Abstrak Skripsi

Pengenalan kematangan buah kelapa sawit merupakan aspek penting dalam industri kelapa sawit karena kematangan buah sangat menentukan kualitas yang dihasilkan. Secara umum, warna buah kelapa sawit digunakan sebagai indikator utama dalam menentukan tingkat kematangan, yang dikategorikan menjadi tiga, yaitu mentah, mengkal, dan matang. Namun, proses identifikasi secara manual memiliki beberapa keterbatasan, seperti subjektivitas dalam penilaian, ketergantungan pada tenaga ahli, serta memerlukan waktu yang cukup lama. Penelitian ini bertujuan untuk mengembangkan sistem otomatis dalam mengenali kematangan buah kelapa sawit menggunakan metode Fuzzy Neural Network (FNN) berbasis fitur warna. Dataset penelitian terdiri dari 180 citra buah kelapa sawit yang telah dikategorikan berdasarkan tingkat kematangannya yaitu 60 citra matang, 60 citra mengkal dan 60 citra mentah dengan 144 citra digunakan untuk data pelatihan dan 36 citra untuk data pengujian. Proses pengolahan citra mencakup tahap preprocessing, yang meliputi cropping, resize, konversi dari ruang warna RGB ke HSV, serta segmentasi menggunakan metode thresholding otsu. Hasil pengujian menunjukkan bahwa buah mentah memiliki rata-rata nilai H sebesar 0,625825, S sebesar 0,164997, dan V sebesar 0,359895. Sementara itu buah mengkal memiliki rata-rata nilai H sebesar 0,643783, S sebesar 0,152153, dan V sebesar 0,362231. Adapun buah matang memiliki rata-rata nilai H sebesar 0,658038, S sebesar 0,206163, dan V sebesar 0,385968. Sistem yang dikembangkan berhasil mencapai tingkat akurasi sebesar 63,89%.

Kata Kunci (Keywords)

Kelapa sawit fitur warna Fuzzy Neural Network (FNN) pengolahan citra

Preview Dokumen

Hal: 0 / 0
130%
Klik tombol "Lihat Preview PDF" untuk memuat dokumen. File akan dimuat saat user klik preview PDF.