Prediksi Indeks Fermentasi Dan Ph Biji Kakao Berbasis Fitur Warna Pada Citra Digital Uji Belah Dan Model Jaringan Saraf Tiruan
| Main Authors: | Anggraini, Clara Dwi, Dr.Agr.Sc Dimas F.A. R.,, ST. M.Sc, Angky Wahyu Putranto,, STP, MP |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/189195/1/-%20Clara%20Dwi%20Anggraini.pdf http://repository.ub.ac.id/189195/ |
Daftar Isi:
- Kakao atau Theobroma cacao adalah salah satu komonditas unggulan perkebunan yang memiliki permintaan pasar yang sangat tinggi di dalam ataupun diluar negeri. Namun, kualitas biji kakao asal indonesia termasuk dalam golongan rendah yaitu 3 dan 4 yang tidak terfermentasi secara sempurna akibat dari kurangnya pengetahuan dan teknologi pengukuran tingkat fermentasi dikalangan petani. Tujuan dari penelitian ini adalah untuk mengetahui proses pengambilan citra biji kakao menggunakan studio mini, mengetahui hubungan antara fitur warna dengan pH dan indeks fermentasi biji kakao serta hasil permodelan jaringan saraf tiruan untuk mengklasifikasikan tingkat fermentasi biji kakao. Metode penelitian yang digunakan yaitu menggunakan metode experimental laboratorik dan analysis citra dengan data latih dari dataset citra gambar menggunakan parameter warna. Metode experimental laboratorik dilakukan untuk mengetahui pH dan indeks fermentasi dari 5 buah sampel biji kakao yang telah diambil citra menggunaka studio mini dari 10 tingkat fermentasi. Analisi citra dilakukan untuk mengetahui hubungan antara citra dengan pH dan indeks fermentasi menggunakan model Partial Least Squares Regression serta klasifikasi tingkat fermentasi biji kakao berdasarkan fitur warna RGB, HSV dan Lab. Hasil model Partial Least Squares Regression menunjukan hubungan yang signifikan sebesar 99 % dan 93% antara fitur warna biji kakao dengan pH dan 99 % dan 96 % untuk hubungan fitur warna dengan indeks fermentasi biji kakao. Hasil model jaringan saraf tiruan untuk 10 tingkat klasifikasi biji kakao menunjukan akurasi lebih dari 10 % pada data training dan lebih dari 9 % dengan hyperparameter berupa nilai hidden layer 64-64- 8 menggunakan fungsi aktivasi relu dan Sigmoid, learning rate sebesar 0.005, epoch 500 dan batch Size 20. Tingkat Akurasi yang rendah disebabkan oleh faktor ukuran dari biji kakao yang beragam yang menyebabkan lama waktu fermentasi tidak merata yang ditunjukan ditunjukan dari biji kakao dengan ukuran besar memiliki memiliki nilai L* a* b* yang lebih tinggi dibandingkan ukuran kecil.