IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Fenomena hard to cook (HTC) berkembang karena penyimpanan biji kacang dalam kondisi suhu tinggi (≥ 25 °C) dan kelembaban tinggi (≥ 65 %). Biji kacang yang mengalami fenomena HTC dicirikan oleh hilangnya cahaya warna, munculnya kecoklatan dan penggelapan, serta penurunan Kapasitas Penyerapan Air (WAC). Tujuan penelitian ini adalah mengembangkan sistem analisis citra CFA (Color Filter Array) untuk mengukur WAC biji kacang dengan presisi tinggi dalam selang waktu singkat (10 menit). Hubungan antara fitur citra CFA yang diekstraksi dari citra mentah yang ditangkap oleh kamera CCD (charge coupled device) dengan WAC yang diukur dibangun. Model kalibrasi menggunakan regresi linier berganda (MLR) dikembangkan untuk memprediksi WAC. Model MLR untuk sampel prediksi menghasilkan koefisien korelasi (R2) berkisar antara 0,811 hingga 0,947, kesalahan baku prediksi (SEP) antara 7,587 hingga 11,669, dan nilai variabel Fisher (F) antara 52,300 hingga 221,690. Hasil menunjukkan bahwa sistem visi komputer (CVS) berbasis teknik analisis citra CFA dapat menyediakan metode pengukuran WAC yang akurat, andal, dan nondestruktif untuk mengevaluasi cacat hard to cook pada biji kacang.

Penyimpanan lima varietas kacang dalam kondisi suhu tinggi dan kelembaban relatif tinggi membuatnya rentan terhadap fenomena pengerasan.Perubahan dalam karakteristik kualitas biji terjadi akibat penyimpanan, termasuk hilangnya cahaya warna, munculnya kecoklatan dan penggelapan, serta penurunan kapasitas penyerapan air (WAC).Metode nondestruktif berbasis analisis citra CFA berhasil digunakan untuk memprediksi WAC kacang menggunakan regresi linier berganda, dengan model kalibrasi yang tervalidasi secara sukses dan memberikan hasil yang dapat diandalkan meskipun memiliki nilai SEC dan SEP yang relatif tinggi.

Pertama, perlu dikembangkan penelitian untuk mengoptimalkan model prediksi WAC dengan menerapkan algoritma pemrosesan citra yang lebih canggih seperti jaringan syaraf tiruan atau transformasi wavelet, guna meningkatkan ketepatan dan ketahanan model terhadap variasi kondisi lingkungan penangkapan citra. Kedua, penting untuk menyelidiki apakah metode berbasis CFA dapat diterapkan pada varietas kacang lainnya yang berasal dari musim tanam atau wilayah pertumbuhan berbeda, untuk mengevaluasi cakupan dan adaptabilitas teknik ini secara luas. Ketiga, perlu dilakukan studi komparatif tentang efektivitas sistem CFA dibandingkan dengan alat ukur warna konvensional seperti colorimeter atau spektroskopi NIR, dalam memprediksi tidak hanya WAC tetapi juga parameter kualitas biji lainnya seperti kadar protein atau serat, sehingga dapat ditentukan pendekatan terbaik untuk pengujian nondestruktif secara komprehensif.

Read online
File size516.67 KB
Pages12
DMCAReport

Related /

ads-block-test