Ahmad U. 2013. Teknologi Penanganan Pascapanen Buahan dan Sayuran. Yogyakarta (ID): Graha Ilmu.
[BSN] Badan Standarisasi Nasional. 2013. SNI.7783: Melon. [Internet]. [diunduh: 2014 Apr 2015]. Tersedia pada: http://sisni.bsn.go.id/.
Barlow S. 2007. Multilingual Multiscript Plant Name Database. [Internet]. Tersedia pada: http//plantnames.unimelb.edu.au/Sorting/Cucumis.html. Beaulieu J. 2005. Within-season volatile and quality differences in stored freshcut
cantaloupe cultivars. J Agr Food Chem. 53:8679–8687.
Chen H, De Baerdemaeker J. 1993. Effect of apple shape on acoustic measurements of firmness. J Agr EngRes. 56:253–266.
Chen P, Sun Z, Huarng L. 1992. Factors affecting acoustic responses of apples.
Trans ASAE. 35:1915–1992.
Clark RL. 1975. An investigation of the acoustic properties of watermelon as related to maturity. ASAE Meeting. 75-6004.
Djamila S, Budiastra IW, Sutrisno, Edris IM. 2010. Non-destructive quality evaluation of dragon fruit using ultrasound method. International Seminar on Horticulture to Support Food Security 2010. Bandar Lampung (ID): C15 - C23.
Drake BK. 1963. Food crusshing sounds: an introductory study. J Food Sci. 28:233 - 241.
Duizer L. 2001. A review of acoustic research for studying the sensory perception of crisp, crunchy, and crackly textures. J Trends Food Sci Tech. 12:17-24. Duprat F, Grotte M, Pietri E, Loonis D. 1997. The acoustic impulse response
method for measuring the overall firmness of fruit. J AgrEng Res. 66:251– 259.
Flores F, El Yahyaoui F, de Billerbeck G, Romojaro F, Latché A, Bouzayen M, Pech JC, Ambid C. 2002. Role of ethylene in the biosynthetic pathway ofaliphatic ester aroma volatiles in Charentais Cantaloupe melons. J Exp Bot. 53:201–206.
Galili N, Shmulevich I, Benichou N. 1998. Acoustic testing for fruit ripeness evaluation. Trans ASAE. 41: 399–407.
Giannakopoulos T, Pikrakis A. 2014. Introduction to Sound Analysis. Academic Press is an imprint of Elsevier.
Gomez AH, Pereira AG, Wang J. 2006. Acoustic impulse response potential to measure mandarin fruit ripeness during storage. Revista Cienc Técnic Agro. 15:24-30.
Hair JF Jr, Anderson RE, Tatham RL. 1998. Multivariate Data Analysis. New Jersey (US): Prentice-Hall.
Haryanto B. 2002. Pengembangan model empiris untuk penentuan tingkat ketuaan dan kematangan durian unggul secara non-destruktif dengan gelombang ultrasonik [disertasi]. Bogor (ID): Intitut Pertanian Bogor.
Hayashi S, Sugiyama J, Otobe K, Kikuchi Y, Usui S. 1992. Nondestructive measurement for maturity of muskmelons by analysis of acoustic-signals.
J Jpn Soc for Food Sci and Tech – Nippon Shokuhin Kagaku Kogaku Kaishi. 39(6):465–470.
Hastie T, Tibshirani R, Friedman J. 2008. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. He D, Li Z, Wang H. 1994. On the characteristics of sound wave forms of
watermelons. Acta Universitatis Agriculturalis Boreali-Occidentalis. 22(3):105–107.
Johnson RA, Wichern DW. 2007. Applied Multivariate Statistical Analysis 6th Ed.
New Jersey (US): Pearson Education.
Juansah J, Budiastra IW, Suroso. 2006. Pengembangan sistem pengukuran gelombang ultrasonik untuk penentuan kualitas buah manggis (Gracinia mangostana L.). JTEP. 20(2):167-178.
