Detail Cantuman

Proses pemilihan tomat yang dilakukan manusia relatif kurang konsisten untuk menentukan tomat yang matang dan belum matang. Hal ini disebabkan beberapa faktor seperti kelelahan manusia, keragaman visual, dan perbedaan persepsi setiap manusia. Untuk mengatasi hal tersebut, Penelitian ini mengusulkan sebuah sistem berbasis komputer yang dapat melakukan proses pemilihan yang memiliki tingkat akurasi dibandingkan dengan proses pemilihan yang dilakukan oleh manusia. Proses pemilihan pada sistem ini, dilakukan melalui beberapa tahapan meliputi pengambilan citra tomat diikuti proses pemotongan citra dan konversi ruang warna HSV serta pembuatan histogram HSV. Hasil konversi ruang warna HSV tersebut sebagai masukkan proses klasifikasi untuk menentukan tingkat kematangan tomat kedalam kategori matang dan belum matang menggunakan metode Learning Vector Quantization (LVQ). Sistem yang dibuat terdiri dari dua perangkat diantaranya kamera sebagai alat untuk pengambilan citra dan belt conveyor sebagai material transfer. Hasil dari pengujian sistem pengenalan tingkat kematangan berdasarkan citra warna dengan metode Learning Vector Quantization (LVQ) diperoleh prosentase keberhasilan sebesar 83,75% dari 80 dengan pengambilan citra tomat secara statis dan 83,33% dari 48 dengan pengambilan citra tomat pada belt conveyor.