Review jurnal nasional 1

Judul KLASIFIKASI TAHAP KEMATANGAN PISANG AMBON BERDASARKAN WARNA

MENGGUNAKAN NAIVE BAYES
Jurnal Jurnal Penelitian Ilmu Komputer

Volume & Halaman 5(2) : 60-67

Tahun 2017

Penulis Dwi Yulianto, Retno Nugroho Whidhiasih,Maimunah

Reviewer AGUNG PUTRA PRATAMA

Tanggal 19 DESEMBER 2019

Latar Belakang Buah pisang merupakan komoditas yang memberikan kontribusi besar terhadap angka
produksi buah nasional maupun internasional. Pemerintah melalui Badan Standarisasi
Nasional menetapkan standar untuk buah pisang, menjaga mutu buah pisang. Tujuan
dari penelitian ini adalah klasifikasi tahapan kematangan dari buah pisang ambon
berdasarkan indeks warna menggunakan metode Naïve Bayes sesuai dengan SNI
7422:2009. Naive bayes digunakan sebagai metode dalam proses pengklasifikasian
dengan cara membandingkan nilai probabilitas yang dihasilkan dari nilai variabel
penduga setiap model untuk menentukan tahap kematangan pisang ambon.
Metode Penelitian Metodologi yang digunakan dalam penelitian ini meliputi beberapa tahapan yaitu:
 1) Pengambilan Citra Akuisisi citra adalah tahap awal untuk mendapatkan citra
digital.
2) Praproses Data sampel citra buah pisang ambon diolah menggunakan matlab
R2014b untuk mendapatkan nilai RGB yang merupakan rata-rata dari keseluruhan
piksel Kemudian nilai tersebut dinormalisasi menjadi rgb dengan cara membagi
masing-masing nilai dengan bilangan 255.
3) Implementasi Naïve Bayes Salah satu metode yang menggunakan konsep
probabilitas adalah metode naive bayes.
4) Perancangan User Interface Identifikasi kematangan pisang dikembangkan dengan
sistem berbasis graphical user interface (GUI) menggunakan Matlab.
Hasil dan Pembahasan Dari Hasil yang didapat dari Model tiga dan model dua memiliki akurasi tertinggi dengan
hanya mengacu pada 7 dan 9 nilai variabel diduga karena ada variable homogenitas dan
kromatik a (*a) pada variable penduga, fitur homogenitas sendiri berfungsi untuk
mengatur niai keseragaman suatu obyek, dan citra yang digunakan memilki keseragaman
yang sama lalu kromatik a memiliki fungsi memberikan warna yang lebih seragam dalam
perbedaan visual.
Kesimpulan dan saran Kesimpulan :
Berdasarkan hasil pembahasan maka dapat disimpulkan :
1. Nilai input yang digunakan dalam klasifikasi tahap kematangan pisang ambon
menggunakan tiga buah model yang terdiri dari variable penduga yang berbeda.
Model satu dengan 13 nilai variabel yaitu r, g, b, h, s, v, l, *a, *b, entropi, energi,
kontras dan homogenitas, model 2 dengan 9 nilai variabel yaitu r, g, b, v, *a, *b,
entropi, energi, dan homogenitas dan model 3 dengan 7 nilai varibel yaitu r, g, b,
v, *a, entropi, dan homogenitas.
2. Naive bayes digunakan sebagai metode dalam proses pengklasifikasian dengan
cara membandingkan nilai probabilitas yang dihasilkan dari nilai variabel
penduga setiap model untuk menentukan tahap kematangan pisang ambon.
 3. Hasil yang didapat menggunakan model 2 dan model 3 menghasilkan akurasi rata-
rata terbesar mencapai 90.48%.
4. Naïve Bayes layak untuk digunakan sebagai klasifikasi tahap kematangan pisang
ambon berdasarkan warna dan tekstur kulit buah.

Saran :
Suhu ruang yang tetap dan tempat penyimpanan yang layak untuk buah pisang harus
dikondisikan sebaik mungkin, mengingat suhu menjadi faktor penting dalam kematangan
pisang agar penelitian selanjutnya dapat diperoleh pisang dengan semua tahap
kematangan berdasarkan SNI:7422-2009.

Review jurnal nasional 2

Judul SEGMENTASI BUAH MENGGUNAKAN METODE K-MEANS CLUSTERING DAN
IDENTIFIKASI KEMATANGANNYA MENGGUNAKAN METODE PERBANDINGAN
KADAR WARNA
Jurnal Teknik Informatika

Volume & Halaman VOL 15, NO 2

Tahun OKTOBER 2014

Penulis Andri1 , Paulus2 , Ng Poi Wong3 , Toni Gunawan4

Reviewer AGUNG PUTRA PRATAMA

Tanggal 19 DESEMBER 2019

Latar Belakang Kematangan buah biasanya ditentukan oleh beberapa parameter, diantaranya adalah dari
parameter ukuran, berat, ciri warna, keharuman dari buah tersebut, dan lain-lain.
Parameter kematangan buah dari sisi warna kulit buah merupakan salah satu faktor
penting di dalam identifikasi kematangan buah. Banyak kelemahan yang dimiliki
manusia didalam mempersepsi kematangan buah menggunakan indera penglihatan
sebagai penentu tingkat kematangan seperti penilaian oleh manusia yang bersifat
subyektif dan tidak konsisten sehingga dapat berbeda dari satu penilai dengan penilai
lainnya. Perkembangan teknologi informasi memungkinkan identifikasi kematangan
buah bahkan deteksi terhadap jenis buah dengan bantuan komputer.
Metode Penelitian Adapun metodologi yang dilakukan untuk menyelesaikan penelitian ini antara lain:
a. Pengumpulan data
• Mengumpulkan buku, artikel, jurnal, makalah, atau situs internet yang
berhubungan dengan pengolahan citra terutama yang berhubungan dengan metode-
metode pada visi komputer.
• Menyaring referensi-referensi yang telah dikumpulkan sebelumnya sehingga
diperoleh data-data yang relevan.
b. Analisis dan Perancangan
• Mempelajari dan menganalisis cara kerja metode-metode pada visi komputer.
• Dari hasil analisis, dibuat sebuah rancangan aplikasi dengan metode yang dipilih.
c. Pemrograman (Coding) Melakukan pemrograman berdasarkan rancangan yang
dibuat dengan menggunakan bahasa pemrograman Delphi 7 dan engine basis data
menggunakan Borland Database Engine tipe tabel Paradox.
d. Pembahasan Hasil
• Melakukan uji coba terhadap aplikasi yang telah dibuat.
 • Membuat ringkasan tabel hasil pengujian dari hasil uji coba yang telah dibuat.

Hasil dan Pembahasan Hasil

a. Form Pelatihan
Tampilan hasil form pelatihan ditunjukkan pada Gambar 4. Pada saat pelatihan
pengguna dapat memilih gambar masukan dari kamera atau file dan ukuran citra
yang akan diproses. Setiap hasil dari tahapan pengolahan citra juga ditampilkan.
Pada tahapan terakhir pengguna harus menentukan sendiri klasifikasi jenis dan
kematangan buah yang dilatih agar parameter dari geometris dan warna citra
tersebut menjadi pengetahuan dalam basis data.
b. Form Deteksi dan Identifikasi
Tampilan hasil form deteksi dan identifikasi ditunjukkan pada Gambar 5. Pada saat
deteksi dan identifikasi, pengguna dapat memasukkan citra dari kamera atau file
dan ukuran citra yang akan diproses. Setiap hasil dari tahapan pengolahan citra
juga ditampilkan. Pada tahapan akhir akan dibandingkan warna dan geometri citra
masukan dengan yang sudah ada di basis data dengan keluaran jumlah obyek buah
yang terdeteksi, jenis dan tingkat kematangan dari masing-masing obyek.
Pembahasan:
Pengujian dilakukan pada Personal Computer (PC) dengan spesifikasi prosesor Intel
Pentium Dual-Core, memori 512 MB, sisa penyimpanan 20 GB, Webcam Logitech
C110. Pengujian dilakukan dengan melakukan akuisisi buah memakai webcam dengan
pencahayaan yang seragam.
Kesimpulan dan saran Kesimpulan yang bisa diambil adalah:
a. Program deteksi buah dan identifikasi kematangan yang telah dibuat menggunakan
metode-metode pada visi komputer seperti segmentasi K-Means Clustering, pemuaian
dan penyusutan, pelabelan komponen hingga ekstraksi fitur yang digunakan diyakini
mampu mengklasifikasikan nama jenis buah dan tingkat kematangannya dengan baik.
 b. Pengubahan ukuran terhadap citra akuisisi tidak mempengaruhi hasil dari
pengklasifikasian nama buah dan tingkat kematangannya. Hasil pengujian menunjukkan
tingkat keberhasilan klasifikasi nama buah dan tingkat kematangannya sebesar 93.89%
baik untuk pengubahan ukuran citra ke ukuran 160 x 120 px maupun 320 x 240 px.
c. Jumlah buah pelatihan mempengaruhi hasil dari klasifikasi nama buah dan tingkat
kematangannya. Semakin banyak jumlah buah yang di-train, maka semakin baik
klasifikasi nama buah dan tingkat kematangannya.