Kurniasari AS, Safitri D, Sudarno. 2014. Pemisahan desa/kelurahan di kabupaten Semarang menurut status daerah menggunakan analisis diskriminan kuadratik klasik dan diskriminan kuadratik robust. J Gaussian. 3(1):1-10. Kuroki S, Tohro M, Sakurai N. 2006. Monitoring of the elasticity index of melon
fruit in a greenhouse. J Jpn Soc Hortic Sci. 75:415–420.
Kusumaliski N. 2015. Pengembangan metode deteksi kematangan melon (Cucumis melo L.) dengan Respon Impuls Akustik. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Lestari D, Prawito. 2013. Alat deteksi kematangan buah melon dengan sensor suara dan mikrokontroller At-Mega 8535. J Ilmiah Elite Elektro. 4(1):47-54.
Lü F. 2003. Non-destructive quality evaluation of watermelon based on its acoustic property. Hangzhou (CN): Zhejiang University.
ŕın- odŕıguez , Orchard J, Seymour GB. 2002. Pectate lyases, cell wall degradation and fruit softening. J of Experiment Bot. 53:2115–2119. Maspanger DR, Purwadaria HK, Budiastra IW, Trisnobudi A. 2008. The study of
natural rubber coagulum quality evaluation by ultrasonic method. IJAAR. 3(1):55-56.
Mattjik AA, Sumertajaya IM. 2011. Sidik Peubah Ganda: Dengan menggunakan SAS. Bogor(ID): Departemen Statistika F-MIPA Institut Pertanian Bogor. Miccolis V, Saltveit ME Jr. 1991. Morphological and physiological changes
during fruit growth and maturation of seven melon cultivars. J Amer Soc Hort Sci. 116(6):1025-1029.
Mizrach A, Galili N, Rosenhouse G. 1989. Determination of fruit and vegetable properties by ultrasonic excitation. Trans ASAE. 32: 178-189.
Mizrach A, Galili N, Teitel DC, Rosenhouse G. 1994. Ultrasonic evaluation of some ripening parameters of autumn and winter-grown „G li ‟ melons
Scientia Horticulturae. 56(4):291–297.
Nasution DA. 2006. Pengembangan sistem evaluasi buah manggis secara non-destruktif dengan gelombang ultrasonik [disertasi]. Bogor (ID): Institut Pertanian Bogor.
Nayar NM, Singh R. 1994. Taxonomy, distribution, and ethnobotanical uses. Dalam: Nayar NM, Mode TA (ed). Cucurbits. Science Publishers. USA. 340p.
Peleg K, Ben-Hanan U, Hinga S. 1990. Classification of avocado by firmness and maturity. J Text Stud. 21:123–129.
Rao X, Ying Y, Jin B, 2004. Development of a fruit quality inspecting system based on acoustic properties. Trans of the CSAM. 35(2):69–71.
Robinson RW, Decker-Walters DS. 1999. Cucurbits. New York (US): CAB Interntional.
Roudaut G, Dacremont, Pamies BV, Colas, Le Meste M. 2002. Cripness: a critical review and sensory and material science approaches. J Trends Food Sci Technol. 13:217-227.
Saltveit ME. 2011. Melon (Cucumis melo L.). California (US): Woodhead publishing.
Schotte S, De Belie N, De Baerdermarker J. 1999. Acoustic impulse respone technique for evaluation and modelling of tomato fruit. J Postharvbioand Technol. 17:105-115.
Seymour GB, Gross KC. 1996. Cell wall disassembly and fruit softening. Postharvest News and Information. 7:45–52.
Sharma S. 1996. Applied Multivariate Techniques, New Jersey (US): John Wiley &
Sons.
Sri WS, Surtono, Arif, Hafidz, M. Fahmi. 2007. Analisis spektrum frekuensi bunyi dari beragam daging buah dengan berbagai tingkat kematangan berbasis komputer. J FMIPA Unila. 13:261-266.
Stone ML, Armstrong PR, Zhang X, Brusewitz GH, Chen DD. 1996. Watermelon maturity determination in the field using acoustic impulse impedance techniques. TransASAE. 39(6):2325–2330.
Sugiyama J, Otobe K, Hayashi S, Usui S. 1994. Firmness measurement of muskmelons by acoustic impulse transmission. Trans ASAE. 37(4):1235– 1241.
Sugiyama J, Katsural T, Hong J, Koyama H, Mikuriya K. 1998. Melon ripeness monitoring by a portable firmness tester. Trans ASAE. 41(1):121–127. Sugiyama J, Al-Haq MI, Tsuta M. 2005. Application of portable acoustic firmness
tester for fruits. Di dalam: Information and Technology for Sustainable Fruit and Vegetable Production; 2005 Sept 12-16; Montpellier, France. Montpellier (FR): Frutic. hlm. 439-443.
Sun T, Huang K, Xu H, Yin Y. 2010. Research advances in nondestructive determination of internal quality in watermelon/melon: a review. J Food Eng. 100:569-577.
Suwarno WB, Sobir. 2007. Hubungan kekerabatan antar genotipe dalam tiga grup kultivar melon. Seminar Nasional Hasil Penelitian yang Dibiayai oleh Hibah Kompetitif.
Tadiello Alice. 2010. A genomic investigation of the ripening regulation in peach fruit [disertasi]. Padova (IT): University of Padova.
Taniwaki M, Takahashi M, Sakurai N. 2009. Determination of optimum ripeness for edibility of postharvest melons using nondestructive vibration. J Food Res Int. 42:137–141.
Taniwaki M, Tohro M, Sakurai N. 2010. Measurement of ripening speed and determination of optimum ripeness of melons by a nondestructive acoustic vibration method. J Postharvbio and Technol. 56:101-103.
[USDA] United States Department of Agriculture. 2006. Cantaloups, Honeydew, Honey Ball and other similar melons. Shipping point and market inspection insruction (US).
Villanueva MJ, Tenorio MD, Esteban MA, Mendoza MC. 2004. Food Chemistry Compositional changes during ripening of two cultivars of muskmelon fruits. J Food Chem. 87:179–185.
Wang J. 2004. Mechanical properties of pear as a function of location and orientation. Inter J Food Prop. 7:155–164.
Wang J, Teng B, Yu Y. 2004. Pear dynamic characteristics and firmness detection. J Eur Food Res Technol. 218:289–294.
Wang YH, Behera TK, Kole C. 2011. Genetics, Genomics and Breeding of Cucurbits. Florida (US): CRC.
Warji. 2008. Pendugaan kerusakan buah mangga arumanis akibat lalat buah dengan menggunakan gelombang ultrasonik [tesis]. Bogor (ID): Institut Pertanian Bogor.
White PJ. 2002. Recent advances in fruit development and ripening: an overview.
J of Experiment Bot. 53:1995–2000.
Winarno FG. 2002. Fisiologi Lepas Panen Produk Hortikultura. Bogor (ID): M-Brio.
Yamamoto H, Iwamoto M, Haginuma S. 1980. Acoustic impulse response method for measuring natural frequency of intact fruits and preliminary applications to internal quality evaluations of apples and watermelons. J Text Stud. 11:117–136.
Zapata M, Cabrera P, Banón S, Roth P. 1989. El melón. Madrid (ES): Mundi Prensa.
Mulai Data Uji normal multivariat Uji kesamaan matriks varian-kovarian Metode lain
Pemilihan variabel pembeda Analisis
diskriminan linier
Menentukan dan S pada masing-masing kelompok
pengklasifikasian Membuat fungsi diskriminan
kuadratik
Evaluasi hasil pemisahan Validasi fungsi diskriminan
kuadratik Selesai ya ya tidak tidak Lampiran 1 Prosedur pembentukakn fungsi klasifikasi dengan analisis
Mulai
Inisialisasi variabel data suara
Pembacaan data suara ke-i Input data suara
Selesai Penentuan indeks
data ke-i, ... i++
Penghitungan sinyal untuk nilai axis dan ordinat yang diperoleh
Plot spektrum gelombang berdomain waktu Penghitungan short term energy
(E)
Data short term energy
(E)
Lampiran 3 Kode pemrograman (source code) untuk penghitungan short term energy sinyal (E) suara menggunakan Matlab
clear, clc, close all
filelist = dir('*.wav');
% Pre-allocate a cell array to store some per-file information.
result = cell(size(filelist));
% get a section of the sound file for index = 1 : length(filelist)
fprintf('Processing %s\n', filelist(index).name); % Read the data of the WAV file and store it.
