Identifikasi Total Karoten Cabai Rawit (Capsium Frutescens L. ) Berbasis Analisis Citra Digital Dengan Pendekatan Fitur Warna Dan Tekstur
| Main Author: | Nuryani, Sri |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/165842/ |
Daftar Isi:
- Cabai rawit merupakan salah satu komoditas hortikultura yang banyak dibudidayakan oleh petani di Indonesia, karena memiliki harga jual yang tinggi dan memiliki beberapa manfaat kesehatan. Selain itu, Cabai rawit mengandung kadar karotenoid yang cukup tinggi dibandingkan dengan jenis cabai yang lain. Karotenoid berfungsi sebagai perkursor vitamin A dan merupakan sumber antioksidan bagi tubuh. Selama ini, proses klasifikasi mutu cabai rawit hanya dilakukan secara manual dengan visual mata manusia tanpa melihat kandungan gizi didalamnya. Oleh karena itu, penulis melakukan penelitian berbasis pengolahan citra. Adapun tujuan dari penelitian ini adalah (1) Untuk mencari hubungan tingkat kematangan terhadap kategori mutu karotenoid pada buah cabai rawit. (2) Menguji hubungan fitur warna dan fitur tekstur citra terhadap kategori mutu karotenoid pada buah cabai rawit. Penelitian ini menggunakan objek penelitian berupa cabai rawit yang digolongkan menjadi tiga kelas. Dari ketiga kelas tersebut diambil masing-masing lima buah sampel untuk diukur kandungan total karoten dan 100 buah sampel untuk diambil citra dari satu sisi sehingga total citra dari cabai rawit ada 300 buah. Dari 300 citra tersebut kemudian diekstrak untuk diperoleh nilai warna RGB, HSV, HSL, L*a*b, CMY, CMYK, LCH, LUV dan warna keabuan, serta 10 tekstur citra. Data citra khususnya tekstur citra kemudian dinormalisasi pada skala 0 hingga 1. Setelah itu dianalisis terkait korelasi parameter citra terhadap kategori mutu cabai rawit. Hasil analisa menunjukan bahwa dari 286 parameter citra digital diperoleh 18 parameter yang mampu mengkategorikan seluruh kategori mutu cabai rawit, 76 parameter citra digital mampu mengkategorikan dua vii pasang mutu cabai rawit, 75 parameter hanya mampu mengkategorikan sepasang mutu cabai rawit, serta 117 parameter tidak dapat dijadikan indikator. Parameter citra digital yang terdiri dari fitur warna dan fitur tekstur yang dapat dijadikan indikator pemutuan caba rawit yaitu Hue Mean, H (LCH) Mean, Green SumMean, Gray SumMean, Hue SumMean, Y SumMean, M (CMY) SumMean, L (L*a*b) SumMean, a (L*a*b) SumMean, H(LCH) SumMean, U (LUV) SumMean, Hue Variance, a (L*a*b) Variance, U (LUV) Variance, V(LUV) Variance, dan Hue Cluster. Dari 18 parameter citra yang dapat dijadikan indikator pemutuan cabai rawit dilakukan validasi data 20 % menghasilkan parameter terbaik sebagai indikator pemutuan cabai rawit yaitu Hue Mean dengan tingkat keakurasian 80 %.