Review jurnal nasional 3

Judul APLIKASI PENGOLAHAN CITRA UNTUK IDENTIFIKASI KEMATANGAN
MENTIMUN BERDASARKAN TEKSTUR KULIT BUAH MENGGUNAKAN
METODE EKSTRAKSI CIRI STATISTIK
Jurnal JURNAL INFORMATIKA

Volume & Halaman Vol. 9,

Tahun 1 JANUARI 2015

Penulis Yuda Permadi, Murinto

Reviewer AGUNG PUTRA PRATAMA

Tanggal 19 DESEMBER 2019

Latar Belakang Mentimun (Cucumis sativus L) merupakan buah yang dapat dikonsumsi dan dapat diolah
lebih lanjut sebagai bahan baku pada industri kecantikan, dan memiliki pangsa pasar
yang luas mulai dari pasar tradisional hingga pasar modern. Adanya kemiripan tekstur
kulit mentimun antara yang matang dengan yang belum matang mengakibatkan orang
kesulitan dalam mengidentifikasi mentimun matang dari segi ciri tekstur kulit buah dan
penilaian manusia yang bersifat subyektif terhadap tingkat kematangan buah mentimun
menyebabkan penilaian tingkat kematangan mentimun berbeda dari satu penilai dengan
penilai yang lainnya. Dari permasalahan tersebut, sehingga dilakukan penelitian untuk
mendeteksi kematangan mentimun berdasarkan tekstur kulit buah. Tujuan dari penelitian
ini adalah menerapkan metode statistik dengan parameter ciri yaitu Mean (μ), Variance
(σ^2), Skewness (α_(3 )), Kurtosis (α_(4 )), dan Entropy (H) sebagai metode untuk
mengenali kematangan mentimun dari segi tekstur kulit buah dan untuk mengetahui nilai
akurasi setelah sistem diuji. Subyek penelitannya adalah membangun aplikasi pengolahan
citra untuk mendeteksi ukuran buah mentimun matang secara statistik dari segi tekstur
kulit buah.

Metode Penelitian Metode penelitian merupakan suatu cara ilmiah yang digunakan untuk memperoleh dan
menyelesaikan suatu masalah yang dilandasi oleh metode ilmiah. Subjek dari penelitian
ini adalah mengetahui tekstur citra mentimun belum matang dan matang dengan
menggunakan 5 parameter ciri yaitu mean, variance, skewness, kurtosis, dan entropy
dengan menggunakan Matlab v8.2. Data dalam penelitian ini menggunakan 40 sampel
citra truecolor 24bit dengan format ekstensi *.bmp yang terdiri masing-masing 20 citra
pada tekstur kulit mentimun matang dan belum matang.

Kesimpulan dan saran Kesimpulan :

Berdasarkan hasil penelitian yang telah dilakukan dapat diambil kesimpulan
sebagai berikut :
 a. Selain dari usia tanam, segi warna kulit, dan ukuran fisik buah, mentimun juga bisa
diketahui kematangannya dari sisi tekstur kulitnya.
b. Dari lima parameter ekstraksi ciri yang digunakan yaitu Mean (𝜇), Variance (𝜎2),
Skewness (𝛼3 ), Kurtosis (𝛼4 ), danEntropy (H), dapat dilihat dan disimpulkan
bahwa parameter Variance (𝜎2) adalah parameter yang paling berpengaruh dalam
penentuan ciri citra karena terlihat pada ukuran nilainya yang sangat fluktuatif
(lihat Gambar 4.2. dan Gambar 4.3.).
c. Kendala yang muncul dari penggunaan metode ekstraksi ciri untuk mengukur nilai
statistik citra tekstur kulit buah mentimun salah satunya adalah teknik
pengambilan data. Citra yang blurr dapat mempengaruhi nilai perhitungan yang
dilakukan. Hal ini dapat dilihat pada pengujian citra UJI14 dan citra UJI16 (lihat
Tabel 4.2.) dimana dua citra uji tersebut termasuk citra yang hasil pengujian
aplikasi tidak sesuai dengan pengujian manual dikarenakan citra blurr.
Pengambilan sampel pada proses pengumpulan data akan sangat mempengaruhi
akurasi dari metode ini yang nantinya akan berdampak pada pengambilan
kesimpulan.
d. Hasil deteksi kematangan dari aplikasi ini mempunyai persentase tingkat
keberhasilan yang baik, untuk pengujian mentimun matang mencapai 70%,
sedangkan untuk mentimun belum matang mencapai 80%. Secara keseluruhan
tingkat keberhasilan Aplikasi pengolahan citra untuk identifikasi kematangan
mentimun berdasarkan tekstur kulit buah dengan metode ekstraksi ciri statistik
yaitu sebesar 75%.

