Nilai Kekerasan Buah Melon
Pengukuran kekerasan dilakukan dengan menggunakan rheometer. Alat ini diset dengan mode 20, dengan beban maksimal 10 kg, kedalaman penekanan 10 mm, kecepatan penurunan beban 60 mm/m, dan diameter probe (jarum) 5 mm. Bahan ditusuk pada bagian kulit buah melon dan diulang pada bagian kulit yang lain sebanyak tiga kali, yaitu pada bagian ujung, tengah, dan pangkal (Hubies 1985).
Untuk mencari nilai kekerasan pada daging buah, buah melon yang telah ditusuk untuk mencari nilai kekerasan kulit dibelah pada bagian yang telah ditusuk, kemudian bagian yang dibelah tadi juga dilakukan penusukan pada bagian yang sama dengan kulit, yaitu ujung, tengah dan pangkal.
Nilai kekerasan buah melon dengan umur panen 54 HST (Lampiran 1) pada kekerasan kulit, bagian pangkal memiliki nilai rata-rata sebesar 7.16 kgf, bagian tengah memiliki nilai rata sebesar 6.66 kgf, bagian ujung memiliki nilai rata-rata sebesar 6.77 kgf, dan rata-rata-rata-rata nilai kekerasan kulit pada buah melon dengan umur panen 54 HST sebesar 6.86 kgf. Kemudian nilai kekerasan pada daging buah, bagian pangkal memiliki nilai rata-rata sebesar 1.20 kgf, bagian tengah memiliki nilai rata-rata sebesar 1.05 kgf, bagian ujung memiliki nilai rata-rata sebesar 1.01 kgf, dan rata-rata nilai kekerasan daging buah pada buah melon dengan umur panen 54 HST sebesar 1.09 kgf.
Nilai kekerasan buah melon dengan umur panen 60 HST (Lampiran 2) pada kekerasan kulit, bagian pangkal memiliki nilai rata-rata sebesar 6.52 kgf, bagian tengah memiliki nilai rata sebesar 6.60 kgf, bagian ujung memiliki nilai rata-rata sebesar 6.11 kgf, dan rata-rata-rata-rata nilai kekerasan kulit pada buah melon dengan umur panen 60 HST sebesar 6.41 kgf. Kemudian nilai kekerasan pada daging buah, bagian pangkal memiliki nilai rata-rata sebesar 1.10 kgf, bagian tengah memiliki nilai rata-rata sebesar 0.98 kgf, bagian ujung memiliki nilai rata-rata sebesar 0.99
14
kgf, dan rata-rata nilai kekerasan daging buah pada buah melon dengan umur panen 60 HST sebesar 1.02 kgf.
Nilai TPT
Pada pengukuran nilai TPT buah melon yang telah dibelah dan diukur nilai kekerasan daging buah kemudian dipotong menjadi tiga bagian pada bagian pangkal, tengah, dan ujung mengikuti lubang bekas daging buah yang telah ditusuk dengan rheometer. Lalu bagian yang telah dipotong-potong tersebut dimasukan ke dalam plastik kecil berukuran 6x4 cm, dan ditumbuk sampai terdapat substrat dari buah melon yang kemudian digunakan untuk mencari nilai TPT dengan refractometer.
Nilai TPT buah melon dengan umur panen 54 HST (Lampiran 3) pada bagian pangkal memiliki nilai rata-rata sebesar 5.1% brix, bagian tengah memiliki nilai rata-rata sebesar 5.3% brix, bagian ujung memiliki nilai rata-rata sebesar 5.3% brix, dan rata-rata nilai TPT pada buah melon dengan umur panen 54 HST sebesar 5.2% brix. Kemudian nilai TPT buah melon dengan umur panen 60 HST (Lampiran 4) pada bagian pangkal memiliki nilai rata-rata sebesar 6.2% brix, bagian tengah memiliki nilai rata-rata sebesar 6.9% brix, bagian ujung memiliki nilai rata-rata sebesar 6.7% brix, dan rata-rata nilai TPT pada buah melon dengan umur panen 60 HST sebesar 6.7% brix.
