Klasifikasi Buah Kelapa berdasarkan Warna Kulit untuk Mengidentifikasi Ketebalan Daging pada Berbagai Tingkat Kematangan Menggunakan Jaringan Saraf Tiruan (JST)

Abstrak

Kelapa (Cocos nucifera L.) adalah bagian dari suku aren-arenan atau Arecaceae dari marga cocos. Kelapa adalah tanaman yang sering ditemui dan kaya akan manfaat bagi umat manusia, mulai dari daun, batang pohon dan buah kelapanya. Pedagang tradisional dapat menggunakan suara yang dihasilkan dari ketukan tangan untuk mengetahui tingkat kematangan buah kelapa. Namun, dengan cara manual ini ada kemungkinan kesalahan dalam proses pengklasifikasianya. Maka dari itu, pada penelitian ini diusulkan judul Klasifikasi Buah Kelapa Berdasarkan Ketebalan Dagingnya Pada Berbagai Tingkat Kematangan Menggunakan Jaringan Saraf Tiruan (JST). Metode penelitian untuk pengklasifikasian terdiri atas 7 tahap yaitu tahap akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, klasifikasi, dan evaluasi. Harapan dari metode yang digunakan untuk memberikan solusi khusunya kepada para petani dan pedagang dalam mengklasifikasi atau menyortir buah kelapa untuk mengetahui kualitas dagingnya dengan bantuan teknologi pengolahan citra digital. Dengan menggunakan 300 dataset citra yang dibagi menjadi 240 citra latih dan 60 citra uji, yang menghasilkan tingkat akurasi 97,91% pada citra latih dan 96,66% pada citra uji. Dengan waktu komputasi 0,31 detik per citra pada citra latih dan 0,21 detik per citra pada citra uji. Sehingga hasil dari pembahasan pada penelitian ini, pengklasifikasian buah kelapa menggunakan metode Jaringan Saraf Tiruan (JST) dengan memanfaatkan fitur warna dapat berjalan dan menghasilkan hasil yang dapat digolongkan baik.

Abstract

Coconut (Cocos nucifera L.) is part of the Arecaceae tribe of the cocos genus. Coconut is a plant that is often encountered and is rich in benefits for mankind, starting from the leaves, tree trunk and coconut fruit. Traditional traders can use the sound produced by hand tapping to determine the ripeness of the coconut fruit. However, with this manual method there is a possibility of error in the classification process. Therefore, this research proposes the title Classification of Coconut Fruit Based on the Thickness of the Flesh at Various Levels of Maturity Using Artificial Neural Networks (JST). The research method for classification consists of 7 stages, namely image acquisition, preprocessing, segmentation, morphological operations, feature extraction, classification, and evaluation. The hope of the method used to provide solutions especially to farmers and traders in classifying or sorting coconut fruit to determine the quality of the meat with the help of digital image processing technology. By using 300 image datasets divided into 240 training images and 60 test images, which resulted in an accuracy rate of 97.91% on the training image and 96.66% on the test image. With a computation time of 0.31 seconds per image on the training image and 0.21 seconds per image on the test image. So that the results of the discussion in this study, the classification of coconut fruit using the Artificial Neural Network (JST) method by utilizing color features can run and produce results that can be classified as good.