Annisa dwi Fitriana1), Faul Isnaeni2), Ferdi Saputra3), dan Riyani Malikhah4)
1, 2, 3, 4)
Teknik Informatika dan Universitas Ma.arif Nahdlatul Ulama Kebumen
Jl. Kutoarjo No.Km.05, Wonoboyo, Jatisari, Kec. Kebumen, Kab. Kebumen, Jawa Tengah
e-mail: ichaa211201@email.com1), faulisnaeni@email.com2), ferdisaputra755@email.com 3),
riyanimalikhah36@email.com4)
ABSTRAK
Indonesia dikenal sebagai penghasil buah-buahan tropis terbesar di ASEAN, salah satunya pepaya. Pepaya
juga merupakan komoditas ekspor. Negara tujuan ekspor pepaya dari Indonesia adalah Hongkong, Singapura,
Malaysia, Kuwait, Qatar, Uni Emirat Arab, Bahrain dan Thailand. Pada penelitian ini terdapat 2 dataset citra
yaitu, citra warna dan ekstraksi tepi objek (citra bentuk). Terdapat 20 data citra pepaya muda dan matang. Citra
pada setiap dataset berupa citra RGB dengan ukuran 40 cm. Hasil pengujian setelah citra melalui tahap klari -
fikasi yaituy, metode RGB pada pelatihan dan pengujian memperoleh akurasi sebesar 80% yang berarti sistem
dapat mengklarifikasi tingkat kematangan pepaya dengan cukup akurat. Citra bentuk buah papaya berdasarkan
image processing diperoleh papaya yang paling bundar yaitu pada papaya12.jpg dengan tingkat kebundaran
0,369 dengan kerampingan 0,191 ,panjang 37,054 serta lebar 7,071. Metode RGB pada pelatihan dan pengujian
memberikan hasil yang cukup akurat dalam mengklarifikasi tingkat kematangan pepaya.Penerapan aplikasi pen-
golahan citra ini bertujun untuk membantu meningkatkan pengenalan kualitas buah pepaya dalam proses grad-
ing mutu, sehingga produsen pepaya dapat bersaing lebih baik dengan produsen dari negara lain. Selain itu,
dengan penggunaan teknologi ini, tingkat kesalahan manusia dalam penilaian kualitas dapat berkurang, dan
kualitas buah pepaya yang diekspor dapat lebih terstandarisasi
Kata Kunci: ekstraksi tepi objek, pengolahan citra digital, pepaya, RGB
ABSTRACT
Indonesia is known as the largest producer of tropical fruits in ASEAN, one of which is papaya. Papaya is also
an export commodity. The destination countries for papaya exports from Indonesia are Hong Kong, Singapore,
Malaysia, Kuwait, Qatar, United Arab Emirates, Bahrain and Thailand. In this research there are 2 image
datasets, namely, color images and object edge extraction (shape images). There are 20 image data of young and
ripe papaya. The image in each dataset is an RGB image with a size of 40 cm. The test results after the image
went through the clarification stage, namely, the RGB method in training and testing obtained an accuracy of
80%, which means the system can clarify the level of papaya ripeness quite accurately. The image of the shape of
the papaya fruit based on image processing shows that the most round papaya is papaya12.jpg with a roundness
level of 0.369 with a slenderness of 0.191, a length of 37.054 and a width of 7.071. The RGB method in training
and testing provides quite accurate results in clarifying the ripeness level of papaya. The application of this im -
age processing application aims to help improve recognition of the quality of papaya fruit in the quality grading
process, so that papaya producers can compete better with producers from other countries. In addition, with the
use of this technology, the level of human error in quality assessment can be reduced, and the quality of exported
papaya fruit can be more standardized.