[x, fs] = wavread(filelist(index).name);
x = x(:,1); % get the first channel
xmax = max(abs(x)); % find the maximum value
x = x/xmax; % scalling the signal
% time & discretisation parameters
N = length(x);
t = (0:N-1)/fs;
% plotting of the waveform
figure(1)
plot(t, x, 'r') xlim([0 max(t)])
ylim([-1.1*max(abs(x)) 1.1*max(abs(x))]) grid on
set(gca, 'FontName', 'Times New Roman', 'FontSize', 14) xlabel('Time, s')
ylabel('Normalized amplitude')
title('The signal in the time domain')
E = (1/(length(x)))*sum(abs((x.^2))); result{index} = E;
Mulai
Inisialisasi variabel data suara
Pembacaan data suara ke-i Input data suara
Selesai Penentuan indeks
data ke-i, ... i++
Penghitungan sinyal untuk nilai axis dan ordinat yang diperoleh
Plot spektrum gelombang berdomain waktu Transformasi fourier
Data frekuensi (f) dan magnitudo (M) Plot spektrum gelombang
berdomain frekuensi Penghitungan magnitudo (M)
maksimum dan frekuensi (f) dominan
Lampiran 4 Diagram alir penghitungan nilai magnitudo (M) dan frekuensi (f) sinyal suara ketukan buah melon
Lampiran 5 Kode pemrograman (source code) untuk penghitungan nilai magnitudo (M) dan frekuensi (f) sinyal suara menggunakan Matlab
clear, clc, close all
filelist = dir('*.wav');
% Pre-allocate a cell array to store some per-file information.
result = cell(size(filelist));
for index = 1 : length(filelist)
fprintf('Processing %s\n', filelist(index).name); % Read the data of the WAV file and store it.
[x, fs] = wavread(filelist(index).name);
% get a section of the sound file
x = x(:,1); % get the first channel
xmax = max(abs(x)); % find the maximum value
x = x/xmax; % scalling the signal
% time & discretisation parameters
N = length(x);
t = (0:N-1)/fs;
% plotting of the waveform
figure(1)
plot(t, x, 'r') xlim([0 max(t)])
ylim([-1.1*max(abs(x)) 1.1*max(abs(x))]) grid on
set(gca, 'FontName', 'Times New Roman', 'FontSize', 12) xlabel('Waktu (detik)')
ylabel('Amplitudo') axis([0 1 -1 1])
% spectral analysis
win = hanning(N); % window
K = sum(win)/N; % coherent amplification of the window
X = abs(fft(x.*win))/N; % FFT of the windowed signal
NUP = ceil((N+1)/2); % calculate the number of unique points
X = X(1:NUP); % FFT is symmetric, throw away second half if rem(N, 2) % odd nfft excludes Nyquist point
X(2:end) = X(2:end)*2;
else % even nfft includes Nyquist point
X(2:end-1) = X(2:end-1)*2;
end
f = (0:NUP-1)*fs/N; % frequency vector
X = 20*log10(X); % spectrum magnitude % plotting of the spectrum
figure(3)
semilogx(f, X, 'r') xlim([0 max(f)]) grid on
set(gca, 'FontName', 'Times New Roman', 'FontSize', 12) xlabel('Frekuensi (Hz)') ylabel('Magnitudo (dB)') axis([0 10000 -180 -20]) [maxValue,indexMax] = max(abs(fft(x-mean(x)))); frequency = indexMax*fs/N; Xmax = max(X); result{index} = frequency; end
Mulai
Inisialisasi variabel data suara
Pembacaan data suara ke-i Input data suara
Selesai Penentuan indeks
data ke-i, ... i++
Penghitungan sinyal untuk nilai axis dan ordinat yang diperoleh
Plot spektrum gelombang berdomain waktu Transformasi fourier
Data zero moment power (Mo)
Plot spektrum gelombang berdomain frekuensi Penghitungan power spectral
density (PSD)
Plot kurva power spectral density
(PSD)
Penghitungan zero moment power (Mo)
Lampiran 6 Diagram alir penghitungan nilai zero moment power (Mo) sinyal suara ketukan buah melon
Lampiran 7 Kode pemrograman (source code) untuk penghitungan nilai zero moment power (Mo) sinyal suara menggunakan Matlab
clear, clc, close all
filelist = dir('*.wav');
% Pre-allocate a cell array to store some per-file information.
result = cell(size(filelist));
for index = 1 : length(filelist)
fprintf('Processing %s\n', filelist(index).name); % Read the data of the WAV file and store it.