Tingkat kemanisan buah melon di Indonesia bervariasi mulai dari 8-15 %brix (Purnama 2006). Menurut Electronic Code Federal Regulation (2012) buah melon varietas cantaloupe yang sudah matang memiliki TPT sebesar 9.6 %brix. Sehingga, data kemanisan melon varietas cantaloupe yang diukur masih belum matang, hal ini disebabkan karena umur panen yang masih belum optimal. Menurut Tim Trubus (2011), waktu optimal panen melon jenis Cantaloupe adalah 60-70 HST. Namun para petani di Sragen sudah memulai panen di lahan dengan mengambil seluruh melon pada umur panen ke 60 HST. Tingkat rasa manis buah melon dipengaruhi berbagai hal, misalnya pemupukan, iklim, dan topografi.
Analisis Data Pengolahan Citra Indeks Nilai Warna RGB
Buah melon yang telah dipetik saat umur panen 54 HST dan 60 HST dari satu lahan petani di daerah Kabupaten Sragen sebelum dilakukan pengujian non destruktif, buah melon dibersihkan menggunakan tisu. Pengujian non destruktif adalah pengujian tanpa merusak buah. Pengujian non-destruktif dimulai dengan pengambilan citra di laboratorium dengan menggunakan kamera CCD. Citra buah melon diambil dari empat posisi atau bagian buah, yaitu sisi pertama buah (a), sisi kedua buah (b), pangkal buah (c), dan ujung buah (d) atau seperti pada Gambar 6. Format citra yang dihasilkan dari kamera CCD sebagai file citra dengan format bitmap (*.bmp) dan dimensi 744x480.
15
a
d b
c
Untuk mendapatkan nilai Red, Green, Blue (RGB) citra dengan dimensi 744x480 harus di crop dengan menggunakan program microsoft office picture manager, citra buah melon di crop menjadi 160x160 untuk citra posisi pada ujung buah dan posisi pada pangkal buah dan 210x150 untuk citra dengan posisi pada sisi pertama buah dan posisi pada sisi kedua buah seperti pada Gambar 7. Dimensi citra diperkecil atau dipotong karena ada beberapa buah melon yang diambil citranya terjadi retak karena penyakit.
Citra buah melon yang dicrop menggunakan perangkat lunak microsoft office picture manager, kemudian dilakukan pengolahan citra dengan menggunakan perangkat lunak MATLAB R2013a (Gambar 8) untuk mencari nilai sinyal warna Merah (R), hijau (G), dan biru (B) pada citra melon dengan umur panen 54 HST dan 60 HST. Citra yang diambil pada sisi pertama buah (a), sisi kedua buah (b), pangkal buah (c), dan ujung buah (d).
b a
Gambar 7 Citra buah melon yang sudah di crop (a) pada sisi buah dan (b) pangkal buah
Gambar 6 (a) sisi pertama buah, (b) sisi kedua buah, (c) pangkal buah, dan (d) ujung buah
16
Nilai sinyal warna Merah (R), hijau (G), dan biru (B) pada citra melon dengan umur panen 50 dan 60 HST yang diambil pada sisi pertama buah(a), sisi kedua buah (b), pangkal buah (c), dan ujung buah (d) sebagai berikut,
Tabel 5 Nilai sinyal RGB sisi pertama buah melon
Nilai sinyal
Merah Hijau Biru
Hari ke 54 HST Nilai maksimal 0.3663 0.4052 0.2613 Nilai rata-rata 0.3570 0.3940 0.2450 Nilai minimal 0.3499 0.3838 0.2363 Hari ke 60 HST Nilai maksimal 0.3712 0.3911 0.2377 Nilai rata-rata 0.3600 0.3940 0.2450 Nilai minimal 0.3446 0.3939 0.2615
Tabel 6 Nilai sinyal warna RGB sisi kedua buah melon
Nilai sinyal
Merah Hijau Biru
Hari ke 54 HST Nilai maksimal 0.3654 0.4053 0.2628 Nilai rata-rata 0.3570 0.3930 0.2495 Nilai minimal 34780 0.3830 0.2390 Hari ke 60 HST Nilai maksimal 0.3684 0.4045 0.2580 Nilai rata-rata 0.3596 0.3953 0.2450 Nilai minimal 0.3502 0.3843 0.2339 a b
Gambar 8 Perangkat lunak (a) microsoft office picture manager dan (b) MATLAB R2013a