Keywords: edge extraction, digital image processing, papaya, RGB
I
ndonesia dikenal sebagai penghasil buah-buahan
tropis terbesar di ASEAN, salah satunya pepaya [1]. meningkat berturut-turut sebanyak 25.328 kg, 25.836
Pepaya juga merupakan komoditas ekspor. Negara kg dan 31,43 kg dalam tiga tahun terakhir pada tahun
tujuan ekspor pepaya dari Indonesia adalah Hongkong, 2012, 2013, 2014..Menurut statistik produksi pepaya
Singapura, Malaysia, Kuwait, Qatar, Uni Emirat Arab, Food and Agriculture Organization (FAO) dari tahun
Bahrain dan Thailand. Berdasarkan data tahun 2014 2000 hingga 2010, india merupakan salah satu negara
1
TEKNIMEDIA - Volume xx, Nomorx, Bulan YYYY: nomer halaman awal – nomer halaman akhir
penghasil pepaya terbesar di dunia setelah Brazil, salahan juga sering terjadi, karena panduan ini
Meksiko, India dan Nigeria [2]. sangat bergantung pada karakteristik dan tingkat
Buah pepaya merupakan buah serbaguna akurasi buah pepaya. Belum ada pemahaman dan
dengan nilai gizi tinggi terutama vitamin C dan belum ada aplikasi untuk menganalisis buah pe-
A. Setiap 100 gramnya mengandung 3,65 mg vita- paya dan membantu masyarakat untuk mendap-
min A dan 78 mg vitamin C. [3]. Rasa manis pada atkan informasi [3]. Berdasarkan permasalahan
pepaya merupakan faktor penting yang dapat tersebut, peneliti membangun alat pengolah citra
mempengaruhi kemauan konsumen untuk mem- untuk mengetahui kesesuaian buah pepaya
beli pepaya. Rasa manis buah dipengaruhi oleh berdasarkan warna dan bentuknya.
jumlah sukrosa yang dinyatakan dengan oBx (der- Penelitian ini bertujuan untuk mengem-
ajat Brix). Brix menunjukkan jumlah (dalam bangkan teknologi dan meningkatkan produktivi-
gram) zat padat terlarut (sukrosa) dalam 100 gram tas pepaya dengan menggunakan pengolahan citra
larutan.[1]. digital untuk memudahkan klasifikasi kematangan
Objek dapat dikenali dan diidentifikasi pepaya.
dengan benar dengan bantuan warna. Ada banyak
warna berbeda yang dapat dilihat mata manusia II. STUDI PUSTAKA
sebagai objek berbeda. Jenis warna yang berbeda A.Pepaya
ini dapat diklasifikasikan untuk memudahkan
Pepaya merupakan salah satu buah tropis
identifikasi objek. Misalnya saja saat membe-
yang bernilai ekonomi tinggi, berpotensi menjadi
dakan tingkat kematangan buah. Pada umumnya
sumber pendapatan dan berperan penting dalam
kematangan buah pepaya hanya dapat ditentukan
penyediaan nutrisi. Sebagai buah non musiman,
dari warna buahnya. Namun mata manusia
produksi pepaya di Indonesia meningkat dari
terkadang tidak akurat karena beberapa faktor,
tahun 2000 hingga tahun 2004 sebagai buah segar
seperti usia yang mengurangi fokus penglihatan
sebanyak 429.207 ton, 500.571 ton, 605.194 ton,
seseorang, membutuhkan lebih banyak energi un-
626.745 ton, 732.611 ton, dengan total ekspor
tuk membandingkan objek, perbedaan tingkat
pada tahun 2004 sebesar 524.686 kg senilai
persepsi manusia. [4].
1.301.371 USD. Kegunaan buah pepaya sudah
Kebutuhan buah pepaya segar untuk ek-
dikenal masyarakat Indonesia sejak lama, buah
spor memerlukan pengendalian kualitas agar dapat
ini dapat dimakan segar maupun dalam bentuk
bersaing dengan produsen pepaya di negara lain.
olahan (campuran sambal, manisan dan acar). [5].