[x, fs] = wavread(filelist(index).name);
% get a section of the sound file
x = x(:,1); % get the first channel
xmax = max(abs(x)); % find the maximum value
x = x/xmax; % scalling the signal
% time & discretisation parameters
N = length(x);
t = (0:N-1)/fs;
% plotting of the waveform
figure(1)
plot(t, x, 'r') xlim([0 max(t)])
ylim([-1.1*max(abs(x)) 1.1*max(abs(x))]) grid off
set(gca, 'FontName', 'Times New Roman', 'FontSize', 12) xlabel('Waktu (detik)')
ylabel('Amplitudo ternormalkan')
title('The signal in the time domain')
figure(2) P=fft(x); plot(t,x); P1=P.*conj(P)/N; i=(1:N); for i=1:N f(i)=(i-1)/(N*4e-6); end f1=f(2:N/2); P2=P1(2:N/2); P3=P2/max(P2); plot(f1,P3)
set(gca, 'FontName', 'Times New Roman', 'FontSize', 12) title ('grafik spektrum gelombang dengan frekuensi') xlabel('frekuensi(Hz)')
ylabel('Power Spektral Density') axis([0 5000 0 1.5])
Mo=sum(P3);
result{index} = Mo;
Lampiran 8 Statistik deskriptif hasil pengamatan N Rataan Std. Deviasi Std. Error Interval kepercayaan 95% untuk nilai
rataan Min. Maks. Batas bawah Batas atas Kekerasan 46 55 793.45 86.52 11.67 770.06 816.84 628.63 1001.14 53 55 593.34 67.17 9.06 575.18 611.50 455.67 779.96 60 55 513.18 63.15 8.51 496.11 530.25 380.83 675.19 67 55 463.83 63.94 8.62 446.55 481.12 257.77 670.20 Total 220 590.95 144.31 9.73 571.77 610.13 257.77 1001.14 TPT 46 55 5.94 0.73 0.10 5.74 6.14 4.33 8.27 53 55 7.76 1.01 0.14 7.49 8.04 5.73 9.93 60 55 8.59 1.62 0.22 8.15 9.03 5.40 12.10 67 55 8.94 1.48 0.20 8.54 9.34 6.37 12.66 Total 220 7.81 1.71 0.12 7.58 8.04 4.33 12.66 Kadar air 46 55 94.03 0.92 0.12 93.79 94.28 90.34 96.60 53 55 92.67 0.73 0.10 92.47 92.87 90.57 94.39 60 55 91.47 2.41 0.32 90.82 92.12 83.61 95.03 67 55 91.08 1.45 0.20 90.68 91.47 84.59 92.48 Total 220 92.31 1.90 0.13 92.06 92.57 83.61 96.60 Energi 46 55 0.0008 0.0002 0.00003 0.0007 0.0008 0.0004 0.0011 53 55 0.0010 0.0001 0.00002 0.0009 0.0010 0.0006 0.0013 60 55 0.0008 0.0001 0.00002 0.0008 0.0009 0.0007 0.0013 67 55 0.0044 0.0022 0.00030 0.0038 0.0050 0.0026 0.0183 Total 220 0.0017 0.0019 0.00013 0.0015 0.0020 0.0004 0.0183 Frekuensi 46 55 245.93 51.89 7.00 231.90 259.96 50.80 346.05 53 55 217.51 77.70 10.48 196.50 238.51 38.47 373.61 60 55 207.48 91.26 12.31 182.80 232.15 50.73 360.40 67 55 431.87 66.94 9.03 413.77 449.96 237.00 521.35 Total 220 275.69 116.95 7.88 260.16 291.24 38.47 521.35 Magnitudo 46 55 50.10 2.59 0.35 49.40 50.80 44.94 55.55 53 55 48.37 2.09 0.28 47.81 48.93 43.28 52.97 60 55 49.11 2.30 0.31 48.49 49.73 43.68 54.42 67 55 39.20 2.82 0.38 38.43 39.96 30.92 45.01 Total 220 46.69 5.02 0.34 46.03 47.36 30.92 55.55 Mo 46 55 142.67 53.13 7.16 128.30 157.03 32.31 295.20 53 55 110.97 32.45 4.38 102.20 119.75 42.53 172.26 60 55 104.59 42.11 5.68 93.21 115.98 13.69 175.01 67 55 51.52 14.35 1.94 47.64 55.40 21.15 83.74 Total 220 102.44 50.21 3.39 95.77 109.11 13.69 295.20
Lampiran 9 Analisis sidik ragam (ANOVA)
Model rancangan percobaan yang digunakan adalah rancangan acak lengkap (RAL). Perlakuan yang digunakan adalah umur panen buah melon dengan 4 taraf, yaitu: 46 HST, 53 HST, 60 HST, dan 67 HST, dan pengulangan sebanyak 55 kali. Pengujian dilakukan pada taraf kepercayaan 95 % ( = 0.05).