17 Tabel 7 Nilai sinyal warna RGB pangkal buah melon
Nilai sinyal
Merah Hijau Biru
Hari ke 54 HST Nilai maksimal 0.3643 0.4161 0.2482 Nilai rata-rata 0.3558 0.4055 0.2385 Nilai minimal 0.3474 0.3972 0.2265 Hari ke 60 HST Nilai maksimal 0.3681 0.4174 0.2503 Nilai rata-rata 0.3581 0.4034 0.2384 Nilai minimal 0.3478 0.3890 0.2246
Tabel 8 Nilai sinyal warna RGB pada ujung buah melon
Nilai sinyal
Merah Hijau Biru
Hari ke 54 HST Nilai maksimal 0.3851 0.4043 0.2509 Nilai rata-rata 0.3693 0.3918 0.2388 Nilai minimal 0.3579 0.3861 0.2213 Hari ke 60 HST Nilai maksimal 0.3899 0.4023 0.3953 Nilai rata-rata 0.3710 0.3933 0.2385 Nilai minimal 0.3544 0.3790 0.2193
Buah melon yang siap dipanen memiliki warna kulit yang berubah dari hijau menjadi kekuningan serta jaring pada kulit sudah nyata dan penuh (Tim Trubus 2011). Dalam perubahan warna RGB dari yang umur panen 54 HST dengan umur panen 60 HST memiliki perbedaan nilai sinyal warna, hampir seluruh nilai sinyal mengalami peningkatan, baik itu sinyal warna merah, hijau ataupun biru. Tetapi, ada beberapa yang mengalami penurunan nilai sinyal warna dari umur panen 54 HST dengan umur panen 60 HST. Nilai sinyal warna yang turun terjadi di pangkal buah yaitu pada rata-rata nilai sinyal warna hijau umur panen 54 HST yang awalnya 0.4055 pada umur panen 60 HST menjadi 0.4034, kemudian pada rata-rata nilai sinyal warna biru umur panen 54 HST yang awalnya 0.23851 pada umur panen 60 HST menjadi 0.2384.
Kemudian nilai sinyal warna turun terjadi di ujung buah yaitu pada rata-rata nilai sinyal warna biru yang awalnya 0.2388 pada umur panen 54 HST menjadi 0.2385 pada umur panen 60 HST. Hal ini terjadi karena pada bagian pangkal dan ujung buah terdapat tangkai dan pusat buah yang berwarna kelabu seperti pada Gambar 9, kemudian pengaruh dari cahaya lampu yang membuat kulit buah melon mengkilap.
18
Hubungan Nilai RGB dengan TPT
Hubungan atau korelasi nilai sinyal warna RGB dianalisis untuk melihat seberapa besar korelasi nilai sinyal warna RGB dianalisis dengan kemanisan atau TPT. Berikut ini adalah grafik korelasi dari nilai sinyal warna RGB dengan kemanisan atau TPT:
Gambar 9 (a) Foto pangkal buah (b) foto ujung buah
a b
19
20
Menurut Harinaldi (2005), koefisien determinasi hanya menunjukkan eksistensi dan “kekuatan” hubungan antara variabel bebas dan terikat tanpa menilai sifat relasi tersebut. Kazmier (2005) menyatakan bahwa koefisien determinasi (R2) tidak dapat diuji secara statistik. Namun, akar kuadrat koefisien determinasi, yang disebut koefisien relasi (r), dapat diuji secara statistik pengujian.
Dari grafik-grafik diatas terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti pada Lampiran 7. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Sehingga, dapat disimpulkan bahwasanya korelasi nilai sinyal warna RGB dianalisis dengan kemanisan atau TPT adalah lemah.
Hubungan Nilai RGB dengan Kekerasan Kulit
Hubungan atau korelasi nilai sinyal warna RGB dianalisis untuk melihat seberapa besar korelasi nilai sinyal warna RGB dianalisis dengan kekerasan pada kulit buah. Gambar 11 adalah grafik korelasi dari nilai sinyal warna RGB dengan kekerasan kulit buah:
21
Dari grafik-grafik diatas terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti pada Lampiran 8. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Jadi, dapat disimpulkan bahwasannya korelasi nilai sinyal warna RGB dianalisis dengan kekerasan kulit buah adalah lemah.
