Aplikasi Pengenalan Tingkat Kematangan Buah Tomat Menggunakan Fitur Warna HSV Berbasis Android

Abstract

Tomatoes ripen relatively quickly, so tomato farmers must be able to properly sort the tomatoes for distribution. Farmers typically sort the tomatoes by hand. Tomato farmers are generally experts at manually sorting tomatoes, but humans have many limitations, such as being tired and unfocused. Because these issues can lead to inconsistencies and inaccuracies in sorting, a tool is required to help with the process. As a result, it is necessary to create an Android application to aid in the sorting process. The reason for using Android as a platform is that it is a tool that a large number of people own. The LVQ algorithm is used as a learning algorithm to find the best model for tomato recognition. To build the model, the algorithm requires features. Colors with Hue, Saturation, and Value (HSV) are used. The Personal eXtreme Programming (PXP) system development methodology was used to create applications that recognize the level of ripeness of tomatoes. Unified Modeling Language (UML) is the analytic tool of choice. The application was successfully developed on the Android platform based on the test results. The application's use results in an accuracy of 80%. Green and red tomatoes are the most well-known types of tomatoes. Turning tomatoes are difficult to identify because many of them are mistaken for green tomatoes.Keyword: Android; eXtreme Programming; HSV; Recognition; TomatoBuah tomat memiliki waktu kematangan relatif cepat, sehingga petani tomat harus dapat menyortir buah tomat dengan tepat yang akan didistribusikan. Pada umumnya petani menyortir buah tomat secara manual. Petani tomat juga pada umumnya sudah ahli dalam menyortir tomat secara manual, tetapi manusia memiliki banyak keterbatasan seperti lelah dan tidak fokus. Masalah tersebut dapat meyebabkan inkonsistensi dan ketidaktepatan dalam penyortirannya, sehingga dibutuhkan alat bantu untuk membantu proses peyortiran tersebut. Oleh karena itu, perlu dikembangkan sebuah aplikasi Android yang dapat membantu proses penyortiran tersebut. Alasan penggunaan Android sebagai platform karena merupakan alat yang banyak dimiliki orang pada umumnya. Algoritme LVQ digunakan sebagai algoritme pembelajaran untuk mendapatkan model terbaik dalam mengenali buah tomat. Algoritme tersebut membutuhkan fitur untuk membangun modelnya. Fitur yang digunakan adalah warna Hue, Saturation, dan Value (HSV). Aplikasi pengenalan tingkat kematangan buah tomat dikembangkan menggunakan metodologi pengembangan sistem Personal eXtreme Programming (PXP). Alat analisis yang digunakan adalah Unified Modeling Language (UML). Berdasarkan hasil pengujian, aplikasi berhasil dikembangkan pada platform Android. Penggunaan aplikasi tersebut menghasilkan akurasi sebesar 80%. Tomat yang paling banyak dikenali adalah tomat Green dan Red. Tomat Turning cukup sulit dikenali, karena tomat tersebut cukup banyak yang dikenali sebagai tomat Green.Kata Kunci: Android; eXtreme Programming; HSV; Pengenalan; Tomat

Klasifikasi Rasa Jeruk Siam Berdasarkan Warna Dan Tekstur Berbasis Pengolahan Citra Digital

“…Ekstraksi warna pada ruang fitur RGB dilakukan dengan menghitung nilai piksel pada masing-masing channel R, G, dan B lalu menentukan nilai rata-ratanya. Pada fitur warna HSV, Hue menunjukkan tingkat kemerahan dan kehijauan dari cahaya [20]. Hue memiliki rentang dari 0 sampai 360 derajat, dimana 0 adalah merah, 60 derajat adalah kuning, 120 derajat adalah hijau, 180 derajat adalah cyan, 240 derajat adalah biru, dan 300 derajat adalah warna magenta.…”

Identification of tomato ripeness levels (Lycopersicum esculentum Miil) using android-based digital image processing

“…The maximum distance in taking photos is 25 cm [3]. Input the original image from the folder then cropping the original image on the tomato skin aims to reduce the size of the fruit, after cropping it will resize the cutting image to 32x32 pixels to reduce the computational process [4].…”

“…the front, the middle and the back. Cropping on tomato skin serves to reduce the size of the tomato fruit, after cropping it will resize the cutting image to 32x32 pixels to reduce the computational process [4]. After cropping the tomatoes, the next step is to convert the image to a grayscale image.…”