Respon Pertumbuhan Bibit Jeruk Manis  (Citrus sinensis L.) terhadap Pemberian Limbah Solid Industri Kelapa Sawit

Lukmana, Mila; Sahab, Fahmi

doi:10.46365/agrs.v6i02.410

Cited by 3 publications

(3 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Secara keseluruhan, tujuan utama adalah menciptakan alat yang dapat mendeteksi dan memilah kematangan buah jeruk manis berdasarkan klasifikasi warna dengan menggunakan sensor warna dengan pengaplikasian metode SVM, serta menghitung jumlah total buah jeruk manis. Alat ini diharapkan dapat mendukung petani jeruk dalam meningkatkan efisiensi dalam pengolahan hasil panen dan memenuhi permintaan pasar yang meningkat [4].…”

Section: Pendahuluanunclassified

Rancang Bangun Alat Pemilah Kematangan Buah Jeruk Manis Menggunakan Metode SVM

Firmansyah,

Jaya

2023

Voteteknika

View full text Add to dashboard Cite

Tujuan penelitian yang dilakukan yaitu menghasilkan alat pemilah kematangan buah jeruk berdasarkan klasifikasi warna berbasis metode support vector machine (SVM). Buah jeruk manis memiliki warna buah yang mencolok dan bentuk buah yang baik. Tingkat kematangan buah jeruk manis dapat ditentukan salah satunya dilihat dari warna jeruk. Mengklasifikasikan level kematangan buah jeruk menggunakan metode multi SVM memperoleh data warna RGB dari hasil penelitian sebelumnya sebagai patokan dasar kematangan buah jeruk yang akan dikonversi dari program ke sensor pengenal warna TCS3200 menggunakan Mikrokontroler. Motor DC untuk menggerakan konveyor dengan kecepatan konstan yang diatur oleh Motor Driver BTS7960, Motor Servo untuk pembuka dan penutup jalur jatuhnya buah jeruk dari corong penampung serta konveyor. Alat ini dibuat menggunakan metode waterfal dengan tahapan Analysis (Analisis), Design (Perancangan), Implementation (Penerapan), Testing (Pengujian), dan Maintenance (Pemeliharaan). Hasil pengujian menghasilkan klasifikasi buah jeruk yang telah terpilah matang dan masih mentah serta jumlah total buah jeruk yang terdeteksi.

show abstract

Section: Pendahuluanunclassified

Rancang Bangun Alat Pemilah Kematangan Buah Jeruk Manis Menggunakan Metode SVM

Firmansyah,

Jaya

2023

Voteteknika

View full text Add to dashboard Cite

show abstract

“…Tanaman jeruk manis (Citrus Sinensis) adalah tanaman buah tahunan yang berasal dari Asia. [1] Diyakini bahwa Cina adalah tempat pertama bagi jeruk yang tumbuh. Selama ratusan tahun, jeruk telah tumbuh di Indonesia, baik secara alami maupun dibudidayakan.…”

Section: Pendahuluanunclassified

Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network

Yanto

Fimawahib

Supriyanto

et al. 2021

ISI

View full text Add to dashboard Cite

Sweet orange is very much consumed by humans because oranges are rich in vitamin C, sweet oranges can be consumed directly to drink. The classification carried out to determine proper (good) and unfit (rotten) oranges still uses manual methods, This classification has several weaknesses, namely the existence of human visual limitations, is influenced by the psychological condition of the observations and takes a long time. One of the classification methods for sweet orange fruit with a computerized system the Convolutional Neural Network (CNN) is algorithm deep learning to the development of the Multilayer Perceptron (MLP) with 100 datasets of sweet orange images, the classification accuracy rate was 97.5184%. the classification was carried out, the result was 67.8221%. Testing of 10 citrus fruit images divided into 5 good citrus images and 5 rotten citrus images at 96% for training 92% for testing which were considered to have been able to classify the appropriateness of sweet orange fruit very well. The graph of the results of the accuracy testing is 0.92 or 92%. This result is quite good, for the RGB histogram display the orange image is good

