Pengembangan pemutuan buah manggis untuk ekspor secara non destruktif dengan jaringan syaraf tiruan

Abstract

Teknik pemutuan manggis untuk ekspor masih dilakukan secara manual terhadap mutu bagian luar buah saja. Hal ini menyebabkan mutu manggis untuk ekspor masih belum memuaskan konsumen karena ketidakseragaman dan adanya manggis yang rusak bagian dalam. Teknik manual sangat tergantung pada keadaan dan kondisi dari tenaga penyortir. Kelemahan evaluasi secara manual ini penyebabnya adalah faktor kelelahan manusia, keragaman visual dan perbedaan persepsi mutu buah. Penelitian ini mempunyai tujuan membangun sistem kecerdasan buatan berbasis jaringan syaraf tiruan, untuk mekanisme sortasi dan pemutuan buah manggis segar secara non-destruktif dengan menggunakan JST. Parameter input yang digunakan adalah hasil dari pengolahan citra dan gelombang ultrasonik, pengolahan citra untuk mutu luar dan gelombang ultrasonik untuk mutu dalam. Sampel manggis yang digunakan dalam penelitian ini adalah buah manggis yang telah dipilah oleh tenaga penyortir berpengalaman kemudian diambil citranya dengan kamera CCD digital berwarna dengan perangkat penunjang video capture MATROX Meteor, dan diukur gelombang ultrasonik pada frekwensi 50kHz.. Keluaran dari citra digital dan ultrasonik yang mempunyai korelasi dengan mutu dijadikan input JST. Hasil penelitian menunjukkan bahwa area, indek warna merah (r), indek warna biru (b), saturasi, intensitas, dan kecepatan gelombang ultrasonik mempunyai korelasi dengan kelas SNI manggis, sedangkan r, g, b, H, S, dan I mempunyai korelasi dengan sifat fisiko-kimia. Ketepatan pemutuan keutuhan kelopak dengan pengolahan citra adalah sebesar 100 %. Pemutuan berdasarkan diameter mempunyai ketepatan sebesar 94 %. Rata-rata kecepatan gelombang ultrasonik manggis rusak adalah 0.1402 mm/μs dan manggis tidak rusak adalah 0.1282 mm/ μs. Ketepatan pemutuan manggis dengan JST sebesar 95 % untuk kelas SNI dan 92 % untuk pendugaan rasio gula/asam.

Grading of mangosteen for export in Indonesia, so far, is done manually based on visual evaluation. The practices cause ununi form quality, since theinside defects of fruits are undetected. Human errors also occur frequently due to the fatigue of the workers. This research aimed to develop a non destructive grading system to evaluate mangosteen quality for export using neural network. Input data for neural network were parameters obtained from image pr ocessing and ultrasonic measurement which had strong relationships with quality characteristics of mangosteen. The results indicated that area, red color index (r), blue color index (b), hue, saturation, intensity, and the velocity of ultrasonic wave were correlated with the physico-chemical characteristics of mangosteen. The accuracy level in evaluation of calyx wholeness using image processing was 100 %.