Klasifikasi kematangan buah mangga harum manis berdasarkan digital number (DN) of RGB

NURRAHARJO, Eddy, Dra. Sri Hartati, M.Sc., Ph.D

2010 | Tesis | S2 Ilmu Komputer

Pengolahan citra digital merupakan salah satu dasar yang dapat digunakan dalam mendukung otomasi sistem dengan melakukan pengolahan data berupa citra atau gambar melalui pemrosesan analisa seperti intensitas, fitur warna, bentuk, luasan, maupun yang lainnya. Nilai digital RGB suatu citra dapat dieksplorasi dengan metode pengolahan citra untuk digunakan pada beberapa implementasi yang bermanfaat seperti robotika, sistem klasifikasi, sistem temu-kembali, deteksi kemiripan gambar dan lain sebagainya. Pada dunia agribisnis, warna merupakan salah satu obyek pengamatan untuk mengukur tingkat kematangan dari suatu buah segar dan juga berkaitan dengan kualitas buah sesuai Standar Nasional Indonesia (SNI) maupun Standar Prosedur Operasional (SPO) khususnya pengolahan pascapanen yang telah ditentukan oleh pemerintah, dalam hal ini adalah Departemen Pertanian dan Departemen Riset dan Teknologi. Berdasarkan hal ini, maka peneliti akan mencoba melakukan pendekatan metode pengolahan citra digital dengan metode statistika model korelasi dan regresi yang digunakan untuk mendukung klasifikasi kematangan buah berdasarkan pada suatu interval nilai digital RGB. Pemrosesan citra digital akan dilakukan untuk memperoleh besaran nilai digital terhadap komponen warna citra yaitu merah (R), hijau (G) dan biru (B) normalisasi. Sementara metode statistika digunakan untuk memperoleh interval kategori kelas dan umur harian pemeraman serta mengamati tingkat korelasi-regresi antara perubahan hari terhadap warna. Sejumlah obyek citra akan digunakan untuk proses pelatihan dan proses pengujian terhadap sistem klasifikasi. Tingkat keberhasilan diamati terhadap masing-masing kategori kelas yaitu mentah, matang dan masak, baik untuk komponen warna merah, hijau maupun biru. Hasil yang diperoleh dengan pengamatan terhadap warna merah yang diambil dari 15 file citra pelatihan dan 69 file citra pengujian, dengan tingkat keberhasilan mencapai 100% saat sistem klasifikasi diujikan untuk file citra pelatihan dan 74% saat sistem diujikan untuk file citra pengujian.

Digital image processing is a basic one that can be used to support automation system and to perform image processing of data or images through the analysis of processing such as intensity, color features, shape, area, and others. The value of a digital RGB image can be explored by image processing methods to be used in some implementations are useful as robotics, classification systems, retreival system, the image similarity detection and so on. In agribusiness, the color is one of the objects of observation to measure the ripeness level of a fresh fruit and is also associated with fruit quality according to the Indonesian National Standard (SNI) and Standard Operating Procedures (SPO), especially post-harvest processing that have been determined by the government, in this case the Ministry of Agriculture and the Department of Research and Technology. Based on this, the researchers will try to approach the digital image processing methods with statistical methods of correlation and regression models used to support the classification of fruit ripeness based on an RGB digital interval value. Digital image processing will be done to obtain the value of the components of a digital image of the red color (R), green (G) and blue (B) normalization. While the statistical methods used to obtain interval categories and age classes and observe between the daily aging rate-regression correlation and the change of color. A number of image objects will be used for the training and testing process of the classification system. Observed success rate for each class category is raw, ripe, and over-ripe, both for the color components red, green and blue. The results obtained by observation of the red color from the image file 15 training and 69 test image files, with a success rate reaches 100% when tested classification system for the training image files and 74% when tested system for the evaluating image file.

Kata Kunci : Nilai digital,RGB,Statistika,Pengolahan citra ; RGB, digital number, statistics, image processing