Saran :
Penelitian ini tentu saja masih banyak kekurangan, karena itu diperlukan saran dan
kritik yang nantinya dapat digunakan untuk lebih mengembangkan aplikasi ini.
Adapun saransaran yang dapat digunakan untuk mengembangkan penelitian ini adalah
 sebagai berikut :
a. Perlu dilakukan penelitian menggunakan metode ekstraksi ciri orde dua dengan
parameter energy, contrast, correlation dan inverse different moment, sehingga dapat
diketahui hasilnya dan dapat dibandingkan dengan parameter orde pertama yang pada
akhirnya mendapatkan keputusan parameter ciri manakah yang lebih akurat untuk
menghitung tekstur citra secara statistik.
b. Citra kulit mentimun yang digunakan ialah mentimun biasa/konsumsi, penulis
menyarankan untuk dapat menggunakan citra tekstur mentimun jenis lain lain,
misalnya citra mentimun krei, mentimun suri, dan jenis mentimun yang lain.

Review jurnal nasional 4

Judul IDENTIFIKASI KEMATANGAN BUAH MARKISA (Passiflora edulis) DENGAN
PENGOLAHAN CITRA MENGGUNAKAN JARINGAN SYARAF TIRUAN
Jurnal Rekayasa Pangan dan Pert

Volume & Halaman Vol.3 No. 3

Tahun 2015

Penulis Doli Garesya Agian, Lukman Adlin Harahap , Sulastri Panggabean

Reviewer EKA SUCI NOPIE HANTARI

Tanggal 19 DESEMBER 2019

Latar Belakang
Identifikasi kematangan buah markisa masih dilakukan secara manual oleh petani. Buah
terlihat secara visual dan direspon oleh otak untuk membedakan tingkat kematangan.
Dalam jumlah besar akan sulit untuk mempertahankan kinerja mereka. Penelitian ini
adalah metode pengukuran non-konvensional yang menggunakan pemrosesan gambar
digital untuk menghasilkan data yang akan diproses secara buatan jaringan saraf
kemudian diolah menggunakan perangkat lunak komputer yang dapat digunakan untuk
menentukan tingkat kematangan buah markisa. Markisa diidentifikasi berdasarkan warna
gambar input histogram (RGB) yang diperoleh dari hasil menangkap program yang
dibangun menggunakan Visual Basic
Penelitian Penelitian ini merupakan rancang bangun sebuah program komputer berupa model
jaringan syaraf tiruan dengan metode back propagation yang mampu mengidentifikasi
kematangan buah markisa berdasarkan warna.
Metode Bahan yang digunakan dalam penelitian ini adalah data gambar buah markisa yang akan
digunakan pada proses pembelajaran sistem dan pengujian sistem. Alat yang digunakan
dalam penelitian ini adalah perangkat keras yang terdiri dari komputer pribadi untuk
mengolah dan menjalankan sistem, kamera Sony dsc-w630 untuk mengambil data berupa
gambar buah, latar berupa kotak untuk latar dalam mengambil gambar markisa sehingga
background-nya sama. Perangkat lunak yang terdiri dari Microsoft Visual Basic 2012
untuk membangun program aplikasi dari jaringan syaraf tiruan, SQLserver menajemen
studio 2005 Untuk membangun menajemen data base, Power point untuk pembuatan
layar Credit, adobe reader untuk membuat tutorial, Coreldraw 12 untuk membuat
background dan icon aplikasi identification of passion fruit maturity.
Hasil dan Pembahasan a. Analisis Sistem Metode pengklasifikasian buah markisa yang dilakukan oleh
petani masih menggunakan cara konvensional yaitu pengamatan langsung pada
buah tersebut.Metode pengukurannya non-konvensional yaitu menggunakan
 pengolahan citra (image processing) berdasarkan warna RGB, hal ini sesuai
dengan literatur Arham (2004) yang menyatakan perkembangan model warna yang
dikembangkan pada pengolahan citra saat ini Red, Green, dan Blue sebagai warna
primer. oleh petani, menyebabkan adanya subjektifitas penilaian kematangan buah
oleh petani sehingga pengklasifikasian buah markisa tidak tersortir dengan baik.
b. Hasil Pelatihan dan Pengujian Sistem Dari hasil pelatihan dan pengujian sistem
didapatkan tingkat keberhasilan program untuk mengidentifikasi kematangan buah
markisa menggunakan back propagation. Tingkat kematangan buah markisa
dibedakan atas klasifikasi mentah, matang, dan setengah matang.
Kesimpulan 1. Penelitian ini berhasil membangun perangkat lunak yang mengimplementasikan
algoritma backpropagation dalam mengindetifikasi tingkat kematangan buah
markisa
berdasarkan warna RGB menggunakan kamera saku (sony dsc-w630)dengan tingkat
identifikasi untuk data pelatihan 100 % dan data pengujian 94,44%.
2. Dari hasil identifikasi yang telah dilakukan pada data buah pengujian
menghasilkan tiga output identifikasi yaitu markisa matang 100%, mentah 100%,
dan setengah matang 83,33% dan seluruh data gambar dapat dikenali.
3. Identifikasi kematangan buah markisa matang dan mentah pada sistem ini lebih
akurat dibanding identifikasi markisa setengah matang karena pengaruh warna.
4. Identifikasi terhadap data gambar buah markisa yang telah dilatih memiliki tingkat
keberhasilan 100% dan semua data gambar dapat dikenali.
5. Sistem identifikasi kematangan buah markisa “IPfM” menggunakan 3 input, 50
hidden layer, dan 3 output
6. Sistem identifikasi kematangan buah markisa “IPfM” menggunakan 0,01 error
minimum, 0,05 ratio pembelajaran dan menggunakan 50000 iterasi (pengulangan).
Review jurnal nasional 5
Judul APLIKASI DETEKSI KEMATANGAN BUAH SEMANGKA BERBASIS NILAI RGB
MENGGUNAKAN METODE THRESHOLDING
Jurnal e-Proceeding of Engineering

