Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan

Abstract

Proses sortasi buah pepaya berdasarkan mutu merupakan salah satu proses yang sangat menentukan mutu buah pepaya yang akan dilepas ke konsumen. Proses identifikasi mutu dengan cara konvensional  menggunakan visual mata manusia memiliki kelemahan di antaranya yaitu membutuhkan tenaga lebih banyak untuk memilah, tingkat persepsi manusia dalam hal pemutuan buah yang berbeda, tingkat konsistensi manusia dalam menilai mutu buah tidak menjamin karena manusia dapat mengalami kelelahan.Penelitian ini bertujuan merancang dan menyusun program pengolahan citra digital dan jaringan saraf tiruan untuk klasifikasi pemutuan buah pepaya (Carica Papaya L) Calina IPB-9 ke dalam tiga kelas mutu yaitu kelas Super, A, dan B. Fitur tekstur yang diekstrak meliputi nilai energy, entropy, contras, homogeneity, invers difference moment, variance, dan dissimilarity yang didapatkan berdasarkan GLCM (gray level cooccurrence matrices). Fitur-fitur tersebut dijadikan sebagai input pada algoritma pelatihan jaringan saraf tiruan backpropagation. Hasil pengujian pada proses pengenalan menunjukan fitur energy, dan entropy dapat membedakan kelas mutu pepaya Calina IPB-9 dengan tingkat akurasi terbaik yaitu sebesar 86.11%.