Model linier:
ij + i+ ij i 4 j …
ij = pengamatan pada umur panen ke-i dan ulangan ke-j
= rataan umum
i = pengaruh umur panen ke-i
ij = pengaruh acak pada umur panen ke-i ulangan ke-j
Hipotesis:
H0 : … 4 (perlakuan tidak berpengaruh terhadap respon yang diamati) H1 : paling sedikit ada satu i dengan i 0
Tabel analisis sidik ragam (ANOVA) Sumber
keragaman Jumlah kuadrat
Derajat bebas
Kuarat
tengah F hitung Sig. Kekerasan Perlakuan 3476956.48 3 1158985.49 230.95 .000 Galat 1083948.10 216 5018.28 Total 4560904.58 219 TPT Perlakuan 297.27 3 99.09 62.21 .000 Galat 344.07 216 1.59 Total 641.34 219
Kadar air Perlakuan 293.32 3 97.78 42.16 .000
Galat 500.90 216 2.32 Total 794.22 219 Energi Perlakuan .00 3 .00 137.78 .000 Galat .00 216 .00 Total .00 219 Frekuensi Perlakuan 1832338.28 3 610779.43 113.43 .000 Galat 1163104.37 216 5384.74 Total 2995442.65 219 Magnitudo Perlakuan 4204.80 3 1401.60 230.53 .000 Galat 1313.24 216 6.08 Total 5518.04 219 Mo Perlakuan 235885.61 3 78628.54 53.71 .000 Galat 316187.54 216 1463.83 Total 552073.15 219
Karena semua respon menunjukkan nilai sig. (0.000) < 0.05 maka H0 ditolak, sehingga dapat disimpulkan ada perlakuan yang berpengaruh terhadap respon hasil pengamatan.
Lampiran 10 Hasil uji beda nyata Duncan’s multiple range test (DMRT) pada taraf kepercayaan 95%
Variabel Rataan
46 HST 53 HST 60 HST 67 HST Kekerasan daging buah 793.45a 593.34b 513.18bc 463.83c
TPT 5.94a 7.76b 8.59b 8.94b Kadar air 94.03a 92.67ab 91.47b 91.08b Energi 0.0008a 0.0010a 0.0008a 0.0044b Frekuensi 245.93a 217.51a 207.48a 431.87b Magnitudo 50.10a 48.37a 49.11a 39.20b Mo 142.67a 110.97a 104.59ab 51.52b
Huruf yang berbeda pada baris yang sama menunjukkan nilai yang berbeda nyata.