Volume & Halaman Vol. 3 No. 6

Tahun Desember 2016

Penulis Maldini Yogi

Reviewer IMUNG DWI UPAYA

Tanggal 19 DESEMBER 2019

Latar Belakang Aplikasi pengolahan citra mempermudah penggunanya dalam pengenalan pola yang
berperan dalam memisahkan objek dari latar belakang secara otomatis. Selain itu
pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh
mesin sehingga mempermudah dalam mengenali suatu objek. Perangkat lunak untuk
mengolah citra digital juga sangat populer dalam perkembangannya, digunakan oleh
pengguna untuk mendeteksi, mengolah foto atau untuk berbagai keperluan lain sebagai
contoh, Adobe Photoshop dan GIMP (GNU Image Manipulation Program) yang
menyajikan berbagai fitur dalam memanipulasi citra digital. Semangka atau tembikai
(Citrullus lanatus, suku ketimun-ketimunan atau Cucurbitaceae) adalah tanaman
 merambat yang berasal dari daerah setengah gurun di Afrika bagian selatan. Tanaman ini
masih sekerabat dengan labu-labuan (Cucurbitaceae), melon (Cucumis melo) dan
ketimun (Cucumis sativus)
Tujuan Penelitian 1. Perancangan Aplikasi Perancangan adalah sebuah proses untuk mendefenisikan
sesuatu yang akan dikerjakan dengan menggunakan teknik yang bervariasi serta di
dalamnya melibatkan deskripsi mengenai arsitektur serta detail komponen
2. Pengolahan Citra Digital Menurut Efford 2000, Pengolahan citra digital adalah
istilah umum untuk berbagai teknik yang keberadaannya untuk memanipulasi dan
memodifikasi citra dengan berbagai cara.
3. Thresholding Pengertian dasar thresolding menyatakan histogram sebelah kiri
mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap.
Metode yang di gunakan 1. Studi literatur
Melakukan studi literatur dengan cara mencari, membaca, memahami referensi
baik jurnal, paper, artikel, buku, internet, dan sumber- sumber refernsi lainnya
mengenai Body Mass Index, Body Surface Area, Mosteller, luas permukaan tabung
silinder elips, pengolahan citra, perhitungan statistika, dan Aplikasi Android.
2. Mengumpulkan data lapangan
Melakukan pengumpulan data berat dan tinggi badan asli beserta potret citra
tampak depan dan seluruh badan.
3. Perancangan diagram alir
Melakukan perancangan diagram alir untuk menentukan alur pengerjaan yang akan
dilakukan pada aplikasi Android setelah melakukan berbagai percobaan.
4. Implementasi algoritma
Melakukan implementasi algoritma berdasarkan diagram alur dan metode yang
telah dirancang sebelumnya.
5. Analisa hasil aplikasi
Melakukan sebuah analisis dari hasil aplikasi yang telah dibuat untuk mengetahui
 tingkat akurasi antara metode pengolahan citra digital dan yang asli.
Pembahasan A. Analisa Citra
Pada aplikasi pengolahan citra yang akan dirancang harus memiliki data-data yang
akan diolah, dan digunakan pada sistem yang nantinya digunkan dalam sistem
pendeteksian. Pada aplikasi pendeteksian kematangan buah semangka ukuran citra
yang digunakan berukuran 256x256 pixel dengan format JPG. Hal ini dilakukan
bertujuan untuk mengahsilkan nilai RGB yang riil untuk diproses kedalam program
aplikasi sehingga ada kecocokan didalamnya. Citra semangka yang digunakan untuk
pendeteksian menggunnakan buah semngka yang berumur 75-100 hari masa tanam.
Kesimpulan Dari pembahasan yang diuraikan dari pembuatan skripsi ini dapat disimpulkan sebagai
berikut : 1. Proses deteksi kematangan buah semangka dalam perancangan aplikasi ini
adalah dengan cara menentukan objek, melakukan faktor indikator yang mempengaruhi
dari objek yaitu warna RGB. 2. Penerapan metode thresholding didalam pendeteksian
kematangan buah semangka bertujuan untuk memisahkan latar belakang dari objek yang
akan dideteksi dan merubahnya menjadi gambar biner atau hitam putih, sehingga lebih
jelas antara objek dan latar belakang yang akan dideteksi. 3. Perancangan aplikasi
pengolahan citra deteksi kematangan buah semangka ini menggunakan software
MATLAB yang didalamnya terdapat GUI (Grapichal User Interface) sebagai pendukung
dalam pembuatan aplikasi pengolahan citra.

