| dc.description.abstract | Buah Manggis (Garcinia mangostana L.) merupakan tanaman asli
Indonesia yang merupakan salah satu komoditas utama ekspor buah segar yang
menjadi andalan Indonesia. Sumbangan ekspor buah manggis sangat besar dalam
meningkatkan devisa negara dan pendapatan petani. Namun saat ini belum semua
permintaan buah manggis dapat terpenuhi, dikarenakan mutu manggis kurang
memenuhi persyaratan yang diminta. Salah satu faktornya adalah cacat permukaan
pada kulit buah manggis sehingga memengaruhi kualitas buah khususnya
penampakan buah. Pemeriksaan buah manggis selama ini masih menggunakan cara
konvensional yaitu dengan pengamatan secara manual dengan indra pengelihatan.
Cara tradisional ini dirasa kurang efektif karena bergantung pada keadaan dan
kondisi dari tenaga penyortir, perbedaan persepsi antara masing-masing penyortir,
membutuhkan waktu lama, membutuhkan biaya yang besar dan melibatkan banyak
pekerja. Untuk menangguli permasalahan diatas, pada penelitian ini akan
mengembangkan metode deteksi cacat permukaan buah manggis berbasis
pengolahan citra. Tahap pengolahan citra diawali dengan pengaturan ukuran citra
dan konversi citra ke mode grayscale, kemudian dilakukan transformasi curvelet
diskrit. Tahap selanjutnya adalah pengambilan nilai ekstraksi ciri mean, standar
deviasi, energy dan entropy sebagai masukan nilai pada tahap klasifikasi. Metode
klasifikasi menggunakan Support Vector Machine (SVM) karena dapat
menggunakan banyak ekstraksi sekaligus. Metode validasi yang digunakan pada
proses klasifikasi adalah K-Fold Cross Validation yang pada penelitian ini dibagi
atas 4-fold cross validation. Penerapan empat ekstraksi ciri sekaligus pada
klasifikasi dengan 120 citra uji yang dibagi menjadi 4-fold validation menghasilkan
akurasi deteksi sebesar 96.67%, 100%, 93.33% dan 96.67%. Secara keseluruhan
nilai akurasi yang didapat dari ke 4-fold menghasilkan akurasi optimal sebesar
96.67%. | en_US |
