Vol. 5 No. 2 (2022): June 2022
Artikel

PENGOLAHAN CITRA DIGITAL DAN LOGIKA FUZZY DALAM IDENTIFIKASI TINGKAT KEMATANGAN BUAH

PDF
  • Agus Suryadi,
  • Meylia Vivi Putri,
  • Eka Lia Febrianti
Agus Suryadi
Universitas Ibnu Sina
Meylia Vivi Putri
Universitas Ibnu Sina
Eka Lia Febrianti
Universitas Universal

Published 2022-06-22

How to Cite

PENGOLAHAN CITRA DIGITAL DAN LOGIKA FUZZY DALAM IDENTIFIKASI TINGKAT KEMATANGAN BUAH. (2022). JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 5(2), 187-191. https://doi.org/10.54314/jssr.v5i2.863

Abstract

This study aims to implement digital image processing and fuzzy logic in identifying the maturity level of red dragon fruit and describing the level of accuracy. The process carried out is to change the type of red dragon fruit image from the red green blue (RGB) type to the grayscale type. Furthermore, extraction is carried out using MATLAB to obtain information from the image. Information from the image is contrast, correlation, energy, homogeneity, mean, variance, entropy. There are 7 information used as fuzzy input. The input fuzzy model uses triangular and trapezoidal membership functions to construct fuzzy rules on 28 data, so there are 28 fuzzy rules. After the fuzzy rules are obtained, then the inference and defuzzification processes are carried out. The inference used is the mamdani method. The result of defuzzification is the value for the maturity level of red dragon fruit which is divided into four categories, namely raw, half-ripe, ripe, rotten. The fuzzy model that has been built will test the model by determining the level of accuracy and error of the model. With the results of 96.42% with an error of 3.57%.

PDF

Downloads

Download data is not yet available.

References

  1. Ary Noviyanto, (2019). Klasifikasi Tingkat Kematangan Varietas Tomat Merah Dengan Metode Perbandingan Kadar Warna. Jurnal Penelitian. (9): 1-12
  2. