Proses untuk mendeteksi kematangan tomat diawali TABEL II. KETERANGAN TAMPILAN APLIKASI
dengan menjalankan aplikasi deteksi kematangan tomat.
Prosedur onTouch digunakan untuk mendapatkan nilai No Keterangan
RGB sebagai acuan kondisi warna. Jika sudah didapatkan
nilai warna yang sesuai maka proses color blob detection 1 Label Warna
akan berjalan yaitu munculnya teks “Kondisi Tomat” 2 Teks Hasil
yaitu “Matang Sempurna”, “Masak Pecah Warna”, atau
“Hijau Masak” sebagai informasi tingkat kematangan 3 Kontur Objek
tomat serta munculnya kontur yang mengelilingi tepi 4 Citra Objek
objek. Selanjutnya tampilan komentar akan hilang, diikuti
tampilan “Nilai RGB” yaitu nilai komponen RGB (Red, 5 Background Objek
Green, Blue). Aplikasi melakukan identifikasi tingkat 6 Tombol Option
kematangan tomat berdasarkan rentang nilai RGB
Berdasarkan observasi terhadap 3 kategori tomat 7 Teks Nilai RGB
diperoleh rentang nilai RGB seperti pada Tabel I.
TABEL I. RENTANG RGB Gambar 3 merupakan tampilan Nilai RGB tomat yang
akan muncul sesuai dengan nilai RGB area yang
sebelumnya dikenai proses onTouch. Warna hasil proses
Kategori
Tomat
R G B onTouch akan terlihat pada label warna pada sisi kiri atas
MS 100-255 0-40 0-65 layar. Setiap tingkat kematangan tomat memiliki rentang
MPW 116-200 41-135 0-70 RGB yang berbeda-beda, seperti yang disajikan pada
HM 0-115 90-255 0-65 Tabel I.
Aplikasi deteksi kematangan tomat terdiri dari 2 class
Gambar 2 menunjukkan rancangan tampilan yaitu class ColorBlobActivity.java dan class ColorBlob
antarmuka aplikasi dan sedangkan tampilan nilai RGB Detector.java. Bagian class ColorBlobActivity.java adalah
tomat ditunjukkan pada Gambar 3. untuk inisialisasi nilai variabel yang akan digunakan.
Bagian pertama juga berfungsi untuk menentukan
koordinat serta ukuran objek dan kalkulasi warna pada
objek untuk dilakukan proses selanjutnya yaitu proses
konversi warna HSV ke RGB. Bagian kedua merupakan
bagian proses pada class ColorBlob Detector.java, proses
tersebut ditampilkan pada class Color Blob Activity.java.
Variabel yang ditampilkan pada layar smartphone
memberikan informasi kepada user seperti kontur pada
objek, label warna, teks kondisi kematangan tomat, dan
nilai RGBnya.
IV. HASIL PEMBAHASAN
A. Pengujian Aplikasi
Gambar 2. Tampilan antarmuka aplikasi
Pada pengujian aplikasi, user melakukan proses
onTouch dengan cara menyentuh objek pada layar
smartphone. Akan terbentuk kontur pada area yang
dikenai proses onTouch dan muncul teks yang
menunjukkan kategori tomat, apakah masuk ke dalam
kategori tomat dengan tingkat kematangan hijau masak,
masak pecah warna, atau matang sempurna. Selanjutnya
akan ditampilkan nilai RGB objek tomat. Gambar 4
menyajikan contoh tampilan informasi kondisi tomat
”MATANG SEMPURNA” dengan nilai RGB seperti
pada Gambar 5, yaitu R=151.0, G=33.0, B=1.0, dan
Alpha=255.0. Nilai tersebut masuk ke dalam rentang nilai
tomat matang sempurna . Nilai alpha merujuk kepada
alpha channel, untuk menentukan tingkat transparansi
sebuah warna.
Gambar 3. Tampilan teks nilai RGB
16 HM HM Sesuai
17 HM HM Sesuai
18 HM 01 HM HM Sesuai
19 HM HM Sesuai
20 HM MPW Tidak Sesuai
21 HM HM Sesuai
22 Luar HM HM Sesuai
23 HM 02 Ruang HM HM Sesuai
24 (134 lux) HM HM Sesuai
25 HM HM Sesuai
26 HM HM Sesuai
27 HM HM Sesuai
28 HM 03 HM HM Sesuai
29 HM HM Sesuai
30 HM HM Sesuai
Pada intensitas cahaya di luar ruang (134 lux), untuk TABEL VI. TINGKAT AKURASI DENGAN VARIASI INTENSITAS CAHAYA
tomat MPW 01 diperoleh 4 data yang sesuai, dan 1 data
yang tidak sesuai yaitu kondisi matang sempurna. No Intensitas Kondisi Tomat Tingkat
Cahaya Akurasi
Pengamatan pada tomat MPW 02 menghasilkan 5 data
1 Hijau Masak 87%
yang sesuai. Dari pengamatan pada tomat MPW 03 Dalam Ruang
2 Masak Pecah Warna 87%
diperoleh 4 data yang sesuai, dan 1 data yang tidak sesuai (62 lux)
3 Matang Sempurna 87%
yaitu kondisi matang sempurna. 4 Hijau Masak 93%
Luar Ruang
Table V merupakan hasil pengamatan pada tomat 5 Masak Pecah Warna 93%
(134 lux)
matang sempurna dengan variasi intensitas cahaya. Setiap 6 Matang Sempurna 93%
sampel tomat matang sempurna dilakukan 5 kali
pengambilan data. Pada intensitas cahaya di dalam ruang Tabel VI merupakan tabel yang berisi tingkat akurasi
(62 lux), tomat MS 01 diperoleh 5 data yang sesuai. dengan variasi intensitas cahaya di dalam ruang (62 lux)
Pengamatan pada tomat MS 02 diperoleh diperoleh 4 data dan di luar ruang (134 lux). Pada intensitas cahaya di
yang sesuai, dan 1 data yang tidak sesuai yaitu kondisi dalam ruang (62 lux), pengamatan terhadap tomat hijau
masak pecah warna. Dari pengamatan pada tomat MS 03 masak, tomat masak pecah warna dan tomat matang
diperoleh 4 data yang sesuai, dan 1 data yang tidak sesuai sempurna sebanyak 3 sampel dari masing-masing kondisi
yaitu kondisi masak pecah warna. tomat, diperoleh tingkat akurasi sebesar 87%, maka rata-
Pada intensitas cahaya di luar ruang (134 lux), untuk rata persentase tingkat akurasi keberhasilan sebesar 87%.
tomat MS 01 diperoleh 5 data yang sesuai. Pengamatan Pada intensitas cahaya di luar ruang (134 lux),
pada tomat MS 02 diperoleh 4 data yang sesuai, dan 1 pengamatan terhadap tomat hijau masak, tomat masak
data yang tidak sesuai yaitu kondisi masak pecah warna. pecah warna dan tomat matang sempurna sebanyak 3
Pengamatan pada tomat MS 03 memberikan hasil 5 data sampel dari masing-masing kondisi tomat, diperoleh
yang sesuai. tingkat akurasi sebesar 93%, maka rata-rata persentase
tingkat akurasi keberhasilan sebesar 93%. Sesuai dengan
TABEL V. PENGAMATAN TOMAT MATANG SEMPURNA DENGAN Table V, hasil akurasi pada pengamatan dengan intensitas
VARIASI INTENSITAS CAHAYA
cahaya di luar ruang (134 lux) memiliki akurasi lebih
tinggi dibanding hasil pengamatan dengan intensitas
Intensitas Hasil Keterangan cahaya di dalam ruang (62 lux). Hal ini terjadi karena
No Sampel Kondisi
Cahaya Deteksi
tingkat intensitas cahaya terhadap area deteksi
1 MS MS Sesuai
2 MS MS Sesuai
berpengaruh terhadap proses deteksi.
3 MS 01 MS MS Sesuai
4 MS MS Sesuai
V. KESIMPULAN
5 MS MS Sesuai Telah berhasil dibangun aplikasi deteksi kematangan
6 MS MS Sesuai tomat berbasis android dengan metode color blob
7 Dalam MS MS Sesuai detection. Yang dapat mendeteksi tingkat kematangan
8 MS 02 Ruang MS MPW Tidak Sesuai
9 (62 lux) MS MS Sesuai
dalam 3 kategori yairu hijau masak (HM), masak pecah
10 MS MS Sesuai warna (MPW), dan matang sempurna (MS), Hasil
11 MS MS Sesuai pengujian menunjukkan unjuk kerja aplikasi dipengaruhi
12 MS MPW Tidak Sesuai intensitas cahaya. Dari hasil pengujian di luar ruang
13 MS 03 MS MS Sesuai dengan intensitas cahaya sebesar 134 lux diperoleh hasil
14 MS MS Sesuai yang lebih dengan tingkat akurasi 93%.
15 MS MS Sesuai
16 MS MS Sesuai Pengembangan yang dapat dilakukan pada penelitian
17 MS MS Sesuai ini adalah :
18 MS 01 MS MS Sesuai 1. Pengaturan faktor pencahayaan agar proses
19 MS MS Sesuai pembentukan kontur lebih baik.
20 MS MS Sesuai 2. Deteksi kematangan tomat dengan metode yang
21 MS MS Sesuai
22 MS MS Sesuai
berbeda sehingga diperoleh tingkat akurasi yang lebih
Luar
23 MS 02 Ruang MS MS Sesuai tinggi.
24 (134 lux) MS MS Sesuai 3. Dilakukan integrasi dengan perangkat sortasi dan
25 MS MPW Tidak Sesuai pemilah otomatis.
26 MS MS Sesuai
27 MS MS Sesuai REFERENSI
28 MS 03 MS MS Sesuai [1] Unitec, "Grading, sorting and processing machines, plants and
29 MS MS Sesuai equipment for Tomatoes", https://en.unitec-group.com/fruit-
30 MS MS Sesuai vegetables-technology/tomato-processing-sorting-grading-
machines/
*MS = Matang Sempurna [2] M. R. Ferdiansyah, K. Firdausy, T. Sutikno, "Sistem Seleksi
Kematangan Buah Tomat Waktu-Nyata Berbasis Nilai RGB",
Pengamatan yang dilakukan pada sampel tomat Telkomnika, Vol.4, No.3, pp 211-216, Desember 2006.
matang sempurna dengan 14 data yang sesuai dari 15 kali [3] R. P. Kayanti, “Aplikasi Transformasi Warna YCbCr untuk
Deteksi Jenis Warna Kulit Tomat Dalam Fase Kematangan
pengambilan data diperoleh nilai akurasi sebesar 93% Tomat”, Skripsi, Yogyakarta: Universitas Ahmad Dahlan, 2013.
seperti pada Tabel VI.