Review jurnal internasional

Judul Estimate Ripeness Level of fruits Using RGB

Color Space and Fuzzy Logic Technique
Jurnal

Volume & Halaman Vol. 2 Issue 1

Tahun Oktober 2012

Penulis Meenu Dadwal, V.K.Banga

Reviewer Nur Aziz Pramudya

Tanggal 19 DESEMBER 2019

Latar Belakang manusia bergantung pada kualitas penglihatannya untuk membedakan antara buah
matang dan mentah. Dengan ini untuk menentukan buah matang atau tidak masih belum
tedeteksi dengan benar
Tujuan Penelitian untuk mengetahui kematangan buah tanpa menyentuh dengan logika fuzzy dan
segmentasi gambar
Metode yang di gunakan dengan menghitung semua nilai warna RGB dan logika fuzzy. Pertama yaitu menginput
gambar RGB, kedua segmentasi gambar warna segmentasi, ketiga menghitung nilai rata-
rata, keempat logika fuzzy untuk gambar tersegmentasi, kelima logika fuzzy untuk
mendeteksi kematangan buah

Pembahasan Sistem yang dikembangkan dikelola untuk mengklasifikasikan buah dalam kategori
matang, di bawah matang dan terlalu matang. Tabel 1 menunjukkan kisaran nilai rata-
rata merah, hijau dan biru untuk dikategorikan sampel buah yang diberikan.

  Merah Hijau berarti Bluemean

berarti Min Min    Min Max
Kategori Max Max

Underripe
(ur) 0.0  0.0     0.0 4.09
9.3 6.45

Ripe
(r) 35.0118.4 14.0   2.8  16.0
33.3

Overripe
(or) 72.1100.8 17.7   21.0 28.0
31.9

Tentang 6.50 4.1     3.1   19.6

47.9 17.5
Ripe (atr)
Tentang
Overripe 83.4 17.6   14.7 25.5
113.8 36.6
 (ator)

Tetapi dalam beberapa kasus kisaran ini tidak memberikan hasil yang akurat.
Beberapa nilai terletak di daerah yang tumpang tindih dalam nilai rata-rata merah, hijau
dan biru. Karenanya terkadang memberikan hasil yang tidak terduga.

Kesimpulan algoritma segmentasi gambar warna novel yang dapat memeriksa tingkat kematangan
apel menggunakan ruang warna RGB dan logika fuzzy diusulkan. Pendekatan ini dapat
beroperasi secara langsung pada ruang warna RGB tanpa perlu transformasi ruang
warna. Selain itu, sistem dapat diterapkan ke aplikasi yang berbeda tanpa kesulitan
dengan hanya mengubah nilai parameter a, b dan c. Teknik ini dapat digunakan untuk
mendeteksi tingkat kematangan buah, sayuran, dan bidang medis untuk menemukan
berbagai tahap penyakit dalam tubuh manusia berdasarkan warna.

Review jurnal internasional

Judul ASSESSMENT OF FRUIT MATURITY USING DIRECT COLOUR MAPPING

Jurnal
Volume & Halaman Vol. 3 issue 03

Tahun Maret 2016

Penulis Kranti D. Raut1 Prof. Vibha Bora2

Reviewer Nur Aziz Pramudya

Tanggal 19 DESEMBER 2019

Latar Belakang membantu petani untuk mengoptimalkan hasil panen buah cherry dan strawberry yang
sudah matang maupun yang belum matang.

Tujuan Penelitian
adalah untuk memeriksa apakah buahnya sudah matang, matang atau terlalu matang.

