Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENDETEKSI THERMAL IMAGE UNTUK TINGKAT KEMATANGAN BUAH PISANG DAN APOKAT Soesiladi Esti Widodo; Sri Waluyo; Agus Karyanto; Zulferiyeni Zulferiyeni; Nanda Febrianingrum; Reza Latansya; Maya Dwi Putri
Jurnal Agrotek Tropika Vol 11, No 2 (2023): JURNAL AGROTEK TROPIKA VOL 11, Mei 2023
Publisher : Departement of Agrotechnology, Agriculture Faculty, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jat.v11i2.6168

Abstract

Pisang ‘Cavendish’ dan apokat dikelompokkan ke dalam buah klimakterik dan bersifat mudah rusak setelahdipanen. Fakta bahwa kedua buah tersebut dipanen saat masih hijau menyulitkan pendeteksian kematanganbuah. Hal ini terjadi karena kriteria pemanenan dilakukan secara fisik, padahal buah dengan kriteria fisik yangsama dapat memiliki tingkat kematangan fisiologis yang berbeda. Thermal image (TI) adalah teknologi noninvasif, non-kontak dan non-destruktif yang digunakan untuk menentukan sifat termal dan fitur berbagaiobjek, termasuk buah-buahan. Penelitian ini bertujuan untuk menganalisis berbagai tingkat kematangan buahpisang ‘Cavendish’ dan buah apokat dengan metode citra termal. Hasil penelitian menunjukkan bahwa (1)bahwa tingkat kematangan (maturity level) buah pisang ‘Cavendish’ tidak bisa diwakili oleh diameter fingerbuah, tetapi bisa diwakili oleh letak sisir dalam tandan, (2) citra termal dapat membedakan tingkat kematangan,baik tingkat kematangan antara masing-masing sisir pada tandan pisang ‘Cavendish’ (sisir-1 bersuhu tertinggi28,91ºC, sisir-8 bersuhu terendah 28,71ºC), maupun pisang pada fase masak (29,17 ºC) dan matang (28,91ºC);(3) buah apokat matang (mature) memiliki suhu yang lebih rendah daripada buah yang belum matang (immature),tetapi ketika buah mulai masak, buah yang matang memiliki suhu yang lebih tinggi daripada buah yang belummatang. Dengan demikian, dapat dinyatakan bahwa radiasi suhu tubuh buah yang diwakili oleh citra termalkedua buahnya berpeluang untuk digunakan sebagai metode pendeteksian tingkat kematangan pada buahpisang ‘Cavendish’ dan apokat.
Classification of Banana Types Based on The Geometrical Attributes using Artificial Neural Network Method Sri Waluyo; Retama Agung Pangestu; Warji Warji; Tri Wahyu Saputra
Jurnal Teknik Pertanian Lampung (Journal of Agricultural Engineering) Vol 13, No 1 (2024): March 2024
Publisher : The University of Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jtep-l.v13i1.223-231

Abstract

Banana (Musa paradisiaca) is one of the important horticultural commodities. This study aims to measure the physical and geometrical parameters of three different bananas (Muli, Ambon, and Kepok) and to develop prediction equations using an Artificial Neural Network (ANN) model. In this study the backpropagation ANN model with supervised learning method was used. The ANN model had one output node, two hidden layers, and network architecture of 8 inputs, namely fruit weight and volume, projected area and roundness of the fruit, cross section, peel color, and geometric mean fruit cross section diameter. The data for building the model and testing the model were respectively 70% and 30% of the 150 data number in total. The results showed that the best ANN model structure for estimating Muli, Ambon and Kepok bananas was purelin-logsig-logsig with an RMSE value of 0.0077 and an R2 of 0.9999. This shows that the ANN model is highly robust to predict the banana types. Using the built model, the accuracy of the prediction results is 100%.  Keywords:  Artificial Neural Network,  Banana fruits,  Geometry attribute.