<![CDATA[Penelitian ini mengembangkan sistem pengolahan citra digital untuk mengestimasi berat dan volume serta mengidentifikasi tingkat kematangan buah pinang (Areca catechu L.) sebagai metode evaluasi pascapanen yang objektif, cepat, dan tidak merusak. Sebanyak 180 sampel buah pinang (90 buah mentah dan 90 buah matang) diperoleh menggunakan kamera DSLR dengan latar belakang putih dan diproses menggunakan MATLAB. Tahapan pengolahan citra meliputi konversi RGB ke skala keabuan, peningkatan kontras, deteksi tepi Sobel, operasi morfologi, serta ekstraksi fitur. Karakteristik geometris digunakan untuk pemodelan estimasi berat dan volume, sedangkan parameter warna CIELAB digunakan untuk menentukan tingkat kematangan buah. Buah matang menunjukkan nilai L* (40,18 ± 5,07) dan b* (43,28 ± 7,26) yang lebih tinggi dibandingkan buah mentah (32,45 ± 2,15 dan 25,16 ± 1,47). Buah mentah memiliki nilai a* yang lebih rendah (-6,12 ± 0,57), yang menunjukkan dominasi warna hijau yang lebih kuat. Model estimasi berat menghasilkan tingkat akurasi yang tinggi, yaitu mencapai 98,70% pada buah mentah dan 98,55% pada buah matang. Estimasi volume juga menunjukkan performa yang baik dengan akurasi 99,11% pada buah mentah dan 96,66% pada buah matang. Integrasi fitur warna dan geometris memungkinkan proses estimasi sifat fisik serta klasifikasi kematangan dilakukan secara bersamaan dengan tingkat akurasi yang tinggi, sehingga dapat menjadi solusi pendukung untuk otomatisasi proses pascapanen buah pinang.]]>
Copyrights © 2026
