Prediksi Kandungan Vitamin C Pada Tomat Berbasis Analisis Citra Digital Menggunakan Metode Artificial Neural Network
| Main Author: | Rachmawati, Arisa |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/165232/ |
Daftar Isi:
- Tomat merupakan salah satu sayuran yang banyak dikonsumsi dan diproduksi di Indonesia, salah satu kandungan gizi tomat yang cukup tinggi adalah vitamin C. Kandungan vitamin C umumnya dapat diketahui dengan pengujian di laboratorium yang membutuhkan waktu cukup lama serta merusak objek. Oleh sebab itu dilakukan prediksi kandungan vitamin C secara non destructive menggunakan analisis citra digital. Penelitian ini akan menggunakan pemodelan Artificial Neural Network (ANN). Tujuan dari penelitian ini adalah 1) Mencari pengaruh indeks warna Red, Green, Blue (RGB) dan Hue, Saturation, Value (HSV) serta L*a*b terhadap kandungan vitamin C pada tomat dan 2) Mencari bentuk pemodelan untuk prediksi kandungan vitamin C pada tomat menggunakan ANN. Penelitian ini menggunakan tomat dengan 3 tingkat kematangan. Berdasarkan penelitian diketahui kandungan vitamin C tomat mengalami peningkatan seiring meningkatnya tingkat kematangan. Hubungan antara indeks warna RGB, HSV, dan L*a*b terhadap kandungan vitamin C tomat mempunyai nilai yang berbeda-beda. Pada indeks warna Green didapatkan nilai koefisien determinasi sebesar 0,3928, indeks warna Hue sebesar 0,357 dan indeks warna a* sebesar 0,5197. Dari penelitian ini, diperoleh model ANN yang terbaik adalah dengan 9 input yaitu RGB, HSL, dan L*a*b. Input tersebut diolah menggunakan MATLAB data training sebesar 75% dan testing sebesar 25%. Fungsi pelatihan yang digunakan adalah traingdm, dengan satu hidden layer dan fungsi vii aktivasi tansig. Prediksi kandungan vitamin C dengan topologi terbaik adalah 9-30-1 (9 node input, 30 node hidden layer, 1 node output). Dari topologi terbaik tersebut, dihasilkan nilai koefisien determinasi training sebesar 0,66662 dan MSE training sebesar 0,08785 dengan nilai koefisien determinasi testing sebesar 0,82294 dan MSE testing sebesar 0,05859. Nilai akurasi training yang dihasilkan sebesar 90,1253% sedangkan nilai akurasi testing sebesar 92,2391%.