UNPERUNPER

Informatics and Digital Expert (INDEX)Informatics and Digital Expert (INDEX)

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang dapat digunakan untuk mengidentifikasi kualitas buah jeruk secara otomatis menggunakan analisis warna RGB. Permasalahan yang diangkat dalam penelitian ini adalah proses identifikasi kualitas buah yang masih dilakukan secara manual, sehingga kurang efisien dan berpotensi menimbulkan subjektivitas. Metode yang digunakan adalah pengolahan citra digital dengan memanfaatkan nilai warna RGB sebagai dasar dalam proses klasifikasi. Sistem dirancang untuk menerima input berupa citra buah, kemudian memproses dan mengklasifikasikan kondisi buah ke dalam kategori segar, matang, dan busuk. Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi kualitas buah dengan tingkat akurasi mencapai 100% pada data uji yang digunakan. Selain itu, waktu respon sistem berada pada rentang 1.1 hingga 1.3 detik, yang menunjukkan bahwa proses deteksi dapat dilakukan secara cepat dan konsisten. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi alternatif dalam membantu proses identifikasi kualitas buah secara otomatis, lebih cepat, dan lebih objektif dibandingkan metode manual.

Berdasarkan hasil penelitian yang telah dilakukan, aplikasi berbasis web untuk identifikasi kualitas buah jeruk menggunakan analisis warna RGB telah berhasil dikembangkan dan mampu berjalan sesuai dengan tujuan penelitian.Sistem dapat melakukan proses identifikasi mulai dari input citra, preprocessing, analisis warna RGB, hingga menghasilkan klasifikasi secara otomatis.Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan kondisi buah ke dalam kategori segar, matang, dan busuk dengan hasil deteksi yang sesuai pada seluruh data uji.Selain itu, sistem juga memiliki waktu respon yang relatif cepat dan stabil, yaitu berkisar antara 1,1 hingga 1,3 detik, sehingga proses identifikasi dapat dilakukan secara efisien.Metode RGB terbukti cukup efektif dalam membedakan karakteristik visual buah berdasarkan komposisi warna yang dimiliki.Sistem juga mampu melakukan identifikasi pada kondisi pencahayaan dan sudut pengambilan gambar yang berbeda.Namun, performa sistem masih dipengaruhi oleh faktor eksternal seperti intensitas pencahayaan, kualitas kamera, bayangan, dan latar belakang citra.Penelitian selanjutnya dapat dikembangkan dengan mengombinasikan fitur warna RGB dengan metode ekstraksi tekstur, seperti GLCM atau LBP, sehingga sistem dapat mengenali karakteristik buah secara lebih detail dan meningkatkan akurasi identifikasi.

Untuk meningkatkan akurasi dan ketahanan sistem terhadap variasi kondisi lingkungan, penelitian selanjutnya dapat mengombinasikan metode RGB dengan teknik pengolahan citra lainnya. Selain itu, penambahan variasi data uji dan peningkatan jumlah dataset juga diperlukan untuk meningkatkan kemampuan sistem dalam melakukan identifikasi secara lebih konsisten pada kondisi penggunaan nyata. Pengembangan lebih lanjut juga dapat dilakukan pada tahap preprocessing citra, seperti normalisasi pencahayaan dan pengurangan noise, agar sistem lebih stabil terhadap variasi kondisi lingkungan dan kualitas gambar.

  1. Application of Computer Vision for Real-Time Detection of Fruit Color and Size in Fruit Sorter | Journal... doi.org/10.30871/jaee.v7i2.6740Application of Computer Vision for Real Time Detection of Fruit Color and Size in Fruit Sorter Journal doi 10 30871 jaee v7i2 6740
  2. IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KESEGARAN PADA APEL | JURNAL FASILKOM. implementasi... ejurnal.umri.ac.id/index.php/JIK/article/view/5175IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KESEGARAN PADA APEL JURNAL FASILKOM implementasi ejurnal umri ac index php JIK article view 5175
  3. Penggunaan Visi Komputer untuk Mengidentifiksi Jenis Buah dari Gambar | Router : Jurnal Teknik Informatika... doi.org/10.62951/router.v2i4.287Penggunaan Visi Komputer untuk Mengidentifiksi Jenis Buah dari Gambar Router Jurnal Teknik Informatika doi 10 62951 router v2i4 287
Read online
File size649.67 KB
Pages7
DMCAReport

Related /

ads-block-test