Pengembangan Sistem Klasifikasi Non-Destruktif Pembusukan Buah Salak Berbasis Sensor Warna dan Aroma

Muh Fahrurozi, Mirwan Ushada, Yun Prihantina Mulyani

Abstract


Pemanfaatan teknologi dalam industri pertanian di Indonesia secara umum masih sangat minim khususnya di kalangan petani buah salak. Hal ini menyebabkan hasil produksi kurang optimal terutama pada proses pemisahan buah berdasarkan kualitas. Secara visual, kulit buah salak matang umumnya tidak mudah berubah warna, namun seringkali daging di dalamnya sudah mulai membusuk. Akibatnya, petani harus menyiapkan tenaga tambahan untuk melakukan pemilahan buah, yang mana hal ini sangat tidak efisien dan efektif. Untuk mempermudah, teknologi otomasi dapat digunakan dengan sistem kalibrasi sensor. Penelitian ini memperkenalkan metode baru untuk deteksi dini pembusukan buah salak, berdasarkan warna dan kandungan gas (amonia) tanpa kontak fisik langsung dengan buah. Prinsip dan Praktik Rekayasa Sistem dipilih sebagai metode pengembangan sistem, dan decision tree sebagai model algoritmanya. Sebanyak 60 kumpulan data yang digunakan untuk melatih dua kelas sistem yaitu matang dan busuk, dan 30 kumpulan data digunakan untuk menguji sistem. Hasil pengujian kemudian dievaluasi dengan confusion matrix. Hasil uji menunjukkan bahwa sistem mempunyai nilai presisi untuk prediksi salak busuk sebesar 88%, recall sebesar 93%, serta tingkat akurasi sebesar 90%. Oleh karena itu, secara evaluasi kinerja, performa sistem yang dibuat cukup handal dalam mendeteksi dini kebusukan buah salak secara non destruktif. Berdasarkan tingkat kriteria ROC Curve, performansi sistem berada di antara kriteria excellent dan good classification.


Keywords


Deteksi dini; kalibrasi sensor; kebusukan buah; klasifikasi kualitas; teknologi pertanian; teknologi otomasi.

References


Arti, I. M., & Manurung, A. N. H. (2018). Pengaruh Etilen Apel Dan Daun Mangga Pada Pematangan Buah Pisang Kepok (Musa Paradisiaca Formatypica) . Journal of Precision Agriculture, Vol. 2 No. 2. doi: http://dx.doi.org/10.35760/jpp.2018.v2i2.2514

Azrita, M. W., Ahmad, U., & Darmawati, E. (2019). Rancangan Kemasan dengan Indikator Warna untuk Deteksi Tingkat Kematangan Buah Alpukat. Jurnal Keteknikan Pertanian, Vol. 7 No. 2, doi: https://doi.org/10.19028/jtep.07.2.155-162

Brownlee, J. (2019, 08 Desember). How to Develop a Convolutional Neural Network to Classify Photos of Dogs and Cats. Machine Learning Mastery. Retrieved from - https://machinelearningmastery.com/how-to-develop-a-convolutional-neural-network-to-classify-photos-of-dogs-and-cats/

Caelen, O. (2017). A Bayesian Interpretation of The Confusion Matrix. Annals of Mathematics and Artificial Intelligence, vol. 81, no. 3–4, pp. 429–450, doi: 10.1007/s10472-017-9564-8.

Falah, M. A. F,. Ulfiyati, N,. Waras, B,. Afrianti, V,. Ushada, M. (2022). Destructive and Non-destructive Quality Measurements of Strawberry (Fragaria × ananassa cv. Tristar) Cultivated using Soilless Culture in Tropical Greenhouse. In Advances in Biological Sciences Research Series. Proceedings of the 2nd International Conference on Smart and Innovative Agriculture (ICoSIA 2021). Netherlands: Atlantis Press. doi: https://doi.org/10.2991/absr.k.220305.019

Hadiati, S., Susiloadi, A., & Budiyanti, T. (2008). Hasil Persilangan dan Pertumbuhan Beberapa Genotipe Salak. Buletin Plasma Nutfah. Vol. 14, no. 1, pp. 26-32. doi: 10.21082/blpn.v14n1.2008.p26-32

Istiqomah, F., Susanti, Y., & Zukhromah, E. (2019). Klasifikasi Status Kredit Nasabah Bmt Menggunakan Algoritma C5.0. In Seminar & Conference Procedings. Tanggerang, Indonesia: Universitas Muhammadiyah Tanggerang. No. 73–78. doi: http://dx.doi.org/10.31000/cpu.v0i0.1684

Marlina, L. (2015). Aplikasi Pelapis Kitosan Untuk Memperthankan Mutu Salak Pondoh (Salacca edullis Rainw). Thesis. Bogor, Indonesia: Pascasarjana IPB.