Salah satu permasalahan pascapanen adalah peni-
Pepaya (Carica Papaya L.) merupakan
laian kualitas buah pepaya. Hingga saat ini, dalam
tanaman herba, namun bentuknya tidak seperti
proses penilaian buah pepaya, identifikasi kualitas
tumbuhan herba pada umumnya. Tanaman pepaya
secara tradisional masih berada dalam batas
dapat mencapai ketinggian 9 meter, dan dengan
penglihatan manusia. Oleh karena itu, proses iden-
demikian digambarkan sebagai tumbuhan raksas
tifikasi kualitas memiliki beberapa kelemahan,
[6]. Arvind G mempelajari bahwa Carica papaya,
misalnya. penyortiran memerlukan tenaga yang
adalah buah tropis lozenge, yang sering terlihat
lebih besar, tingkat persepsi manusia dalam meni-
dalam warna oranye-merah, kuning-hijau dan
lai buah-buahan yang berbeda, tingkat konsistensi
oranye kuning, dengan bubur oranye yang kaya
manusia dalam menilai mutu buah-buahan tidak
[7].
terjamin karena dapat saja manusia mengalami
kelelahan. [2]. B.Citra
Selain itu, setiap konsumen pepaya pasti Webster (1993) mendefinisikan citra seba-
ingin menikmati buah yang berkualitas tinggi. gai gambaran mental atau konsep tentang sesuatu
Perbedaan buah pepaya matang dan mentah dapat [8]. Kotler (1995) mendefinisikan citra secara
dilihat pada warna, tekstur, dan bentuknya. Kon- lebih luas sebagai kumpulan keyakinan, gam-
sumen dapat melakukan pengecekan kondisi buah baran, dan kesan yang dimiliki seseorang terhadap
pepaya secara manual berdasarkan ciri-cirinya, suatu obyek [8].
seperti pengecekan penampilan berdasarkan
C. Pengolahan Citra
warna, pengecekan tekstur dengan menekan kulit,
pengecekan bagian tengah berjamur dan aroma. Pengolahan citra adalah suatu teknik yang
Tentu saja panduan ini dapat menghasilkan kesim- digunakan untuk mengolah citra atau gambar den-
pulan yang berbeda-beda bagi setiap orang. Ke- gan cara memanipulasinya dengan data gambar
2
Fitriana, Isnaeni, Saputra, dan Malikhah — Penentuan Kematangan Buah Pepaya Berdasarkan Warna dan Bentuk Menggu-
nakan Pengolahan Citra
3
TEKNIMEDIA - Volume xx, Nomorx, Bulan YYYY: nomer halaman awal – nomer halaman akhir
C. Dataset
4
Fitriana, Isnaeni, Saputra, dan Malikhah — Penentuan Kematangan Buah Pepaya Berdasarkan Warna dan Bentuk Menggu-
nakan Pengolahan Citra
Gambar 4. Tampilan deteksi warna dari citra bentuk kematangan buah pepaya dengan akurasi sebesar
80%. Metode RGB pada pelatihan dan pengujian
memberikan hasil yang cukup akurat dalam
mengklarifikasi tingkat kematangan pepaya.
Penerapan aplikasi pengolahan citra ini di-
harapkan dapat membantu meningkatkan kualitas
pengenalan kualitas buah pepaya dalam proses
grading mutu, sehingga produsen pepaya dapat
bersaing lebih baik dengan produsen dari negara
lain. Selain itu, dengan penggunaan teknologi ini,
tingkat kesalahan manusia dalam penilaian kuali-
Gambar 5. Tampilan ekstraksi tepi objek tas dapat berkurang, dan kualitas buah pepaya
yang diekspor dapat lebih terstandarisasi.
Tabel 1. Dataset RGB buah pepaya.
Dengan demikian, penelitian ini mem-
Nama Area Perim ke- Ker- Pan- Leba berikan kontribusi dalam pengembangan teknolgi
Objek (pixel) eter bun- ampin jang r
(pixel) dara gan dan peningkatan produktivitas pepaya di Indone-
n (pixel) sia melalui pemanfaatan pengolahan citra digital
pepaya1.J 278756. 2173.3 0.741 0.442 447.4 198.2
PG 0 47 93 04 untuk memudahkan klasifikasi kematangan pe-
pepaya2.J
PG
309015.
3
2450.3
06
0.646 0.366 518.1
36
189.7
63
paya. Aplikasi ini juga berpotensi membantu kon-
pepaya3.J 252069. 2056.1 0.749 0.450 422.2 189.9 sumen dalam memilih buah pepaya yang berkuali-
PG
pepaya4.J
7
250159.
