Klasifikasi Tingkat Kematangan Tomat Menggunakan Fuzzy Logic Berbasis Ekstraksi Citra Warna dan K-means Clustering

Abstract

Penelitian ini mengkaji penerapan fuzzy logic untuk mengidentifikasi tingkat kematangan tomat berdasarkan warna kulit. Pematangan tomat merupakan faktor krusial yang memengaruhi kualitas dan nilai jual produk. Identifikasi manual tingkat kematangan sering kali rawan kesalahan dan inkonsistensi. Dalam penelitian ini, metode fuzzy logic digunakan untuk mengatasi masalah tersebut melalui ekstraksi citra menggunakan metode K-means clustering di ruang warna Lab. Setelah proses ekstraksi, citra dikonversi kembali ke ruang warna RGB. Gambar tomat diperoleh dengan menggunakan wadah mika untuk mengontrol intensitas cahaya, kemudian diproses menggunakan morfologi dan deteksi tepi canny untuk isolasi objek. Nilai RGB dari tomat yang telah diisolasi dimasukkan ke dalam sistem fuzzy logic untuk diklasifikasikan menjadi enam tingkat kematangan: unripe, breaker, turning, pink, light red, dan red. Hasil menunjukkan bahwa sistem fuzzy logic memiliki akurasi sebesar 96,59% pada data latih dan 88,24% pada data uji. Penelitian ini juga menemukan bahwa intensitas cahaya memengaruhi nilai RGB, yang berdampak pada hasil klasifikasi. Solusi yang diusulkan untuk meningkatkan akurasi adalah dengan menggunakan histogram equalization untuk menormalisasi citra. Penelitian ini menawarkan solusi yang lebih akurat dan konsisten dalam identifikasi tingkat kematangan tomat, yang berpotensi meningkatkan efisiensi penanganan dan distribusi.