i
ABSTRAK
FAHMIL IKHSAN HIDAYAT : Identifikasi Kematangan Buah Jambu Biji Merah dengan Teknik Jaringan Syaraf Tiruan Metode Backpropagation, dibimbing oleh LUKMAN ADLIN HARAHAP dan SULASTRI PANGGABEAN.
Identifikasi kematangan buah jambu biji merah umumnya dilakukan secara manual oleh petani. Buah dilihat secara visual oleh mata lalu direspon oleh otak untuk membedakan tingkat kematangannya. Dalam jumlah yang besar akan sulit untuk menjaga kinerjanya dikarenakan faktor keletihan dari otak tersebut. Penelitian ini menggunakan metode pengukuran yang bersifat non-konvensional yaitu menggunakan pengolahan citra digital (image processing) menghasilkan data yang akan diproses secara pelatihan dengan jaringan syaraf tiruan (artificial neural network) kemudian diolah dengan menggunakan perangkat lunak komputer sehingga dapat digunakan untuk menentukan tingkat kematangan buah jambu biji merah. Buah jambu biji merah dapat diidentifikasi berdasarkan input histogram warna citra (RGB) yang didapat dari hasil pengambilan gambar terlebih dahulu yang dimana kemudian dibangun bentuk aplikasi dengan menggunakan perangkat lunak visual basic. Dari beberapa sampel pelatihan, pola data tingkat kematangan buah jambu biji merah memiliki bobot nilai yang berbeda digunakan sebagai input pada jaringan syaraf tiruan dengan metode backpropagation untuk membedakan buah mentah, matang dan busuk. Sistem identifikasi ini mampu mengenali seluruh kategori buah dengan tingkat keberhasilan identifikasi kebenaran 83.3%. Dari hasil identifikasi yang telah dilakukan menghasilkan tiga output identifikasi yaitu jeruk matang 85%, lewat matang 75%, dan mentah 90%. Hasil identifikasi ini dipengaruhi oleh kondisi dari cara pengambilan gambar buah. Kata Kunci : Jaringan Syaraf Tiruan, Pengolahan Citra, backpropagation, Identifikasi, kematangan, Jambu Biji Merah
ABSTRACT
FAHMIL IKHSAN HIDAYAT : Identification of Guava Maturity with Artificial
Neural Network Backpropagation Method, supervised by LUKMAN ADLIN HARAHAP and SULASTRI PANGGABEAN.
Identification of guava maturity is generally done manually by the farmers. Fruit seen visually by eyes and responded to by the brain to distinguish the level of maturity. In large quantities it will be difficult to maintain the performance of the brain due to the fatigue factor. This study was a non-conventional method of measurement that used digital image processing to produce data that will be proce5ssed by artificial neural networks and then processed using computer software that can be used to determine the level of maturity of guava. Guava are identified based on the histrogram input image color ( RGB ) that obtained from the results of the capture which then application built by using Visual Basic software. Some sample of the learning pattern guava data had different weighted values as input to the neural network by using
ii
backpropagation method to distinguish raw, ripe and rotten fruits. This identification system was capable to identify the entire category of fruit which were 83.3 % correct identification. From the identification that had been done, resulting the identification of the three outputs 85 % ripe citrus, over ripe 75 %, and 90 % raw. Results of the identifications were affected by the shooting fruit process.
Key words : Artificial Neural Network, Image processing, backpropagation,
Identification, maturity, guava