Metode yang di gunakan

Pembahasan pertama-tama mengambil input buah RGB. Setelah itu bagi ini menjadi saluran B dan
saluran R yang selanjutnya dikonversi menjadi gambar topeng R dan masker B. Setelah
mengambil topeng perantara dari topeng R dan topeng B kemudian mengambil area buah
menengah dan indeks warna menengah kemudian menghilangkan area bayangan dan
topeng akhir diambil yang dikombinasikan dengan input RGB, area buah akhir diperoleh
Kesimpulan pada penelitian berhasil memeriksa dari buah yang belum matang sampai yang sudah
matang dengan menghitung nilai RGB untuk mendapatkan diagram alir.
Review jurnal internasional

Judul Color Grading System for Evaluating Tomato Maturity

Jurnal

Volume & Halaman Vol. 2 No. 1

Tahun April 2014

Penulis Navnee S. Ukirade

Reviewer Eka Suci Nopie H

Tanggal 19 DESEMBER 2019

Latar Belakang
Tujuan Penelitian
With increased expectations for food products of high quality, the need for accurate, fast
and objective quality determination in food products became necessary. External quality
is considered of paramount importance in the marketing and sale of fruits. The
appearance i.e., size, shape. color and presence of blemishes and quality of fruits
influences consumer perceptions and therefore determines the level of acceptability prior
to purchase.
Metode yang di gunakan A. Image Acquisition
Image acquisition is the first process in the system development. The images are
captured by placing camera on the top of the tomato, by using same background and
same visible light condition.
B. Image Enhamcement
The purpose of image enhancement is to highlight certain features of interest in an image.
It consists of following phases.
1) Apply Specific Color Space: The proposed system, shown in Figure 1, need a change
in the color space of the images, in order to obtain one channel containing the luminance
information and two other channels containing chrominance information.
2) Thresholding Process: The choice of the threshold value is the key parameter in
thresholding process. Maturity of tomato can be determined by its color, and the average
color value of a whole tomato should be taken for further processing. For that purpose the
region of tomato is necessary. To find the region thresholding process is used
A. Feature Edraction In general, the idea of features extraction is to extract the
information of the interested area in the image for further usage in processing the image.
color of the tomato is the interested area in this process. Several processes under feature
extraction are to be undergo by the image which including boundaries tracing, connected
component analysis, obtaining color values R.G.B to define color bands for grading
C. Trained Classifier A digital camera is used to capture tomato images and then
transferred to the computer. These tomato images are cropped to a size of 640X480
pixels with the white background. Neural network toolbox is used to classify the grades
of tomato. There are four steps in the training process: (i) Assemble the training data (ii)
Create the network. (iii) Train the network (iv)Test and validate network response to new
inputs.

Pembahasan For Tomato maturity evaluation, colors ranges from Green to dark red are taken. The
 tomatoes were to be graded into four maturity levels for Red, Orange, Turning and Green
with the grades A, B, C. D respectively. The preliminary results of the four grades are
shown in fig 8. The average value of the color features selected as parameter for
classification Twenty images of tomato are used in the training process. In the back
propagation neural network, it gave almost acurate results.

Kesimpulan The proposed method can process, analyze and recognize the tomato based on color
feature. In order to improve the functionality and flexibility of the recognition system
shape and size features can be combined together with color feature.

Review jurnal Internasional

Judul Inspeksi dan Penyortiran Buah Berbasis
Otonomi Mesin
Jurnal IJSTE - International Journal of Science Technology &
Engineering

Volume & Halaman Vol.03

Tahun 2016

Penulis Kedar Patil1, Shriniwas Kadam2, Suraj Kale3,

Yogesh Rachetti4, Kiran Jagtap5, Dr. K.H.
Inamdar6
Reviewer Imung dwi upaya
Tanggal 19 desember 2019

Latar Belakang India adalah negara dengan tulang punggung

pertanian. Sebagian besar produk pertanian
utama di India adalah biji-bijian, sayuran, dan
buah-buahan. Ketika datang ke panen buah dan
pengemasan di India, tenaga kerja manusia telah
menjadi bagian yang tak terpisahkan. Tetapi
pengambilan dan pengemasan secara manual
menawarkan banyak kelemahan seperti
inefisiensi waktu, monoton, dll. Selain itu,
dengan biaya tenaga kerja yang memuncak
hingga sangat tinggi saat ini, adalah kebutuhan
untuk mencari langkah-langkah yang efisien
biaya dan hemat waktu untuk panen buah dan
pengemasan. Salah satu teknologi yang muncul
untuk memenuhi tujuan ini adalah teknologi
'Visi Mesin'. Visi Mesin atau teknologi
'Pemrosesan Gambar' sangat cepat, hemat biaya,
dan higienis.
Metode Penelitian 1. Noureddine el Barbri adalah tentang
menyortir buah berdasarkan kematangan
menggunakan penginderaan kamera
2. Model yang Diusulkan
3. Flow chart
4.
5. Model proyek yang diusulkan
 dioptimalkan untuk buah-Lemon India
(Citrus Limon).
Hasil Pembahasan Otomasi industri pemilahan buah adalah salah
satu tonggak penting di pasar ini. Petani dan
distributor melakukan pemeriksaan kualitas
konvensional dan memilih sendiri untuk
menyortir dan menilai produk makanan. Tetapi
metode konvensional ini memiliki banyak
kelemahan seperti memakan waktu, monoton,
lambat dan tidak konsisten dll. Jadi otomasi di
bidang ini memiliki keuntungan lebih besar
dalam hal efisiensi, akurasi, konsistensi dll.
Sistem visi komputer memberikan penilaian
yang cepat, ekonomis, higienis, konsisten, dan
objektif. . Negara-negara yang efisien secara
pertanian seperti Israel dan Australia telah
memanifestasikan penggunaan aktif teknologi
modern ini dan perlu diinokulasi ke Industri
Buah India.
Kesimpulan dan Saran visi mesin adalah alternatif untuk pemilahan
buah secara manual yang tidak dapat
diandalkan. Model yang diusulkan adalah versi
demo. Kerangka kerja ini ringan dan mudah
dibawa-bawa. Algoritme berjalan dengan sukses
dan dapat dimodifikasi pada setiap titik waktu
tergantung pada kondisi pencahayaan yang
bervariasi dari satu tempat ke tempat dan waktu
 ke waktu. Selain itu jenis buah-buahan lain juga
dapat disortir dengan sedikit modifikasi dalam
algoritma. Mikrokontroler yang digunakan tidak
mahal namun sangat efektif dan dapat dengan
mudah.