Hubungan Nilai RGB dengan Kekerasan Daging Buah Melon
Hubungan atau korelasi nilai sinyal warna RGB dianalisis untuk melihat seberapa besar korelasi nilai sinyal warna RGB dianalisis dengan kekerasan pada daging buah. Gambar 12 adalah grafik korelasi dari nilai sinyal warna RGB dengan kekerasan daging buah:
22
23
Dari grafik-grafik diatas terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti Lampiran 9. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Sehingga, dapat disimpulkan bahwasanya korelasi nilai sinyal warna RGB dianalisis dengan kekerasan daging buah melon adalah lemah.
Kerapatan dan Penampakan Jaring
Salah satu faktor dalam menentukan kematangan buah melon dan penentuan mutu buah melon adalah kondisi jaring yang tampak jelas (Setiadi dan Parimin 2002). Untuk menentukan kondisi jaring tampak jelas atau belum tampak jelas buah melon yang sudah di crop diubah menjadi gambar biner atau binary image dengan metode Otsu. Gambar biner atau citra biner adalah citra yang memiliki dua nilai tingkat keabuan yaitu hitam dan putih (Putra 2004).
Tujuan dari metode Otsu adalah membagi histogram citra gray level ke dalam dua daerah yang berbeda secara otomatis tanpa membutuhkan bantuan user untuk memasukkan nilai ambang. Pendekatan yang dilakukan oleh metode Otsu adalah dengan melakukan analisis diskriminan yaitu menentukan suatu variabel yang dapat membedakan antara dua atau lebih kelompok yang muncul secara alami. Analisis diskriminan akan memaksimalkan variabel tersebut agar dapat membagi objek latar depan (foreground) dan latar belakang (background) (Nobuyuki 1989).
Analisis nilai sinyal warna hitam putih atau BW menggunakan citra buah dengan tiga posisi pengambilan citra melon yaitu, sisi pertama buah, sisi kedua buah, dan ujung buah seperti pada Gambar 13 yang kemudian diubah menjadi citra biner seperti Gambar 14. Untuk posisi pangkal buah tidak digunakan karena pada pangkal buah terdapat tangkai buah yang dapat mempersulit proses analisis jaring melon.
24
Analisis citra biner ini dilakukan dengan bantuan program Matlab pada 60 buah melon dengan 54 HST umur panen dan 60 HST umur panen. Berikut hasil dari analisis nilai sinyal warna hitam dan putih,
Tabel 9 Kerapatan dan penampakan jaring pada sisi pertama buah
Persentase Warna (%) Putih Hitam Hari ke 54 HST Nilai maksimal 89.17 55.83 Nilai rata-rata 62.66 37.34 Nilai minimal 44.13 10.87 Hari ke 60 HST Nilai maksimal 76.11 65.76 Nilai rata-rata 62.56 37.43 Nilai minimal 34.23 23.89
Dari Tabel 9 sampai Tabel 11, dua dari tiga data menunjukan terjadinya peningkatan nilai sinyal warna putih. Hal tersebut memperlihatkan bahwa buah melon tersebut memiliki jaring yang sudah tampak. Kemudian pada citra badan pertama menunjukkan penurunan nilai sinyal warna putih dari 62.633% pada hari ke 50 umur panen menjadi 62.5658%, hal tersebut disebabkan oleh ada beberapa
Gambar 14 Citra buah melon yang sudah diubah menjadi biner
a b c
Gambar 13 (a) Citra sisi pertama buah, (b) citra sisi kedua buah, dan (c) citra ujung buah
25 kulit melon pada hari ke 56 umur panen pada citra badan pertama yang memperlihatkan jaring yang tidak merata diseluruh badan melon sperti yang terlihat pada Gambar 15.