Lampiran 11 Analisis diskriminan Ringkasan statistik
Variabel Kategori Frekuensi %
Pengelompokan 1 Umur panen 46 55 25
53 55 25
60 55 25
67 55 25
Pengelompokan 2 (TPT)
Kelompok kematangan Belum matang 144 65
Matang 76 35
Pengelompokan 3 (umur panen)
Kelompok kematangan Belum matang 165 75
Matang 55 25
Variabel Minimum Maksimum Rataan Std. deviasi F 38.4726 521.3542 275.6954 116.9523 E 0.0004 0.0183 0.0017 0.0019 Mo 13.6916 295.2016 102.4377 50.2083 Matriks korelasi Variables F E Mo F 1.0000 E 0.6101 1.0000 Mo -0.2759 -0.5608 1.0000 Statistik multikolinier: Statistik F E Mo Toleransi 0.6214 0.4611 0.6786 VIF 1.6094 2.1688 1.4737
Hasil analisis multikolinieritas antar variabel penduga (x) menunjukkan niai
variance inflation factor (VIF) < 10 dan toleransi > 0.10, artinya variabel penduga (x) yang digunakan tidak bersifat multikolinier.
Hasil uji Box’s dalam uji kesamaan matriks kovarian
Pengelompokan 2 -2log(M) 102.24 F hitung 16.75 F (nilai kritis) 2.10 df1 6 df2 153844 p-value <0.0001 Α 0.05
Pengelompokan 3 -2log(M) 7004.65 F hitung 114.88 F (nilai kritis) 2.10 df1 6 df2 62670 p-value <0.0001 Α 0.05
p-value < 0.05, artinya matriks kovarian antara kelompok tidak homogen. Hasil uji kesamaan vektor rataan
Variabel Lambda F df1 df2 p-value Pengelompokan 1 F 0.3883 113.4285 3 216 < 0.0001 E 0.3432 137.8145 3 216 < 0.0001 Mo 0.5727 53.7140 3 216 < 0.0001 Pengelompokan 2 F 0.9744 5.7221 1 218 < 0.0001 E 0.9319 15.9256 1 218 < 0.0001 Mo 0.9343 15.3300 1 218 < 0.0001 Pengelompokan 3 F 0.4029 323.0756 1 218 < 0.0001 E 0.3445 414.7305 1 218 < 0.0001 Mo 0.6556 114.5309 1 218 < 0.0001 Hipotesis:
H0: Variabel x tidak mampu membedakan klasifikasi dengan baik H1: Variabel x mampu membedakan klasifikasi dengan baik
1. f
p-value < 0.05, artinya tolak H0 atau variabel f mampu membedakan klasifikasi dengan baik.
2. E
p-value < 0.05, artinya tolak H0 atau variabel E mampu membedakan klasifikasi dengan baik.
3. Mo
p-value < 0.05, artinya tolak H0 atau variabel Mo mampu membedakan klasifikasi dengan baik.
Eigenvalue pengelompokan Pengelompokan 1 F1 F2 F3 Eigenvalue 4.5289 0.1465 0.0004 Diskriminasi (%) 96.8585 3.1334 0.0081 Akumulasi (%) 96.8585 99.9919 100.0000
Hasil menunjukkan bahwa hanya menggunakan F1 saja telah cukup baik untuk menduga klasifikasi. Ini terlihat dengan nilai eigenvalue > 1 dan akumulasi % > 70 sedangkan di F2 eigenvalue telah < 1.
