Starfruit (Averrhoa carambola L.) Grading using Digital Image Processing Based on Artificial Neural Network

Abstract

Penanganan pasca panen belimbing perlu dilakukan agar kualitas buah tetap terjaga, salah satu contohnya adalah melakukan pemutuan sebelum proses penjualan. Pemutuan buah belimbing di Indonesia umumnya masih dilakukan dengan cara manual yang memiliki keterbatasan dari segi waktu, tenaga dan penilaian (subjektif). Pengolahan citra (image processing) dan jaringan syaraf tiruan (JST) dapat dijadikan sebagai salah satu metode penanganan pasca panen yang dapat membantu memutukan buah belimbing lebih seragam dan efektif. Penelitian ini bertujuan untuk menyusun dan menghasilkan sebuah program pengolahan citra pemutuan buah belimbing serta mengetahui tingkat keakuratan program tersebut dalam pendugaan mutu. Sampel bahan yang digunakan yaitu belimbing dengan kelas mutu A, B, C dan Reject yang dimutukan secara manual terlebih dahulu. Total sampel 200 buah, terdiri atas 160 buah (40 buah per kelas mutu) untuk training dan 40 buah (10 per kelas mutu) untuk testing. Tahapan penelitian meliputi image aquisition, pengambilan gambar citra, penentuan variabel mutu citra, pembuatan program pengolahan citra, ektraksi citra, analisis statistik dan pembuatan grafik boxplot, penentuan input JST, penentuan variasi arsitektur JST, training semua variasi JST, simulasi data testing dengan propagasi maju, penentuan variasi terbaik, integrasi model JST dengan program pengolahan citra, serta validasi program. Hasil penelitian menunjukkan variasi JST terbaik untuk menyusun program pemutuan belimbing adalah variasi dengan 10 node hidden layer dan 7 input variabel (area, tinggi, perimeter, area cacat, indeks warna R, G dan B). Hasil validasi menunjukkan, program pemutuan belimbing memiliki tingkat akurasi dalam menduga mutu sebesar 85 %.