Mazumdar, P., Pratama, H., Lau, S., Teo, C. H., & Harikrishna, J. A. (2019). Biology, phytochemical profile and prospects for snake fruit: An antioxidant-rich fruit of South East Asia. Trends in Food Science & Technology. Vol 91, Pages 147-158, doi: https://doi.org/10.1016/j.tifs.2019.06.017

Melani, R., Adiartayasa, W., & Wijaya I. N. (2018). Deteksi Penyakit Citrus Vein Phloem Degeneration (CVPD) dengan Teknik Polymerase Chain Reaction (PCR) pada Daun Tanaman Jeruk yang Memiliki Pola Gejala Klorosis Berbeda. Jurnal Agroeteknologi Tropika. vol. 7, no. 2, pp. 164-173, doi: https://ojs.unud.ac.id/index.php/JAT/article/view/39357

Mutiara, E. (2020). Algoritma Klasifikasi Naive Bayes Berbasis Particle Swarm Optimization Untuk Prediksi Penyakit Tuberculosis (TB). Jurnal Swabumi, vol. 8, no. 1, pp. 46–58, doi: https://doi.org/10.31294/swabumi.v8i1.7668

Novianti, D. (2019). “Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner”. Jurnal Paradigma - Jurnal Komputer dan Informatika. vol 21, no. 1. Doi: https://doi.org/10.31294/p.v21i1.4979

Nugroho, L. H. (2017). Struktur dan Produk Sekretori Tumbuhan. Yogyakarta, Indonesia: Gadjah Mada University Press.

Pasaribu, A. A., Pranita, M,. Amalia, A,. Lubis, A. K. P,. Turrahmah, M,. Malik, A. M. M. (2022). Pengolahan Bahan Pangan Lokal untuk Mengatasi Masalah Gizi. Medan, Indonesia: Merdeka Kreasi.

Ramadan, I., Syauqy, D., & Primananda, R. (2021). Sistem Pendeteksi Kematangan Buah Apel menggunakan Metode Naive Bayes berbasis Embedded System. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 5, no. 4, doi: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8959

Rianto, P., & Harjoko, A. (2017).Penentuan Kematangan Buah Salak Pondoh Di Pohon Berbasis Pengolahan Citra Digital. Jurnal IJCCS, vol. 11, no.2, pp. 143-154, doi: https://doi.org/10.22146/ijccs.17416

Riniarsih, D. (2020). Outlook Salak; Komoditas Pertanian Subsektor Hortikultura. In Astrid, Anna., & Supriyatna. Jakarta, Indonesia: Pusat Data dan Sistem Informasi Pertanian, Sekretariat Jenderal Kementerian Pertanian.

Safitri, R. A., Nurdiani, S., Riana, D., & Hadianti, S. (2019). Klasifikasi Jenis Buah Apel Menggunakan Metode Orde 1 dengan Algoritma Multi Support-Vector Machines. Paradigma -Jurnal Komputer dan Informatika, vol. 21, no. 2, doi: https://doi.org/10.31294/p.v21i2.6526

Saputra, R. A., Puspitasari, D., & Baidawi, T. (2022). Deteksi Kematangan Buah Melon denganAlgoritma Support Vector Machine Berbasis Ekstraksi FiturGLCM. Jurnal Infortech. vol. 4, No.2, doi: https://doi.org/10.31294/infortech.v4i2.14436

Sulaksono, S., Fitrianingsih, S. P. & Yuniarni, U. (2015). Karakterisasi Simplisia dan Ekstrak Etanol Buah Salak (Salacca zalacca (Gaertner) Voss). In Komarudin, Aceng., Suliadi., Hajarisman, Nusar., Ramdani, Yani., Syafnir, Livia., Imelinda, Sri. & Usemahu, Fatma. Prosiding Konferensi Nasional Matematika, Sains dan Aplikasinya (pp. 317-320). Bandung, Fakultas MIPA Universitas Islam Bandung (UNISBA)

Ushada, M., & Yuliando, H. (2013). Application of Analytical Network Process andConditional Probability Co-occurrences Matrix for Business Modelling of Small-Medium Enterprises. Agroindustrial Journal, vol.2 no. 1. Doi: https://doi.org/10.22146/aij.v2i1.24999

Ushada, M., Okayama, T., Khuriyati, N., & Suyantohadi, A. (2017). Affective Temperature Control in Food SMEs using Artificial Neural Network. Applied Artificial Intelligence, vol. 31, no. 7–8, pp. 555–567, doi: https://doi.org/10.1080/08839514.2017.1390327


Refbacks

  • There are currently no refbacks.


Indexed by:

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License (CC BY-SA 4.0)