46
2008.6 0.779 0.478
84
408.1
28
195.0
tas sesuai dengan preferensi dan kebutuhan
PG 1 82 42 20 mereka.
pepaya5.J 193358 1775.4 0.770 0.470 361.8 170.0
PG 4.0 24 63 17
pepaya6.J 126185. 4849.5 0.719 0.423 307.9 130.3
PG 8 77 36 84 REFERENSI DAN CATATAN KAKI
pepaya7.J 220595. 1955.8 0.724 0.428 404.9 173.3
PG 1 69 01 49 [1] Admin, “Bab II Landasan Teori,” J. Chem. Inf.
pepaya8.J 139914. 1554.1 0.728 0.431 321.4 138.5 Model., pp. 1–14, 2018.
PG 5 19 00 13 [2] F. Wibowo and A. Harjoko, “Klasifikasi Mutu Pe-
pepaya9.J 126720. 1527.1 0.682 0.394 320.0 126.0 paya Berdasarkan Ciri Tekstur GLCM Menggu-
PG 0 89
pepaya10. 119790. 1498.4 0.670 0.384 315.0 121.0 nakan Jaringan Saraf Tiruan,” Khazanah Inform. J.
JPG 0 48 Ilmu Komput. dan Inform., vol. 3, no. 2, pp. 100–
Pe- 0.742 0.443 435.0 193.0 104, 2017, doi: 10.23917/khif.v3i2.4516.
paya11.JP 263858. 2113.2
[3] L. A. Wardani, G. Pasek, S. Wijaya, and F. Biman-
G 5 64
Pe- 0.369 0.191 37.05 7.071 toro, “KLASIFIKASI JENIS DAN TINGKAT
paya12.JP 823464. 167.51 4 KEMATANGAN BUAH PEPAYA
G 5 2 BERDASARKAN FITUR WARNA, TEKSTUR
pepaya13. 219944. 1855.8 0.802 0.501 373.5 187.3
JPG 1 43 90 23
DAN BENTUK MENGGUNAKAN SUPPORT
pepaya14. 209873. 1878.3 0.747 0.448 386.0 173.0 VECTOR MACHINE (Classification of Types and
JPG 7 65 Levels of Ripeness of Papaya Fruit Based on Color,
pepaya15. 255019. 2171.5 0.679 0.391 455.3 178.1 Texture and Shape Features Using Support Ve,” J.
JPG 0 27 96 79
pepaya16. 227445. 1908.6 0.784 0.483 387.0 187.0
Teknol. Informasi, Komput. dan Apl., vol. 4, no. 1,
JPG 4 34 pp. 75–87, 2022, [Online]. Available:
pepaya17. 372317. 2436.4 0.788 0.487 493.3 240.1 http://jtika.if.unram.ac.id/index.php/JTIKA/
JPG 3 33 28 33 [4] Alfian Firlansyah, Andi Baso Kaswar, and Andi
pepaya18. 260954. 1852.7 0.955 0.733 336.3 246.8
JPG 9 54 76 40
Akram Nur Risal, “Klasifikasi Tingkat Kematangan
pepaya19. 259246. 2069.2 0.760 0.460 423.2 194.8 Buah Pepaya Berdasarkan Fitur Warna Menggu-
JPG 2 52 74 79 nakan JST,” Techno Xplore J. Ilmu Komput. dan
pepaya20. 403074. 2888.1 0.607 0.338 616.1 208.1 Teknol. Inf., vol. 6, no. 2, pp. 55–60, 2021, doi:
JPG 7 37 85 36
10.36805/technoxplore.v6i2.1438.
[5] E. Syaefulloh and H. Purwadaria, “IDENTIFIKASI
TINGKAT KETUAAN DAN KEMATANGAN
V.KESIMPULAN PEPAYA (Carica papaya L.) IPB 1 DENGAN
Pengolahan citra digital menggunakan PENGOLAHAN CITRA DIGITAL DAN
JARINGAN SYARAF TIRUAN,” Agritech J. Fak.
model warna RGB dan ekstraksi tepi objek (citra Teknol. Pertan. UGM, vol. 27, no. 2, pp. 75–81,
bentuk) telah berhasil mengklasifikasikan tingkat 2007.
5
TEKNIMEDIA - Volume xx, Nomorx, Bulan YYYY: nomer halaman awal – nomer halaman akhir