show abstract

“…Bebasnya perdagangan dunia saat ini, yang membuat buahbuahan impor mudah memasuki pasar di Indonesia (Ro'Isah, 2019) Tanaman jeruk manis (Citrus Sinensis) adalah tanaman buah tahunan yang berasal dari Asia. (Lukmana and Sahab, 2021) Diyakini bahwa Cina adalah tempat pertama bagi jeruk yang tumbuh. Selama ratusan tahun, jeruk telah tumbuh di Indonesia, baik secara alami maupun dibudidayakan.…”

unclassified

Penerapan Algoritma Deep Learning Convolutional Neural Network Dalam Menentukan Kematangan Buah Jeruk Manis Berdasarkan Citra Red Green Blue (RGB)

Yanto,

Rouza,

Fimawahib

et al. 2023

JTIIK

View full text Add to dashboard Cite

Secara umum proses menentukan jeruk manis layak (bagus) dan tidak layak (busuk) masih banyak menggunakan cara manual. Cara manual dilakukan berdasarkan pengamatan visual secara langsung pada buah yang akan diamati. Pengamatan dengan cara ini memiliki beberapa kelemahan yaitu adanya keterbatasan visual manusia, di pengaruhi oleh kondisi psikis pengamatannya serta memakan waktu yang lama terutama bagi perkebunan besar. Untuk itu, diperlukan suatu algoritma untuk menentukan buah jeruk manis dengan sistem terkomputerisasi yang dibuat menggunakan algoritma Convolutional Neural Network (CNN) merupakan salah satu algoritma dari deep learning yang merupakan pengembangan dari Multilayer Percepton (MLP) yang mampu mengolah data dalam bentuk dua dimensi, misalnya gambar serta mampu melakukan klasifikasi pada citra dengan kelas–kelas yang lebih banyak atau besar. Sistem ini dirancang dan dibangun menggunakan bahasa pemrograman matlab versi R2018a, dengan 100 dataset gambar jeruk manis menunjukan tingkat akurasi sebesar 96% untuk training 92% untuk testing yang dinilai telah mampu melakukan klasifikasi kelayakan buah jeruk manis dengan sangat baik. Pada pengujian menggunakan data baru dari 10 citra jeruk manis dihasilkan 9 citra jeruk manis dengan nilai benar dan 1 citra jeruk manis dengan nilai salah. AbstractIn general, the process of determining appropriate (good) and unfit (rotten) sweet oranges still uses manual methods. The manual method is carried out based on direct visual observation of the fruit to be observed. Observations in this way have several weaknesses, namely the presence of human visual limitations, being influenced by the psychological condition of the observations and taking a long time, especially for large plantations. For this reason, an algorithm is needed to determine sweet oranges with a computerized system created using the Convolutional Neural Network (CNN) algorithm, which is one of the deep learning algorithms, which is the development of Multilayer Perceptron (MLP), which is able to process data in two-dimensional form, for example. Images as well as being able to classify images with more or larger classes. This system is designed and built using the Matlab programming language version R2018a, with 100 sweet orange image datasets showing an accuracy rate of 96% for training 92% for testing which is considered to have been able to classify the feasibility of sweet oranges very well. In testing using new data from 10 images of sweet oranges, 9 images of sweet oranges were generated with the correct value and 1 image of sweet oranges with a false value.

show abstract

Respon Pertumbuhan Bibit Jeruk Manis (Citrus sinensis L.) terhadap Pemberian Limbah Solid Industri Kelapa Sawit

Cited by 3 publications

References 4 publications

Rancang Bangun Alat Pemilah Kematangan Buah Jeruk Manis Menggunakan Metode SVM

Rancang Bangun Alat Pemilah Kematangan Buah Jeruk Manis Menggunakan Metode SVM

Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network

Penerapan Algoritma Deep Learning Convolutional Neural Network Dalam Menentukan Kematangan Buah Jeruk Manis Berdasarkan Citra Red Green Blue (RGB)

Contact Info

Product

Resources

About