Tabel 10 Kerapatan dan penampakan jaring pada sisi kedua buah
Persentase Warna (%) Putih Hitam Hari ke 54 HST Nilai maksimal 84.17 61.68 Nilai rata-rata 62.23 37.77 Nilai minimal 38.31 15.83 Hari ke 60 HST Nilai maksimal 78.15 54.75 Nilai rata-rata 62.60 37.40 Nilai minimal 45.25 21.85
Tabel 11 Kerapatan dan penampakan jaring pada ujung buah
Persentase Warna (%) Putih Hitam Hari ke 54 HST Nilai maksimal 87.98 65.12 Nilai rata-rata 48.95 51.05 Nilai minimal 34.87 12.02 Hari ke 60 HST Nilai maksimal 83.97 68.39 Nilai rata-rata 59.76 40.78 Nilai minimal 31.61 16.03
Gambar 15 (a) citra melon sebelum di crop, (b) citra melon sesudah di crop, dan (c) citra melon yang sudah di crop dan diubah menjadi biner
26
Hubungan Kerapatan dan Penampakan Jaring dengan TPT
Hubungan atau korelasi kerapatan dan penampakan jaring dianalisis untuk melihat seberapa besar korelasi jaring tampak jelas dengan total padatan terlarut atau kemanisan.
Dari Gambar 16 terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti pada Lampiran 10. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Sehingga, dapat disimpulkan bahwa korelasi kerapatan dan penampakan jaring dianalisis dengan kemanisan atau TPT adalah lemah. Gambar 16 adalah korelasi dari kerapatan dan penampakan jaring dengan TPT:
27
Hubungan Kerapatan dan Penampakan Jaring dengan Kekerasan Kulit buah Hubungan atau korelasi kerapatan dan penampakan jaring dianalisis untuk melihat seberapa besar korelasi jaring tampak jelas dengan kekerasan pada kulit buah. Dari Gambar 17 terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti pada Lampiran 11. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Sehingga, dapat disimpulkan bahwa korelasi kerapatan dan penampakan jaring dianalisis dengan kekerasan kulit buah adalah lemah.
Gambar 17 adalah grafik korelasi dari kerapatan dan penampakan jaring dengan kekerasan kulit buah:
Gambar 17 Grafik hubungan kerapatan dan penampakan jaring dengan kekerasan kulit buah
28
Hubungan Kerapatan dan Penampakan Jaring dengan Kekerasan Daging buah
Hubungan atau korelasi kerapatan dan penampakan jaring dianalisis untuk melihat seberapa besar korelasi jaring tampak jelas dengan kekerasan pada kulit buah. Berikut ini adalah grafik korelasi dari kerapatan dan penampakan jaring dengan kekerasan daging buah:
Dari Gambar 18 terlihat bahwa rata-rata koefisien relasinya (r) atau akar kuadrat R2 kurang dari 0.5 (r< 0.5) seperti pada Lampiran 12. Menurut Siagian dan Sugiarto (2000), nilai r atau nilai koefisien relasi 0-0.5 kriteria hubungannya adalah korelasi lemah. Sehingga, dapat disimpulkan bahwa korelasi kerapatan dan penampakan jaring dengan kekerasan daging buah adalah lemah.
Gambar 18 Grafik hubungan kerapatan dan penampakan jaring dengan kekerasan daging buah
29
Analisis Diskriminan
Analisis diskriminan adalah salah satu teknik statistik yang bisa digunakan pada hubungan dependensi (hubungan antar variabel dimana sudah dapat dibedakan variabel respon dan variabel penjelas). Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau observasi ke dalam kelompok yang saling bebas dan menyeluruh berdasarkan jumlah variabel penjelas. Terdapat beberapa asumsi yang harus dilakukan sebagai syarat dari analisis diskriminan. Asumsi tersebut antara lain, uji normal multivariat dan uji kovarian. Analisis diskriminan ini dilakukan dengan menggunakan program SPSS versi 21.
Uji normal multivariat dilakukan untuk menormalkan variabel-variabel yang digunakan dimana nilai Sig. > 0.05 artinya data dari setiap variabel berdistribusi normal. Variabel atau parameter yang digunakan adalah parameter citra antara lain, red (merah), green (hijau), blue (biru), putih, dan hitam. Parameter green (hijau) tidak dapat dianalisis menggunakan analisis diskriminan atau tidak lolos uji normal multivariat dikarenakan nilai Sig. < 0.05.
Log determinant dilakukan untuk mengetahui bahwa kelompok umur melon 54 HST dan kelompok umur melon 60 HST memiliki varian yang sama atau berbeda. Log determinant untuk umur 54 HST adalah -12.072 dan log determinant untuk 60 HST adalah -11.454 (Lampiran 5). Setelah dilakukan pengujian atas variabel yang akan dianalisis, selanjutnya adalah melakukan proses pembentukan fungsi diskriminan. Pada penelitian ini digunakan model diskriminan, yaitu Two Group Discriminant yang hanya melibatkan dua kategori pada variabel.
