Klasifikasi kematangan mangga gedong gincu berbasis warna

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.