<![CDATA[Klasifikasi tingkat kematangan buah tomat secara manual sering menghasilkan penilaian yang tidak konsisten, yang dapat menimbulkan kerugian ekonomi dalam industri pertanian. Maka dari itu diperlukan sistem yang dapat menggabungkan ilmu pengolahan citra digital dalam penilaian kematangan tomat. Metodologi yang digunakan mencakup digitalisasi gambar melalui penangkapan citra tomat lewat kamera secara real time. Selanjutnya dilakukan preprocessing menggunakan teknik high-pass filtering untuk penajaman citra dan peningkatan kontras. Setelah itu dilakukan transformasi nilai warna dari RGB (red/merah, green/hijau, blue/biru) ke HSV (Hue/warna dasar, saturation/saturasi, value/nilai warna) untuk uji coba analisis warna dan juga deteksi tepi menggunakan operasi sobel. Warna dan tepi tersebut akan menciptakan segmentasi untuk menjadi acuan klasifikasi tomat. Untuk menguji lebih jauh dalam akurasi segmentasi dengan HSV, maka dilakukan perbandingan terhadap model segmentasi dengan RGB dan juga simulasi kualitas kamera rendah menggunakan noise dan blurring. Kombinasi teknik deteksi tepi dan segmentasi berbasis HSV akan memberikan akurasi 54,7% sementara segmentasi berbasis RGB dengan akurasi 72%. Akurasi juga akan menurun ketika jarak antara objek dan kamera semakin panjang. Hasil luaran dari konsep HSV adalah hasil klasifikasi tomat dari tomat mentah, tomat hampir matang dan tomat matang yang ditampilkan pada pemograman web yang dibangun menggunakan arsitektur HTML(Hypertext Markup Language) dan JavaScript.]]>
Copyrights © 2025
