Rancang Bangun Mesin Sortir Buah Tomat Berdasarkan Tingkat Kematangan Dengan Metode Neural Networks

Abstract

Tomat adalah salah satu tanaman holtikultura yang memiliki prospek pasar yang menjanjikan. Tidak heran, banyak pelaku usaha dalam bidang pertanian melirik buah tersebut. Hal ini tentu harus diimbangi dengan kualitas buah yang baik. Salah satu penilaian kualitas buah tomat dapat dilihat dari warna buah. Namun dalam proses pemilihannya masih secara manual dan melibatkan manusia sebagai pengambil keputusan. Cara tersebut dapat menimbulkan perbedaan persepsi dalam menilai kualitas buah karena keterbatasan visual manusia. Dengan demikian, diperlukan suatu sistem yang dapat mengklasifikasi buah tomat sehingga adanya penyeragaman produk untuk meningkatkan kualitas buah. Pada penelitian ini, digunakan mesin sortir berupa konveyor untuk menyortir buah tomat berdasarkan tingkat kematangannya. Kategori tomat yang digunakan adalah tomat merah atau tomat sayur. Buah tomat diklasifikasikan menjadi tiga tingkat kematangan yaitu
mentah, setengah matang dan matang. Tahap awal penelitian adalah pengumpulan data citra tomat. Selanjutnya melakukan tahap pre-processing, lalu diekstrak fitur warnanya berdasarkan nilai RGB. Dari data tersebut akan diklasifikasi tingkat kematangannya menggunakan metode jaringan syaraf tiruan Learning Vector Quantization (LVQ). Pada penelitian ini juga ditambahkan metode image processing untuk mengolah citra yang ditangkap oleh Pi Camera. Dari penelitian yang dilakukan, identifikasi tingkat kematangan buah tomat dengan metode LVQ sudah dapat mengklasifikasi dengan tingkat akurasi sebesar 56,7%.