Review jurnal Internasional

Judul Penilaian Kematangan Buah menggunakan Pemrosesan
Gambar Digital
Jurnal IJSTE - International Journal of Science Technology & Engineering

Volume & Halaman Vol.03 Issue 1

Tahun 2016

Penulis Kranti Raut dan Prof. Vibha Bora

Reviewer Imung dwi upaya

Tanggal 19 desember 2019

Latar belakang Dalam beberapa tahun terakhir teknologi berbasis visi

otomatis telah menjadi lebih kuat dan lebih efisien untuk
 banyak bidang termasuk bidang pertanian dan industri
makanan. Sistem berbasis visi otomatis untuk memilah dan
menilai buah seperti ceri dan stroberi berdasarkan tingkat
kematangannya dibahas di sini. Sifat paling umum untuk
mengukur kualitas buah apa pun adalah penampilannya
yang meliputi warna, bentuk, ukuran, dan kondisi
permukaan. Analisis warna terutama menjadi pertimbangan
penting ketika menentukan efisiensi buah. Penelitian ini
menggunakan metode yang murah untuk memprediksi
parameter warna ceri dan stroberi dengan menggabungkan
pemrosesan gambar dan teknik jaringan saraf tiruan (JST).
Teknologi berbasis visi otomatis terdiri dari kamera CCD
untuk akuisisi gambar, perangkat lunak MATLAB untuk
analisis gambar dan JST untuk pemodelan.
Metode Penelitian 1. Diagram Blok:
Untuk makalah ini, ceri dan stroberi dari berbagai
daerah dikumpulkan; untuk menentukan kematangan
buah kita ikuti metode satu per satu seperti yang
ditunjukkan pada diagram blok .
2. Akuisisi Gambar Buah:
Termasuk data buah ceri dan stroberi dalam bentuk
gambar digital sebelum diproses itu disebut sebagai
akuisisi gambar yang dalam format RGB
3. Konversikan ke Saluran Merah
4.
Hasil pembahasan untuk memanfaatkan teknologi baru, mengungkap
metodologi pertanian baru. Adalah fakta yang terkenal
 bahwa produksi dengan kualitas yang baik tidak hanya
menguntungkan konsumen, yang unggul dari ujung atas
rantai makanan, tetapi juga secara ekonomi menguntungkan
petani yang bekerja keras untuk menghasilkan hasil yang
baik. Dalam aspek petani, semakin baik kualitas, semakin
banyak pendapatan, karena hasil pertanian tidak hanya
digunakan untuk konsumsi langsung oleh orang-orang
tetapi juga oleh industri makanan, yang menggunakan hal
yang sama untuk pembuatan beberapa produk. Selama
musim, buah dikumpulkan dari pohon dalam bundel, dan
kemudian disortir berdasarkan tingkat kematangan untuk
transportasi ke lokasi yang berbeda.
identifikasi buah-buahan pra-matang, awal-matang, matang
dan lebih matang berdasarkan kualitas dalam pengolahan
gambar menggunakan MATLAB berhasil dilakukan
dengan akurasi 63% dalam buah ceri dan 60% akurasi
dalam buah stroberi. Dengan menggunakan teknik
thresholding, ceri dan stroberi pada berbagai tahap
Kesimpulan dan Saran kematangan tersegmentasi dengan sukses.
Akurasi sistem ini dengan biaya rendah membuatnya lebih
bermanfaat. Teknik pengukuran warna yang dibahas dalam
perangkat lunak MATLAB ini untuk analisis gambar telah
digunakan untuk memberikan cara yang lebih fleksibel
untuk mengukur warna banyak makanan lebih banyak
daripada instrumen pengukur warna tradisional yang mahal.