Abstract:
Klasifikasi tingkat kematangan buah dapat dinilai dari warna kulit buah mangga tersebut.
Penilaian dilakukan dengan cara melakukan teknik sortir buah mangga. Teknik sortir buah
mangga yang dimaksud adalah memisahkan buah mangga yang masih mentah dan buah mangga
yang telah matang. Teknik sortir tersebut dapat diimplementasikan ke dalam sebuah perangkat
lunak.
Perangkat lunak dibangun dengan cara pemrosesan mengikuti teknik sortir. Implementasi
perangkat lunak akan menggunakan bantuan OpenCV library dan beberapa teori seperti preimage
processing, k-means, intra cluster distance, kemiripan warna gambar, k-nearest neighbor,
dan presisi untuk melakukan klasifikasi tingkat kematangan buah berdasarkan warna. Input yang
dipakai pada perangkat lunak ini adalah kumpulan gambar dataset dan nilai-nilai pemrosesan
gambar yang dimasukkan oleh pengguna.
Nilai-nilai masukan yang dimasukkan pengguna akan digunakan pada setiap proses pemrosesan
gambar. Nilai tersebut terdiri dari nilai threshold untuk proses deteksi tepi, nilai jumlah
kelompok untuk proses pengelompokkan, nilai jumlah warna dominan untuk proses menentukan
jumlah warna dominan, dan nilai jumlah tetangga terdekat untuk proses klasifikasi. Masukan
yang harus dimasukkan oleh pengguna selain nilai-nilai tersebut adalah kumpulan gambar dataset
yang akan digunakan sebagai gambar train dan gambar test. Gambar train merupakan gambar
pengklasifikasi dan gambar test merupakan gambar yang akan diklasifikasi. Gambar-gambar
tersebut dimasukkan sebelum pemrosesan perangkat lunak dijalankan.
Dengan nilai-nilai dan kumpulan gambar yang dimasukkan oleh pengguna, perangkat lunak
dapat dijalankan dengan proses-proses yang terdiri dari proses membaca piksel warna, proses
konversi piksel warna, proses deteksi tepi, proses dilate, proses menemukan dan menggambarkan
kontur, dan proses masking. Proses-proses tersebut merupakan proses pra-pemrosesan gambar
yang dilakukan untuk mendapatkan objek utama gambar yang akan diproses pada proses
pengelompokkan, proses menentukan jumlah warna dominan, proses menentukan kemiripan
warna, dan proses klasifikasi. Proses pengelompokkan akan menggunakan evaluasi intra-cluster
distance untuk melakukan pengecekan terhadap anggota dari masing-masing kelompok yang
terbentuk dan proses klasifikasi akan menggunakan evaluasi presisi untuk melakukan pengecekan
keakuratan perangkat lunak dalam melakukan klasifikasi tingkat kematangan berdasarkan warna
kulit dari gambar buah mangga.
Berdasarkan hasil pengujian, dapat disimpulkan bahwa dengan memperhatikan kombinasi
nilai masukan, maka perangkat lunak akan menampilkan hasil klasifikasi yang baik. Perangkat
lunak yang dibangun telah berhasil dalam menentukan tingkat kematangan buah berdasarkan
warna secara mudah dan praktis.