Melon (Cucumis melo L.) merupakan salah satu buah yang banyak digemari masyarakat. Rasanya yang manis dan aromanya yang harum menjadi daya tarik buah ini. Selain untuk dikonsumsi, melon banyak digunakan sebagai bahan industri dan kosmetik. Buah melon memiliki nilai ekonomi dan prospek yang menjanjikan dalam aspek pemasaran. Data ekspor menunjukkan bahwa melon berada pada urutan kelima komoditas buah-buahan penghasil devisa. Peningkatan produksi dan permintaan terhadap buah melon, belum diimbangi dengan penanganan panen dan pascapanen yang optimal. Adanya kemiripan tekstur kulit melon antara melon matang, setengah matang dan belum matang mengakibatkan orang kesulitan dalam mengidentifikasi melon matang dari segi ciri tekstur kulit buah dan penilaian manusia yang bersifat subyektif terhadap tingkat kematangan buah melon menyebabkan penilaian tingkat kematangan melon berbeda dari satu penilai dengan penilai yang lainnya. Dari permasalahan tersebut, sehingga dilakukan penelitian untuk mengembangkan metode yang dapat mendeteksi tingkat kematangan buah melon berdasarkan tekstur kulit buah. Tujuan dari penelitian ini adalah untuk mengetahui apakah metode untuk mendeteksi tingkat kematangan buah melon dapat distandarisasikan dan metode apakah yang memiliki tingkat akurasi terbaik dalam mendeteksi tingkat kematangan buah melon berdasarkan tekstur kulit buah. Langkah awal yang dilakukan dalam penelitian ini adalah mengumpulkan data penelitian. Data dalam penelitian ini menggunakan citra buah melon yang diperoleh dari petani melon secara langsung diambil menggunakan smartphone. Pada penelitian ini, data yang digunakan sebanyak 450 citra buah melon yang terbagi atas 300 citra untuk proses training dan 150 citra buah melon untuk proses testing. Setelah itu dilakukan pemotongan citra untuk memisahkan antara frontground dengan background sehingga obyek yang diperoleh benar-benar citra buah melon. Selanjutnya dilakukan image enhancement dengan menggunakan metode mean filtering, median filtering, gaussian filtering, contrast stretching, canny detection, laplacian detection, dan adaptive tresholding untuk memperbaiki kualitas dari citra buah melon. Setelah dilakukan perbaikan kualitas citra, langkah selanjutnya yang dilakukan adalah menerapkan metode histogram of oriented gradients untuk memperoleh ekstraksi fitur dari masing-masing citra buah melon, dimana hasil dari proses ekstraksi fitur ini digunakan untuk proses pengklasifikasian tingkat kematangan buah melon dengan menggunakan metode support vector machine. Dari hasil pengklasifikasian ini diperoleh hasil bahwa metode yang terbaik dalam mendeteksi tingkat kematangan buah melon pada penelitian ini adalah kombinasi antara metode (mean filtering matriks [5x5] + contrast stretching gamma 1.5) + (mean adaptive treshold) + (histogram of oriented gradients) + (support vector machine) dengan tingkat akurasi yaitu 78.67%.

Tidak tersedia versi lain

Tidak Ada Data