Klasifikasi Mutu Cabai Merah (Capsicum annuum L.) Berbasis Pengolahan Citra Digital dan Jaringan Saraf Tiruan Menggunakan Kamera Ponsel Pintar

NUGRAHANTO AJI WICAKSONO, Dr. Nafis Khuriyati, STP., M.Agr.; Darmawan Ari Nugroho, STP., MP.

2018 | Skripsi | S1 TEKNOLOGI INDUSTRI PERTANIAN

Karakteristik cabai merah yang sering dijadikan indikator adalah sifat fisik cabai seperti warna, bentuk, dan panjang. Guna menjaga kualitas cabai perlu dilakukan proses sortasi dan grading. Metode sortasi dan grading manual dengan pengamatan mata masih memiliki kekurangan yang disebabkan keterbatasan indera manusia. Untuk itu pengolahan citra digital dan jaringan saraf tiruan (JST) diharapkan dapat mengatasi masalah yang ada. Penelitian ini bertujuan untuk mengetahui parameter citra yang dapat menjadi identitas mutu cabai merah dan meyusun arsitektur JST terbaik untuk dapat mengklasifikasikan mutu cabai dalam beberapa kelompok. Analisis citra cabai merupakan salah satu metode yang dapat diterapkan untuk kegiatan sortasi dan grading. Citra diambil dan dianalisis dengan metode pengolahan citra dan jaringan saraf tiruan (JST). Sampel cabai merah dibagi menjadi 2 kelompok, 75% untuk data pelatihan dan 25% untuk pengujian jaringan. Sampel cabai merah diletakkan dalam kotak hitam dan kemudian dilakukan pengambilan citra menggunakan ponsel pintar untuk kedua sisinya. Citra sampel dikonversi ke biner untuk mendapatkan nilai warna dan panjang sampel. Nilai warna hasil pengolahan citra menggunakan Matlab dijadikan parameter input untuk pengenalan kelompok warna jaringan saraf tiruan. Kemudian warna dan panjang dijadikan variabel untuk klasifikasi menggunakan logika if then. Hasil penelitian menunjukkan bahwa unsur warna citra yang dapat menjadi identitas mutu cabai merah adalah red, green, a*, dan intensity. Arsitektur jaringan saraf tiruan yang disusun dapat mengklasifikasikan cabai merah dalam 4 kelompok warna yaitu hijau, semburat merah, merah, dan merah tua. Lapisan input JST terdiri dari 4 sel masukan, 9 sel lapisan tersembunyi, dan 1 sel lapisan output. Hasil pengujian menggunakan program arsitektur Jaringan Saraf Tiruan (JST) mampu mengklasifikasikan tingkat warna cabai merah dengan tingkat akurasi sebesar 90,43%. Graphic User Interface (GUI) yang dirancang dapat menampilkan data citra berupa nilai RGB, panjang, kelompok warna, persentase warna merah, dan dapat mengklasifikasikan cabai merah dalam kelas mutu A dan B berdasarkan persentase warna merah dan panjang.

Red chilli pepper characteristic which frequently used as quality indicator is its physical properties such as color, shape, and length. In order to preserve chilli peppers quality, sortation and grading are needed to be done. Sortation method and manual grading using eye observation still have its adversities caused by the human senses limitation. Therefore, digital image processing and artificial neural network (ANN) are expected to overcome the existing problems. This research aims to recognize image parameter capable of becoming the red chilli pepper quality identity and to construct the best ANN architecture that able to classify chilli pepper quality into several classes. Chilli pepper image analysis is a method which can be applied for sortation and grading activities. Image acquired and analyzed with image processing method and artificial neural network (ANN). Red chilli pepper samples are divided into 2 classes, 75% for training data and 25% for network testing. Red chilli pepper is put into a black box and then image acquisition is done using smartphone for its both sides. Image samples are converted to binary value for acquiring the samples color value and length. Color value results processed using Matlab are made as input parameter for artificial neural network color classes recognition. Later, color and length are defined as variables for classification using if then logic. Result of this research shows that image color elements which capable of being red chilli pepper quality identity are red, green, a*, and intensity. The constructed artificial neural network architecture is able to classify red chilli pepper into 4 color classes which are, green, bright red, red, and crimson red. ANN input layers are consisted of 4 input cells, 9 hidden layer cellss, and 1 output layer cells. Test results using Artificial Neural Network (ANN) architecture program are capable of classifying red chilli pepper color level with 90,43% accuracy. The designed Graphic User Interface (GUI) is able to show image data in forms of RGB, length, color class, red color precentage, and able to classify red chilli pepper into quality class A and B based on its red color precentage and length.

Kata Kunci : cabai merah, klasifikasi mutu, pengolahan citra digital, jaringan saraf tiruan