PEMBUATAN APLIKASIIDENTIFIKASI KESEGARAN SAWI HIJAU DENGAN EKSTRAKSI FITUR WARNA DAUN DAN FITUR BENTUK BATANG MENGGUNAKANBINARYMORPHOLOGY
| Main Authors: | AFWIKA CHORI QUWATTIKA, Pembimbing (1) : Dr.Eng. Rosa Andrie Asmara, ST, MT., (2) Mustika Mentari, S.Kom., M.Kom |
|---|---|
| Format: | Book |
| Bahasa: | ind |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://digilib.jti.polinema.ac.id//index.php?p=show_detail&id=1714 http://digilib.jti.polinema.ac.id//lib/phpthumb/phpThumb.php?src=../../images/docs/1_SKRIPSI.jpeg.jpeg |
Daftar Isi:
- Sawi merupakan sayurandengan vitamin tinggiserta memiliki nilai komersial. Namun sawi hijau mudah sekali rusak dan mengalami pelayuan karena banyak mengandung airpada luas permukaan daun. Kesegaran merupakan standar mutu dari pemilihan produk agricultursesuai dengan Standar Nasional Indonesia (SNI). Identifikasi kesegaran sawi pada skala besar dengan pengamatan visual secara kasat mata berdasarkan warna, bercak atau lubang pada daun serta batang mudah dipatahkan (tidak ulet) hal ini bersifat destruktif serta memerlukan waktu yang lama. Penelitian ini mengembangkan aplikasi identifikasi kesegaran sawi hijau secara otomatis dengan ekstraksi fitur warna daun dan fitur bentuk batang menggunakan binarymorphology.Proses identifikasi dilakukan berdasarkan analisis visual menggunakan fitur bentuk dari batang dan warna daun. Pre-processing citra sawi pada segmentasi dengan menggunakan Global Thresholdingpada intensitas cahaya yang mencukupi mempunyai akurasi 98,55%. Ekstraksi bentuk batang menggunakan metode BinaryMorphology (Thinning), sertaMetode Statistik Orde I denganModusmenggunakan alat bantu histogram untuk ekstraksi warna pada daun. Ekstraksifitur warna RGB pada daun mempunyai akurasi sebesar 58,89%. Ekstraksi fitur bentuk dari menghitung kelengkungan batang sawi mencapai 77,78%. Hasil ekstraksi terbaik dengan menggabungkan fitur warna dan bentuk mempunyai akurasi mencapai 82.22%.Untuk proses pengklasifikasian menggunakan Metode Jaringan Syaraf Tiruan, pada algoritma Single LayerPerceptron mempunyai 3 output tingkat kesegaran dengan akurasi segar: 85,71% , agak layu: 80% dan sangat layu: 100%, hingga total keberhasilan dalam mengidentifikasi kesegaran pada aplikasi adalah 90%. Berdasarkan penelitian yang dilakukan hasil akurasi menunjukan bahwa metode yang digunakan cukup baik untuk klasifikasi tingkat kesegaran pada citra sawi hijau.Kata kunci:Pengolahan Citra, Identifikasi, Kesegaran, Sayuran, Sawi, Agricultural, Kualitas, Ekstraksi Fitur, Bentuk, Warna, Histogram, Morphologi, Thinning, Normalisasi, JST, PerceptronMustard Greens is a vegetable with high vitamin and has commercial value. Mustard greens easily damaged and suffered a withering because contain much water in the leaf surface area. Freshness is the quality standard of the selection agriculture product in accordance with the national standard Indonesia (SNI). Freshness identification of mustard greens on a large scale with visual observations are visible by color, spots or holes on the leaf and stem are easily broken (not resilient). This is destructive and requires a long time. This research developed automatic freshness identification application to identify the freshness of mustard color feature extraction with green leaves and stems form features using binary morphology.The identificationprocess is done based on visual analysis using the shape of the stem and their leaf color. Mustard green image segmentation is done using on Global Thresholding with the sufficient intensity of light give segmentation accuracy 98.55% approximately. The stem shape feature extraction using Binary Morphology (Thinning) Method, as well as Statistical Methods First Order using Mode in the histogram tool for the extraction of the color feature on the leaf. RGB color feature extraction on the leaf has the accuracy of 58.89%. Shape feature extraction with counting curvature on the stem of mustard greens reaches 77.78%. The best extraction results by combining the features of color by leaf and shape of the stem having accuracy reach 82.22%. For the process of classification using Neural Network Method, on a Single Layer Perceptron algorithm has three output levels of freshness with accuracy of the fresh Category is : 85.71%, slightly wilted: 80% and very wilt: 100%, total success in identifying the freshness on the application is 90%. Based on research conducted accuracy results indicate that the methods used are good enough for the classification level of freshness on the image of the mustard greens.Keywords— Image processing, Identification, Freshness, Vegetable, Green Mustards, Agriculture, Quality, FeatureExtraction, Shape, Color, Histogram, Morphology, Thinning, Normalization, Neural Network, Perceptron