Pengembangan Algoritma Image Processing Untuk Menentukan Tingkat Kematangan Buah Tomat Segar
Abstract
Buah tomat merupakan salah satu produk hortikultura yang mempunyai prospek pemasaran yang cerah. Hal ini dapat dilihat dari banyaknya buah tomat yang dapat dimanfaatkan masyarakat. Potensi pasar buah tomat juga dapat dilihat dari harga yang terjangkau oleh seluruh lapisan masyarakat, sehingga membuka peluang lebih besar terhadap serapan pasar. Peningkatan jumlah penduduk, pendidikan, kesadaran gizi dan meningkatnya pendapatan masyarakat juga akan meningkatkan kebutuhan buah tomat. Selain itu, meningkatnya kemajuan di bidang industri pengolahan akan berperan terhadap besarnya serapan pasar buah tomat. Penanganan pasca panen memegang peranan penting dalam penentuan mutu tomat, terutama kegiatan sortasi dan pemutuan. Selama ini kegiatan sortasi dan pemutuan buah tomat dilakukan secara manual, sehingga menghasilkan produk yang kurang seragam. Karena hasil sortasi manual yang kurang memuaskan, maka diperlukan suatu metode untuk mensortasi dan mengelompokkan tomat dengan baik. Perkembangan metode pengolahan citra memungkinkannya dilakukan penentuan tingkat kematangan tomat tanpa merusaknya. Tujuan penelitian ini adalah mempelajari parameter kematangan buah tomat segar menggunakan pengolahan citra kemudian menyusun algoritma image processing untuk menentukan tingkat kematangan buah tomat segar serta menggolongkan buah tomat sesuai dengan tingkat kematangannya. Penelitian ini dilaksanakan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian. Waktu pelaksanaan penelitian pada bulan Maret sampai Juni 2007. Bahan yang digunakan dalam penelitian ini adalah buah Tomat segar dengan kondisi panen hijau penuh, hijau-merah dan merah penuh masing-masing 50 buah yang diperoleh dari petani tomat di daerah Cikoneng, Bandung. Adapun peralatan yang digunakan adalah seperangkat komputer, kamera CCD, 4 buah lampu TL dengan daya 5 watt, kain putih sebagai latar belakang, jangka sorong, timbangan digital, rheometer, refraktometer, dan luxmeter . Pada penelitian ini, terdapat beberapa tahapan yaitu pengambilan citra, pengolahan citra yang meliputi pengukuran area, diameter, panjang, dan warna RGB, pengukuran langsung yang meliputi pengukuran berat buah tomat, pengukuran diameter, pengukuran kekerasan, dan pengukuran total padatan terlarut, tahap pengolahan data hasil pengolahan citra dan data pengukuran langsung, penentuan parameter mutu yang akan digunakan dalam proses pengelompokan dan validasi algoritma pemutuan. Hubungan antara area tomat hasil pengolahan citra yang direkam dari arah atas dengan berat tomat diperoleh nilai koefisien determinasinya yaitu sebesar 0.9144. Sedangkan untuk citra yang direkam dari arah samping nilai koefisien determinasinya yaitu sebesar 0.9155. Dengan melihat nilai koefisien determinasi, makan dapat disimpulkan bahwa nilai parameter berat tomat dapat diduga dari area tomat, hubungan antara panjang tomat hasil pengolahan citra dengan panjang aktual tomat diperoleh nilai koefisien determinasinya yaitu sebesar 0.8547. Hubungan antara diameter tomat hasil pengolahan citra yang direkam dari arah atas dengan diameter aktual tomat diperoleh nilai koefisien determinasinya yaitu sebesar 0.7989. Sedangkan untuk citra yang direkam dari arah samping nilai koefisien determinasinya yaitu sebesar 0.7366. Dengan melihat nilai koefisien determinasi baik untuk panjang maupun diameter, maka dapat disimpulkan bahwa model regresi yang dihasilkan memiliki hubungan cukup kuat, sehingga model regresi yang dihasilkan dapat menjelaskan perilaku perubahan nilai peubah y (panjang dan diameter tomat yang sebenarnya) dengan cukup baik.