PENGEMBANGAN METODE TEKNIK IMAGE PROCESSING UNTUK PEMUTUAN (GRADING) BUAH PISANG CAVENDIS SEGAR SECARA NONDESTRUKTIF

Idiek Donowarti, Q Qomarudin

Abstract

Tujuan penelitian adalah untuk: (1) mempelajari parameter mutu pisang cavendis segar dengan menggunakan image processing, (2) mengetahui hubungan sifat fisiko kimia buah pisang dengan parameter mutu yang diukur dengan teknik Image processing, (3) pemutuan pisang cavendis segar secara non destruktif dengan teknik Image processing. Penelitian ini dilakukan di laboratorium Pertanian Terpadu, Fakultas Pertanian Universitas Wisnuwardhana Malang. Pisang Cavendish, dibeli dari petani di Gondang Legi, Malang. Sebanyak 3 tandan dengan tingkat kematangan 90, 100, dan 110 hari. Masingmasing tandan diambil sampel 40 buah. Hasil penelitian ini menunjukkan bahwa: terdapat perbedaan nilai variabel indeks green (G) dan variabel intensitas (I) pada setiap umur pisang, sedangkan variabel red-blue (RB) dan hue saturation (HS) tidak berbeda. Semakin matang buah maka semakin turun tingkat kekerasannya hubungan ini ditunjukkan dengan persamaan regresi y = -0.0937x + 11.468 dengan nilai R2 = 0.8173, sedangkan hubungan antara total padatan terlarut dengan tingkat kematangan ditunjukkan dengan persamaan y = 0.859x - 74,766 dengan R2 = 0.8365. Tingkat akurasi prediksi kemulusan permukaan kulit mencapai 96.15%.


Keywords

buah pisang, mutu, non destruktif, algoritma

Article Metrics

Abstract view : 819 times
PDF view : 673 times

Full Text:

PDF

References

Anonimus, 2005. Baku Standart Pisang Departemen Pertanian http://www.deptan.go.id/psa/doc/b aku standart_pisang sumut.htm

Ahmad, U. 2002. Teknik Dasar Pengolahan Citra Digital. Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, IPB. Bogor.

Ahmad, U., A. Abrar and H.K.Purwa daria. 2001. Determination of Bruise Development Rate on Salak Fruit Using Image Processing. Proceeding of 2nd IFAC-CIGR Workshop on Intelligent control for Agriculture Aplication, 22-24 Agus tus 2001, Bali Indonesia.

Arymurthy, A.M. dan S. Setiawan. 1992. Pengantar Pengolahan Citra. PT. Elex Media Computindo, Jakarta.

Brosnan. T dan Da-Wen Sun. 2002. Inspection and grading of agricultural and food products by

computer vision systems––a review. Elsevier Science B.V. All rights reserved

Chen, S., D. Fon., Ch. Chang. 1990. Universal color indices for maturity evaluations of fruits. ASAE Paper No. 907054, ASAE, 2950 Niles Rd., St. Joseph, MI 49085-9659.

Gao, J. dan J. Tan. 1996. Analysis of Expanded-Food Texture by Image Processing, Part I : Mechanical Properties. Journal of Food Process Engineering 19 (1996). Food and Nutrition Press, Inc. Trumbull, Conecticut.

Garner, James O., F. B. Matta and Juan L. Silva. 1996. Translucent Flesh Disorder of Mangosteen Fruit (Garcinia mangostana L.). HortScience 31(1) 112-113.

Haralick,R,M., K,Shanmugam and I. Dinstein. 1973. Textural Features for Image Classification. IEEE Transaction on Systems, Man and Cybernetics. 3(6):610-621.

Laykin, S.,V. Alchanatis, dan Y.E dan. 2002. Image Processing Algorithms for Tomatoes Classification. http:// www.ie.bgu.ac.il/proj-search/search /papers/ pixies/japan. 11 Januari 2005.

Muchtadi, T.R. dan Sugiyono 1992. Ilmu Pengetahuan bahan Pangan. Departemen Pendidikan dan Kebudayaan. Dirjen Dikti. PAU Pangan dan Gizi. IPB

Ni, H.X and S. Gunasekaran . 2003. Image Processing Algorithm for Cheese Shred Evaluation. J.Food Engineering. 61(1):37-45.

DOI: https://doi.org/10.31328/ja.v10i2.856

Refbacks

  • There are currently no refbacks.