APLIKASI PENGOLAHAN CITRA UNTUK PROSES SORTASI BUAH MANGGA BERDASARKAN DIMENSI DAN BOBOT

  • Setya Permana Sutisna Program Studi Teknik Mesin, Universitas Ibn Khaldun Bogor
  • Roy Waluyo Program Studi Teknik Mesin, Universitas Ibn Khaldun Bogor
  • Fahmi Aldiansyah Program Studi Teknik Mesin, Universitas Ibn Khaldun Bogor
  • Mamat Rahmat Program Studi Teknik Mesin, Universitas Ibn Khaldun Bogor
Keywords: pendugaan bobot, pendugaan dimensi, pengolahan citra, sortasi mangga

Abstract

Mangga memiliki ukuran dan bobot yang berbeda. Terkadang para petani masih menggunakan cara manual dalam membedakan mutu mangga. Cara manual sering kali tidak akurat dan konsisten dikarenakan setiap manusia memiliki persepsi masing-masing. Berdasarkan masalah tersebut telah dirancang sebuah mesin sortasi mangga menggunakan teknik pengolahan citra. Penelitian ini dimulai dari pengumpulan informasi parameter mutu buah mangga serta mempelajari konsep pengolahan citra dalam proses penentuan mutu dan sortasi buah. Penelitian ini hanya difokuskan pada parameter dimensi dan bobot. Pengelompokan buah mangga menggunakan bobot dilakukan berdasarkan statistik sampel buah mangga yang digunakan. Mangga dibagi ke dalam tiga kelompok yaitu A, B, dan C. Kelompok A dengan bobot mangga lebih besar dari 350 g, B dengan bobot mangga antara 200 g – 350 g, dan C dengan bobot kurang dari 200 g. Ruang pengambilan citra didesain tertutup dan dilengkapi sistem akuisisi citra menggunakan webcam dengan resolusi 3 Megapixel sehingga mampu menghasilkan citra sebesar 352 x  288 pixel. Citra dipetakan ke dalam koordinat dua dimensi yang setiap titiknya terdiri dari satu pixel menggunakan komponen frame grabber.  Pengujian menggunakan sampel mangga sejumlah 100 kg secara acak. Berdasarkan hasil pengujian hubungan jumlah pixel terhadap luas permukaan buah mangga diperoleh bahwa algoritma pengolahan citra yang dibuat telah mampu menduga luas permukaan mangga dengan R2 sebesar 0,99 dan nilai RSME sebesar 0,19 cm2. Hasil pengujian korelasi dimensi dan bobot mangga menunjukkan terdapat hubungan yang berbanding lurus. Meskipun demikian, pendugaan bobot dengan metode ini dapat dikatakan memiliki hasil  R2 hanya sebesar 0,76 dan nilai RSME sebesar 26,53 g.

Downloads

Download data is not yet available.

References

Ahmad, U., Rudy, T., & Suhil, M. (2008). Pengembangan Mesin Sortasi dan Pemutuan Buah Jeruk dengan Sensor Kamera CCD. Prosiding Seminar Nasianal Teknik Pertanian 2008 – Yogyakarta, 18-19 November 2008, 1–12.

Anugrahandy, A., Argo, B.D., & Susilo, B. (2012). Perancangan Alat Sortasi Otomatis Buah Apel Manalagi (Malus sylvestris Mill) Menggunakan Mikrokontroler AVR ATMega 16. Jurnal Keteknikan Pertanian Tropis dan Biosistem, 1(1), 1–9.

Jain, R., Kasturi, R., & Schunck, B. G. (1995). Machine vision. New York: McGraw-Hill.

Kastaman, R., Marsetyo, Sunarmani, & Somantri, A.S. (2008). Aplikasi Pengolah Citra d engan Basis Fitur Warna “RGB” untuk Klasifikasi Buah Manggis. Jurnal Bionatura, 10(3), 273–291.

Pramanta, F.D., Susilo, L.W., & Fahmi, M. R. (2017). Sistem Cerdas Penyortir Apel Berdasarkan Warna Dan Ukuran Berbasis Mikrokontroler Arduino. Prosiding SENTRINOV 2017, 216–225.

Soedibyo, D.W., Ahmad, U., Seminar, K. B., & Subrata, I. D. M. (2010). Rancang Bangun Sistem Sortasi Cerdas Berbasis Pengolahan Citra Untuk Kopi Beras. Jurnal Keteknikan Pertanian, 24(02), 67–74.

Thiang, L.I. (2008). Otomasi Pemisah Buah Tomat Berdasarkan Ukuran dan Warna Mengunakan Webcam Sebagai Sensor. Prosiding Seminar Nasional Ilmu Komputer dan Aplikasinya - SNIKA 2008, 1–5.

Wiharja, Y.P., & Harjoko, A. (2014). Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan. IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), 4(1), 57–68.

Published
2020-03-22