuan untuk memisahkan antara region foreground dengan region background. proses segmentasi citra dengan menggunakan metode otsu. ekstraksi ciri citra merupakan tahapan mengekstrak ciri/informasi dari objek didalam citra yang ingin dikenali atau dibedakan dengan objek lainnya. hasil penelitian ini diperoleh yaitu: (1) pengukuran luas pada pengolahan citra menghasilkan nilai rata-rata untuk kelas a sebesar 16,15 cm2, kelas b sebesar 14,71 cm2, dan kelas c sebesar 14,11 cm2. (2) pengukuran volume menghasilkan nilai rata-rata untuk kelas a sebesar 560,23 cm3, kelas b sebesar 483,95 cm3, dan kelas c sebesar 452,87 cm3. (3) pengukuran kebulatan menghasilkan nilai rata-rata untuk kelas a sebesar 0,55516, kelas b sebesar 0,55857, dan kelas c sebesar 0,55927. (4) pengujian dengan k=5 didapatkan nilai akurasi pada tingkat matang (kelas a) sebesar 86,67%, tingkat setengah matang (kelas b) sebesar 93,33%, dan tingkat tidak matang sebesar 100,00%.

Pengarang tidak dapat memberikan Full Text secara langsung, untuk mendapatkan full text silahkan menghubungi email pengarang : devifajri95@gmail.com atau dapat mengisi Form LSS di bawah.

Literature Searching Service



Tulisan yang relevan

TRANSFORMASI ATTENUATED TOTAL REFLECTANCE NEAR INFRARED UNTUK PREDIKSI VITAMIN C PADA BUAH MANGGA ARUMANIS (MANGIFERA INDICA) (Muslem, 2019) ,

JENIS LALAT BUAH (DIPTERA:TEPHRITIDAE) RNDAN PREFERENSINYA TERHADAPRNTANAMAN BUAH PEKARANGANRNDI KOTA BANDA ACEH (Ayu Wandira, 2014) ,

PERANCANGAN SISTEM SORTIR BUAH KOPI BERDASARKAN WARNA DENGAN TEKNIK CITRA DIGITAL BERBASIS MIKROKONTROLER ATMEGA 328P (Teuku Rizki Nanda, 2018) ,


Kembali ke halaman sebelumnya


Pencarian

Advance



Jenis Akses


Tahun Terbit

   

Program Studi