Pengelompokan 2 F1 Eigenvalue 0.094 Diskriminasi (%) 100 Akumulasi (%) 100 Pengelompokan 3 F1 Eigenvalue 4.4965 Diskriminasi (%) 100 Akumulasi (%) 100
Korelasi variabel terhadap faktor F
Variabel F1 F2 F3 Pengelompokan 1 F 0.85 0.41 -0.33 E 0.90 -0.004 0.45 Mo -0.66 0.75 0.07 Pengelompokan 2 F -0.55 - - E -0.89 - - Mo 0.87 - - Pengelompokan 3 F 0.85 - - E 0.90 - - Mo -0.65 - -
f E Mo -1.0 -0.5 0.0 0.5 1.0 -1.0 -0.5 0.0 0.5 1.0 F 2 (3% ) F1 (97%) f E Mo -1.0 -0.5 0.0 0.5 1.0 -1.0 -0.5 0.0 0.5 1.0 F 2 (0% ) F1 (100%) f E Mo -1.0 -0.5 0.0 0.5 1.0 -1.0 -0.5 0.0 0.5 1.0 F 2 (0% ) F1 (100%) Diagram biplot korelasi variabel terhadap faktor F
Pengelompokan 1 Pengelompokan 2
Pengelompokan 3
Matriks fungsi skor diskriminan
Pengelompokan 1 46 53 60 67 Irisan -40.6895 -77.3856 -38.1240 -36.9654 F 0.0512 0.0496 -0.0182 0.0881 E 57640.42 102950.76 73358.94 2513.20 Mo 0.1761 0.4172 0.1633 0.4058 f*f -0.0002 -0.0001 -0.0001 -0.0001 f*E 32.5162 -7.6652 32.6235 0.2457 f*Mo 0.0002 -0.0001 0.0004 0.0002 E*E -29167363,14 -39730019.99 -39101609.56 -146564.24 E*Mo -154.7300 -235.0013 -129.9846 -25.7820 Mo*Mo -0.0004 -0.0008 -0.0006 -0.0036
Pengelompokan 2
Belum matang Matang
Irisan -9.7070 -9.8023 F 0.0205 0.0175 E 1429.4788 557.7991 Mo 0.0762 0.0715 f*f -0.0001 0.0000 f*E 11.9054 2.5295 f*Mo 0.0001 0.0000 E*E -851712.73624 -146874.2497 E*Mo -19.7329 -7.1869 Mo*Mo -0.0003 -0.0003 Pengelompokan 3
Belum matang Matang
Irisan -36.9794 -36.9654 F 0.0104 0.0881 E 59204.2051 2513.2044 Mo 0.1883 0.4058 f*f -0.0001 -0.0001 f*E 17.6749 0.2457 f*Mo 0.0002 0.0002 E*E -27401373.8919 -146564.2441 E*Mo -139.7257 -25.7820 Mo*Mo -0.0005 -0.0036
Posisi titik tengah plot pengelompokan diskriminan kuadratik
Kelompok F1 F2 F3
Pengelompokan 1 46 -1.34 0.60 -0.01
53 -1.12 -0.21 0.02 60 -1.19 -0.41 -0.02
67 3.65 0.02 -0.00
Pengelompokan 2 Belum matang 0.22 - -
Matang -0.42 - -
Pengelompokan 3 Belum matang -1.22 - -
Lampiran 12 Hasil validasi fungsi skor diskriminan menggunakan metode leave-one-out cross-validation
Kesalahan pengelompokan hasil validasi fungsi skor diskriminan kuadratik berdasarkan empat umur panen yang berbeda (pengelompokan 1)
Umur panen Hasil klasifikasi Total %
46 53 60 67 46 29 13 13 0 55 47% 53 9 35 11 0 55 36% 60 10 22 23 0 55 58% 67 0 0 0 55 55 0% Total 51 71 43 55 220 35%
pparent error rate + + + + + x Kesalahan pengelompokan hasil validasi fungsi skor diskriminan kuadratik berdasarkan nilai TPT (pengelompokan 2)
Kelompok kematangan Hasil klasifikasi Total % Matang Belum matang
Matang 18 58 76 76%
Belum matang 13 131 144 9%
Total 31 189 220 32%
pparent error rate + x
Kesalahan pengelompokan hasil validasi fungsi skor diskriminan kuadratik pada dua kelompok kematangan yang berbeda berdasarkan umur panen (pengelompokan 3)
Kelompok kematangan Hasil klasifikasi Total % Matang Belum matang
Matang 55 0 55 0%
Belum matang 0 165 165 0%
Total 55 165 220 0%
RIWAYAT HIDUP
Penulis dilahirkan di Lamongan, 5 Agustus 1989 sebagai anak ke delapan dari sembilan bersaudara dari bapak Ali Zuhdi dan Ibu Maerozah. Pendidikan sarjana ditempuh pada 2007 – 2012 di Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Tahun 2013, penulis melanjutkan pendidikan pascasarjana program studi Teknologi Pascapanen, Departemen Teknik Mesin dan Biosistem, Institut Pertanian Bogor. Sebagian dari tesis ini diterbitkan pada jurnal keteknikan pertanian (JTEP) dengan judul “ empel j ri Tingk t em t ng n Bu h elon riet s Golden Apollo enggun k n r meter iny l u r ”