7

Mutu buah manggis ditentukan oleh berbagai parameter diantaranya

adalah parameter tingkat ketuaan dan kematangan (indeks warna) serta ukuran

(Deptan 2004). Proses grading dalam SPO komoditas manggis 2004, merupakan

suatu pengelompokan buah berdasarkan kriteria/kelas dan indek kematangan

manggis untuk mendapatkan ukuran, warna buah dan tingkat kematangan yang

seragam. Tingkat kematangan manggis berdasarkan indek warna berdasarkan SPO

manggis dapat dilihat pada Tabel 1.

Tabel 1 Tingkat/Tahap kematangan manggis berdasarkan warna

2.2 Pengolahan Citra

Berbagai aplikasi pengolahan citra secara garis besar digunakan untuk

memperbaiki kualitas suatu citra (gambar) sehingga lebih mudah diinterpretasikan

oleh manusia dan mengolah informasi yang terdapat pada citra (gambar) untuk

keperluan pengenalan objek secara otomatis.

Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua

dimensi yang kontinus menjadi gambar diskrit melalui proses sampling. Gambar

analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit.

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari penelitian yang telah dilakukan melalui percobaan-percobaan untuk

mengembangkan model klasifikasi kematangan buah manggis berdasarkan warna

ke dalam kelas manggis mentah, ekspor dan lokal/domestik dan mendapatkan

hasil yang memuaskan dapat ditarik beberapa kesimpulan.

1. Perubahan kombinasi parameter input dan perubahan jumlah neuron lapisan

tersembunyi cukup berpengaruh dalam mendapatkan pola pengenalan.

2. Model FNN terbaik untuk mengklasifikasi kematangan buah manggis ke

dalam kelas mentah, ekspor dan lokal diperoleh dengan 9 neuron pada lapisan

masukan, yaitu indek nilai hijau (green), value, a*, u*, v*, entropi, kontras,

energi dan homogenitas, dan 15 neuron pada lapisan tersembunyi. Model ini

mampu menghasilkan akurasi sebesar 85%.

3. Model FNN yang terbentuk mampu mengenali semua kelas kematangan,

sedangkan NN dengan struktur yang sama tidak mampu mengenali kelas

buah mentah, dengan perbandingan prosentase pengenalan FNN dan NN

kelas buah mentah 100:0, kelas buah ekspor 100:87 dan kelas buah lokal

63:75.

4. Akurasi FNN dengan 3 kelas target lebih bagus dibandingkan akurasi NN

dengan 3 kelas target. Akurasi FNN dengan 5 kelas target lebih bagus

dibandingkan akurasi NN dengan 5 kelas target dan akurasi FNN dengan 2

kelas target mempunyai nilai yang sama dengan akurasi NN dengan 2 kelas

target.

5. Model klasifikasi kematangan buah manggis ke dalam kelas mentah, ekspor

dan lokal menggunakan FNN layak digunakan sebagai model alternatif dalam

klasifikasi tahap kematangan buah manggis berdasarkan warna.

60

5.2 Saran

Agar dapat mengenali pola dengan lebih baik, sehingga diharapkan

mendapatkan akurasi yang lebih tinggi, penelitian selanjutnya disarankan :

1. Menggunakan sampel manggis dengan diameter yang seragam dan

pengambilan nilai-nilai fiturnya memperhatikan diameter buah manggis, hal

ini diharapkan akan mendapatkan nilai-nilai fitur yang lebih mencirikan buah

manggis.

2. Jumlah data yang digunakan diperbanyak dan menggunakan data dari tahap

kematangan 1 sampai tahap kematangan 6, hal ini diharapkan agar dapat

mengenali pola dengan lebih baik.

3. Menggunakan rata-rata dari keempat sudut orientasi matriks co-occurrence

pada ekstraksi ciri dalam mendapatkan nilai setiap ciri tekstur, hal ini

diharapkan akan mendapatkan nilai ciri yang lebih bagus.

4. Menggunakan FNN tipe lainnya, dengan harapan mendapatkan pengenalan

yang lebih bagus.