STTSSTTS

INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and Computation

Jeruk (Citrus sp.) adalah salah satu komoditas pertanian yang paling melimpah di Indonesia. Salah satu jeruk lokal yang populer adalah Jeruk Tangerin Batu 55. Panen jeruk tangerin dimulai 252 hari setelah bunga mekar. Secara konvensional, tingkat kematangan ditentukan dengan mengamati warna, bentuk, dan kekerasan. Hasil pengelompokan manual cenderung subjektif dan kurang akurat. Pengujian destruktif dapat dilakukan dan memberikan hasil objektif; namun, memerlukan sampel dan merusak buah. Visi komputer dapat digunakan untuk mengevaluasi tingkat kematangan buah secara non-destruktif. Visi komputer dual mode refleksi-fluoresensi dapat meningkatkan akurasi prediksi. Studi ini bertujuan mengembangkan model klasifikasi dan memprediksi karakteristik fisika-kimia Jeruk Tangerin Batu 55. Pengujian destruktif masih dilakukan untuk menentukan nilai TPT, tingkat keasaman, dan kekerasan buah. Pengujian non-destruktif dilakukan untuk mendapatkan gambar refleksi dan fluoresensi. Setelah mendapatkan data destruktif dan non-destruktif, kami akan mengintegrasikannya ke dalam model klasifikasi dan prediksi. Metode pembelajaran mesin untuk klasifikasi kematangan menggunakan tiga model, yaitu KNN, SVM, dan Random Forest. Hasil terbaik pada data refleksi (RGB) model SVM menghasilkan akurasi 1 untuk data pelatihan dan 0.97 untuk data pengujian. Metode prediksi parameter kematangan menggunakan metode PLS. Hasil terbaik untuk parameter R2 rasio Brix/Acidity adalah 0.81 dan RMSE 3.4.

Sebuah model pembelajaran mesin telah dikembangkan menggunakan dataset gambar refleksi-fluoresensi untuk mengklasifikasikan tiga tingkat kematangan buah Jeruk Tangerin Batu 55, menggunakan tiga model.Model SVM yang menggunakan data refleksi (RGB) menghasilkan hasil yang paling menguntungkan, mencapai akurasi pelatihan 100% dan akurasi pengujian 97%.Untuk prediksi kematangan buah Jeruk Tangerin Batu 55 menggunakan metode PLS, rasio Brix/Acidity muncul sebagai parameter yang signifikan dibandingkan yang lain.Secara khusus, set fitur yang digabungkan menghasilkan akurasi prediksi tertinggi, dengan nilai R2 sebesar 0.

Berdasarkan studi ini, penelitian lanjutan dapat mengembangkan model pembelajaran mesin berbasis deep learning untuk meningkatkan akurasi prediksi kematangan jeruk. Selain itu, penelitian dapat mengeksplorasi penerapan teknik visi komputer pada varietas jeruk lain atau kondisi lingkungan yang berbeda. Selanjutnya, penggunaan sensor tambahan atau teknik fusi data untuk memperkaya parameter prediksi juga menjadi arah penelitian yang layak dikembangkan. Penelitian ini juga dapat diperluas untuk mengevaluasi dampak metode non-destruktif pada kualitas buah secara keseluruhan. Studi lanjutan juga dapat menggabungkan data dari berbagai sumber, seperti data iklim atau kondisi penyimpanan, untuk meningkatkan keandalan model. Selain itu, penelitian dapat mengevaluasi efisiensi dan skalabilitas sistem prediksi dalam skenario industri pertanian nyata. Penelitian ini juga membuka peluang untuk mengembangkan alat deteksi kematangan yang dapat diintegrasikan dengan sistem manajemen pasca panen. Dengan mengoptimalkan model dan menggabungkan data multidimensi, penelitian lanjutan dapat memperkuat aplikasi teknologi non-destruktif dalam industri pertanian. Terakhir, penelitian dapat mengevaluasi perbandingan antara metode non-destruktif dan destruktif dalam konteks ekonomi dan keberlanjutan.

  1. 0. home browse journals resources submission books us contact information aims scope editorial board... hrpub.org/journals/article_info.php?aid=124510 home browse journals resources submission books us contact information aims scope editorial board hrpub journals article info php aid 12451
  2. Prediction of Physico-Chemical Characteristics in Batu Tangerine 55 Based on Reflectance-Fluorescence... doi.org/10.52985/insyst.v6i1.363Prediction of Physico Chemical Characteristics in Batu Tangerine 55 Based on Reflectance Fluorescence doi 10 52985 insyst v6i1 363
Read online
File size519.08 KB
Pages6
DMCAReport

Related /

ads-block-test