Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter

Yesi Betriana Roza; David Agus Salim; Agung Ramadhanu Ramadhanu

doi:10.37985/jer.v5i4.1863

Authors

Yesi Betriana Roza Universitas Putra Indonesia YPTK Padang, Indonesia
David Agus Salim Universitas Putra Indonesia YPTK Padang, Indonesia
Agung Ramadhanu Ramadhanu Universitas Putra Indonesia YPTK Padang, Indonesia

DOI:

https://doi.org/10.37985/jer.v5i4.1863

Keywords:

Mangga, analisis citra digital, kematangan buah, pemrosesan gambar, klasifikasi warna

Abstract

Penelitian ini bertujuan meningkatkan penilaian kualitas dan kematangan buah mangga melalui analisis citra digital menggunakan MATLAB. Kematangan mangga mempengaruhi rasa, tekstur, dan daya simpan, dan penilaian tradisional sering kali bersifat subjektif. Oleh karena itu, teknologi pemrosesan gambar digunakan untuk memberikan pendekatan objektif, dengan klasifikasi berdasarkan perubahan warna dari hijau (belum matang) ke kuning (matang). Hasil penelitian menunjukkan akurasi tinggi dalam membedakan mangga matang dan hijau, dengan parameter citra yang diperoleh: Eccentricity 0,84218, Contrast 0,041545, Correlation 0,99141, Energy 0,44415, dan Homogeneity 0,98644. Nilai-nilai ini menunjukkan hubungan kuat antar piksel dan keseragaman citra yang tinggi, yang mendukung pengembangan sistem penilaian otomatis yang efisien untuk menentukan kematangan buah mangga.

Downloads

Download data is not yet available.

References

Akbar Anugrah Illahi, M., & Tri Handoko, W. (2023). Klasifikasi jenis buah kelengkeng dengan metode K-Nearest Neighbor (KNN) berdasarkan citra warna buah. Jurnal Teknologi Informasi, 4(3), 566–573.

Awad, F. H., Hamad, M. M., & Alzubaidi, L. (2023). Robust classification and detection of big medical data using advanced parallel K-Means clustering, YOLOv4, and logistic regression. Life, 13(3). https://doi.org/10.3390/life13030691

Ghazal, T. M., Hussain, M. Z., Said, R. A., Nadeem, A., Hasan, M. K., Ahmad, M., Khan, M. A., & Naseem, M. T. (2021). Performances of k-means clustering algorithm with different distance metrics. Intelligent Automation and Soft Computing, 30(2), 735–742. https://doi.org/10.32604/iasc.2021.019067

Harjanti, T. W., & Himawan, H. (2021). Teknologi pengolahan citra digital untuk ekstraksi ciri pada citra daun untuk identifikasi tumbuhan obat. Faktor Exacta, 14(3), 150. https://doi.org/10.30998/faktorexacta.v14i3.9841

Hendriyan, Syafriani, D., Defwaldy, & Driptufany, D. M. (2023). Jurnal Teknik Indonesia, 2(4), 14–28.

Jamaludin, J., Rozikin, C., & Irawan, A. S. Y. (2021). Klasifikasi jenis buah mangga dengan metode backpropagation. Techné: Jurnal Ilmiah Elektroteknika, 20(1), 1–12. https://doi.org/10.31358/techne.v20i1.231

Muchtar, M., & Muchtar, R. A. (2024). Perbandingan metode KNN dan SVM dalam klasifikasi kematangan buah mangga berdasarkan citra HSV dan fitur statistik. Jurnal Informatika dan Teknik Elektro Terapan, 12(2), 876–884. https://doi.org/10.23960/jitet.v12i2.4010

Muchtar, M., Pasrun, Y. P., Rasyid, R., Miftachurohmah, N., & Mardiawati, M. (2024). Penerapan metode Naïve Bayes dalam klasifikasi kesegaran ikan berdasarkan warna pada citra area mata. Jurnal Informatika dan Teknik Elektro Terapan, 12(1), 611–617. https://doi.org/10.23960/jitet.v12i1.3879

Nithya, R., Santhi, B., Manikandan, R., Rahimi, M., & Gandomi, A. H. (2022). Computer vision system for mango fruit defect detection using deep convolutional neural network. Foods, 11(21). https://doi.org/10.3390/foods11213483

Nuraini, R. (2022). Implementasi Euclidean distance dan segmentasi K-means clustering pada identifikasi citra jenis ikan nila. KLIK: Kajian Ilmiah Informatika dan Komputer, 3(1), 1–8.

Nurnaningsih, D., Alamsyah, D., Herdiansah, A., & Sinlae, A. A. J. (2021). Identifikasi citra tanaman obat jenis rimpang dengan Euclidean distance berdasarkan ciri bentuk dan tekstur. Building of Informatics, Technology and Science (BITS), 3(3), 171–178. https://doi.org/10.47065/bits.v3i3.1019

Nurulrachman, A. I., Wihandika, R. C., & Sukiman, B. (2023). Ekstraksi ciri pada klasifikasi citra batik menggunakan metode Gray Level Co-occurrence Matrix, local binary pattern, dan HSV color moment. Jurnal Teknologi Informasi dan Komputer, 7(1), 374–383. https://doi.org/10.12345/jptiik.v7i1.12345

Saputra, J., Sa, Y., Yoga Pudya Ardhana, V., & Afriansyah, M. (2023). Klasifikasi kematangan buah alpukat mentega menggunakan metode K-Nearest Neighbor berdasarkan warna kulit buah. Resolusi: Rekayasa Teknik Informatika dan Informasi, 3(5), 347–354. https://djournals.com/resolusi

Wisak, S. A., Safirah, N. A., Kaesmetan, Y. R., Putih, K., & Kupang, K. (2024). Identifikasi jenis mangga berdasarkan ciri daun menggunakan metode CNN. Jurnal Teknologi Informasi, 7(2), 121–129.

Yudhistira, A., & Andika, R. (2023). Pengelompokan data nilai siswa menggunakan metode K-means clustering. Journal of Artificial Intelligence and Technology Information (JAITI), 1(1), 20–28. https://doi.org/10.58602/jaiti.v1i1.22

Sulaksono, J., Widodo, D. W., & Niswatin, R. K. (2024). Analisis hasil perbaikan citra menggunakan median filter dan 2D median filter. Seminar Nasional Teknologi & Sains, 3(1), 438–443. https://doi.org/10.29407/stains.v3i1.4361

Sunardi, S., Yudhana, A., & Wijaya, S. A. (2022). Penerapan metode median filtering untuk optimasi deteksi wajah pada foto digital. Journal of Innovation Information Technology and Application (JINITA), 4(1), 51–60. https://doi.org/10.35970/jinita.v4i1.1214

Tatuin, M. G., Kelen, Y. P., & Manek, S. S. (2024). Pengaruh ukuran jendela ketetanggaan (window) terhadap hasil reduksi noise pada metode median filter dan Gaussian filter. Jurnal Krisnadana, 3(3), 142–154. https://doi.org/10.58982/krisnadana.v3i3.601