Seleksi Tingkat Kematangan Citra Buah Belimbing Menggunakan Ruang Warna CMYK
DOI:
https://doi.org/10.53513/jis.v22i2.8356Abstract
Salah satu kegiatan penanganan pascapanen buah belimbing adalah memilah tingkat kematangan buah. Biasanya kegiatan ini masih menggunakan cara manual dengan memeriksa berdasarkan perubahan warna pada belimbing berdasarkan visual mata. Metode ini kurang efektif karena rasa lelah pada manusia menyebabkan menurunnya konsentrasi sehingga klasifikasi tingkat kematangan belimbing tidak tepat. Oleh karena itu, dibutuhkan suatu sistem yang dapat mengklasifikasi jenis dan tingkat kematangan yang tepat dan konsisten dengan memanfaatkan bidang ilmu pengolahan citra digital. Berdasarkan permasalahan yang dihadapi, penelitian ini menggunakan tranformasi ruang warna CMYK untuk mengklasifikasikan tingkat kematangan buah belimbing. Ruang warna CMYK merupakan ruang warna yang terdiri dari 4 komponen warna yaitu Cyan, Magenta, Yellow (kuning) dan Black (hitam). Data dalam penelitian ini menggunakan sampel citra buah belimbing yang diambil dengan kamera yang nantinya akan diambil sebagian (cropping), kemudian melakukan transformasi ruang warna RGB ke ruang warna CMYK. Selanjutnya menentukan nilai acuan yang diperoleh dari nilai min dan max dari 4 komponen warna . Dari hasil penelitian 25 sampel buah belimbing yang terdiri dari buah belimbing dari setiap kategori mentah, setengah matang, matang, dan terlalu matang, diperoleh tingkat akurasi sebesar 80%.References
R. N. Whidhiasih, N. A. Wahanani, and Supriyanto, “Klasifikasi Buah Belimbing Berdasarkan Citra RED-GREEN-BLUE,†J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 29–35, 2013.
H. Soenarjono, Berkebun Belimbing Manis. Jakarta: Penebar Swadaya Grup, 2004.
Y. Sastro, M. Yanis, and S. Aminah, “Pupuk dan Pemupukan Tanaman Belimbing,†2008.
B. E. Permadi, “Rancang bangun alat sortir kematangan buah belimbing berdasarkan ukuran dan warna dengan mikrokontroler arduino,†Tek. Inform., vol. 1, no. 1, pp. 1–6, 2019.
Redaksi Agromedia, Buku Pintar Budi Daya Tanaman Buah Unggul Indonesia., vol. 1, no. 22. Jakarta: Agromedia Pustaka, 2009.
I. Machroz et al., “Klasifikasi kematangan mangga menggunakan metode jaringan syaraf tiruan levenberg marquardt,†vol. 4, pp. 55–59, 2017.
F. Wibowo, D. K. Hakim, and S. Sugiyanto, “Pendugaan Kelas Mutu Buah Pepaya Berdasarkan Ciri Tekstur Glcm Menggunakan Algoritma K-Nearest Neighbors,†J. Nas. Pendidik. Tek. Inform., vol. 7, no. 1, p. 100, 2018, doi:
23887/janapati.v7i1.12991.
R. N. Whidhiasih, “Identifikasi tingkat manis buah belimbing berdasarkan citra red green blue menggunakan fuzzy neural network,†PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 3, no. 2, pp. 109–120, 2015.
Indarto and Murinto, “Deteksi Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang Menggunakan Metode Transformasi Ruang Warna HIS ( Banana Fruit Detection Based on Banana Skin Image Features Using HSI Color Space Transformation Method ),†J. Ilm. Inform., vol. V, no. November, pp. 15–21, 2017.
M. R. Ferdiansyah, K. Firdausy, and T. Sutikno, “Sistem Seleksi Kematangan Buah Tomat Waktu-Nyata Berbasis Nilai Rgb,†TELKOMNIKA (Telecommunication Comput. Electron. Control., vol. 4, no. 3, p. 211, 2006, doi:
12928/telkomnika.v4i3.1324.
N. Wijaya and A. Ridwan, “Klasifikasi Jenis Buah Apel Dengan,†Sisfokom, vol. 08, no. 1, pp. 74–78, 2019.
N. Astrianda, “Klasifikasi Kematangan Buah Tomat Dengan Variasi Model Warna Menggunakan Support Vector Machine,†VOCATECH Vocat. Educ. Technol. J., vol. 1, no. 2, pp. 45–52, 2020, doi: 10.38038/vocatech.v1i2.27.
S. DaWen, Computer Vision Technology for Food Quality Evaluation. Nikki Levy, 2013.
S. T and B. Rini W, Teori pengolahan citra digital. Yogyakarta: ANDI, 2009.
R. Kusumanto and A. N. Tompunu, “PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI OBYEK
MENGGUNAKAN PENGOLAHAN WARNA MODEL NORMALISASI RGB,†Semin. Nas. Teknol. Inf. Komun. Terap.,
, doi: 10.1016/S0166-1116(08)71924-1.
P. Hidayatullah, Pengolahan Citra Digital. Bandung: Informatika Bandung, 2017.
A. Fadjeri, A. Setyanto, and M. P. Kurniawan, “Pengolahan Citra Digital Untuk Menghitung Ekstrasi Ciri Greenbean Kopi Robusta Dan Arabika (Studi Kasus: Kopi Temanggung),†J. Teknol. Inf. dan Komun., vol. 8, no. 1, pp. 8–13, 2020, doi: 10.30646/tikomsin.v8i1.462.
D. Hernando, A. W. Widodo, and C. Dewi, “Pemanfaatan Fitur Warna dan Fitur Tekstur untuk Klasifikasi Jenis Penggunaan Lahan pada Citra Drone,†J. Pengemb. Teknol. Inf. dan Ilmu Komput. e-ISSN, vol. 2548, no. 2, p. 964X, 2020.
R. Pratama, A. Fuad, and F. Tempola, “Deteksi Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Metode Transformasi Ruang Warna His,†JIKO (Jurnal Inform. dan Komputer), vol. 2, no. 2, pp. 81–86, 2019, doi: 10.33387/jiko.v2i2.1318.