Setelah dilakukan analisis sebelumnya maka diperoleh fungsi diskriminan. Fungsi tersebut yang nantinya sebagai acuan dalam pengklasifikasian buah melon yang belum diketahui umur melonnya. Adapun fungsi diskriminan, seperti di bawah ini :
= − . + .
dimana : Y = Fungsi diskriminan X1= red (r)
Kelompok centroid merupakan rata-rata nilai diskriminan dari tiap-tiap observasi di dalam masing-masing kelompok. Kelompok centroid untuk kelompok umur 54 HST adalah sebesar -0.393, sedangkan untuk kelompok umur 60 HST adalah 0.414. Hal ini menyatakan bahwa secara rata - rata skor diskriminan kedua kelompok berbeda cukup besar, sehingga fungsi diskriminan yang diperoleh dapat membedakan secara baik kelompok yang ada.
Berdasarkan perhitungan dengan menggunakan nilai rata-rata discriminant score, setiap kelompok dan jumlah anggota pada setiap kelompok dapat diketahui bahwa discriminant score yang menjadi perbatasan antar kelompok (cutting Z score), sehingga keanggotaan variabel dapat diprediksi. Dalam penelitian ini jumlah antara kedua kelompok berbeda, maka digunakan rumus :
30
�� = � � + �+ � = � − . ++ � . = .
dimana : Zcu = cutting score untuk kelompok yang sama ukuran Z1 = centroid kelompok 1
Z2 = centroid kelompok 2
n1 = jumlah variabel pada kelompok 1 (54 HST) n2 = jumlah variabel pada kelompok 2 (60 HST)
Gambar 19 Klasifikasi umur panen melon
Fungsi diskriminan digunakan untuk melakukan klasifikasi buah melon berdasarkan umurnya. Nilai dari masing-masing parameter disubstitusikan kedalam fungsi yang ada sehingga diperoleh hasil seperti yang disajikan pada Gambar 19. Grafik tersebut menunjukkan bahwa kedua umur melon mengelompok berdasarkan masing-masing klasifikasinya. Jika nilai fungsi diskriminan lebih besar dari nilai Zcu (< 0.000154) maka buah melon tersebut tergolong pada umur panen melon 54 HST. Jika nilai fungsi diskriminan lebih kecil dari nilai Zcu (> 0.000154) maka buah melon tersebut tergolong pada umur panen melon 60 HST.
-3,00 -2,00 -1,00 0,00 1,00 2,00 3,00 4,00 -3 -2 -1 0 1 2 3 4 C an on ical 2 Canonical 1 54 HST 60 HST
31 Tabel 12 Hasil pengklasifikasian umur panen melon
Umur
Melon
Predicted Group Membership
Total 54 HST 60 HST Original Count 54 HST 41.0 39.0 60.0 60 HST 19.0 38.0 57.0 % 54 HST 68.3 31.7 100.0 60 HST 33.3 66.7 100.0
Pada penelitian ini, hasil validasitas diskriminan menunjukkan bahwa buah melon yang tergolong dalam kelompok umur 54 HST sebanyak 41 buah. Sedangkan buah melon yang awalnya masuk kedalam kelompok umur 54 HST ternyata menjadi kelompok umur 60 HST sebanyak 39 buah. Demikian pula dengan kelompok umur 60 HST, sebanyak 38 buah merupakan melon yang tetap masuk kedalam kelompok umur 60 HST dan sisanya sebanyak 19 buah menjadi kelompok umur 54 HST. Jika nilai ketepatan diatas 50%, ketepatan model dianggap tinggi (Santoso 2002). Berdasarkan klasifikasi tersebut diperoleh ketepatan prediksi sebesar 68.4%. Hal ini menunjukkan bahwa analisis diskriminan untuk umur panen melon 54 HST dan 60 HST memiliki ketepatan klasifikasi atau pengelompokan yang tinggi (68.4% > 50%), maka model diskriminan dalam penelitian ini dapat digunakan untuk mengklasifikasikan sebuah kasus pada pengembangan deteksi tingkat kematangan melon dengan image processing.