Klasifikasi Mutu Cabai Keriting Bubuk (Capsicum annuum L.) Berdasarkan Warna dengan Pengolahan Citra Digital dan Jaringan Saraf Tiruan

ANGGRAI SAPUTRO, Dr. Nafis Khuriyati, STP., M.Agr. ; Dr. Atris Suyantohadi, STP., M.T.

2020 | Skripsi | S1 TEKNOLOGI INDUSTRI PERTANIAN

Bubuk cabai merupakan bahan pangan yang dibuat dari cabai kering yang dihaluskan. Warna dan tingkat kepedasan merupakan salah satu parameter penting pada produk olahan cabai. Selama ini, penentuan kualitas bubuk cabai untuk klasifikasi mutu dilakukan dengan melihat warna pada bubuk cabai secara visual. Proses klasifikasi yang dilakukan secara manual memiliki kelemahan dalam hal konsistensi karena keterbatasan visual manusia. Penelitian ini bertujuan untuk mengidentifikasi hubungan antara kualitas bubuk cabai dengan unsur warna citra cabai bubuk dan menyusun arsitektur Jaringan Saraf Tiruan (JST) untuk klasifikasi mutu cabai bubuk berdasarkan parameter warna. Metode yang digunakan dalam penelitian ini yaitu pengolahan citra digital JST. Pengolahan citra digital digunakan untuk memperoleh informasi yang dibutuhkan pada sampel, sedangkan JST digunakan dalam proses klasifikasi. Sampel yang digunakan dalam penelitian ini adalah bubuk cabai yang terbuat dari cabai merah keriting (Capsicum annuum L.) varietas OR 42. Sampel dibagi menjadi 3 bagian, yaitu 90 sampel untuk pelatihan, 30 sampel untuk validasi, dan 15 sampel untuk pengujian. Sampel bubuk cabai diambil citranya menggunakan box dan webcam camera. Citra sampel bubuk cabai diolah menggunakan pengolahan citra digital untuk memperoleh nilai warna citra bubuk cabai yang kemudian digunakan untuk input JST. Berdasarkan penelitian yang telah dilakukan, diketahui bahwa unsur warna citra yang dgunakan dalam klasifikasi mutu fisik bubuk cabai adalah a, green, red, dan hue yang memiliki hubungan sangat kuat. Arsitektur JST yang digunakan memiliki 3 lapisan, yaitu lapisan masukan terdiri dari 4 neuron (a, green, red, dan hue), lapisan tersembunyi terdiri dari 8 neuron, dan lapisan keluaran terdiri dari 2 neuron berupa kelas mutu bubuk cabai (Mutu A, Mutu B, Mutu C, dan Tidak Sesuai). Arsitektur JST yang telah dirancang dan dibuat program Graphical User Interface (GUI) sebagai user interface telah mampu melakukan klasifikasi mutu bubuk cabai (Capsicum annuum L.) varietas OR 42 dengan akurasi 93,33 %.

Chili powder is a food ingredient made from crushed dried chili. Color and spiciness are important parameters in chili processed products. During this time, determining the quality of chili powder for quality classification by looking at the color of the chili powder visually. The classification process carried out manually has weaknesses in terms of consistency because of human visual limitations. This study aims to identify the relationship between the quality of the chili powder with the color elements of the chili powder image and arrange Artificial Neural Network ANN) architecture for the classification of the quality of the chili powder based on color parameters. The method used in this research is digital image processing ANN. Digital image processing is used to get information needed on the sample, while ANN is used in the classification process. The sample used in this study was chili powder made from red chili (Capsicum annuum L.) variety OR 42. The sample was divided into 3 groups, namely 90 samples for training, 30 samples for validation, and 15 samples for testing. Samples of chili powder were taken using a box and webcam camera. The chili powder sample image is processed using digital image processing to get the color value of the chili powder image that will be used for ANN input. Based on research, it is known that the elements of image colors used in the physical quality classification of chili powder are a, green, red, and hue which have a very strong relationship. Artificial neural network architecture used has 3 layers, namely the input layer comprises 4 neurons (a, green, red, and hue), the hidden layer comprises 8 neurons, and the output layer comprises 2 neurons in the form of chili powder quality class (Quality A, Quality B, Quality C and Not in Accordance). ANN architecture that has been designed and created by the Graphical User Interface (GUI) program as a user interface has been able to classify the quality of chili powder (Capsicum annuum L.) varieties OR 42 with an accuracy of 93.33%.

Kata Kunci : bubuk cabai, jaringan saraf tiruan, pengolahan citra digital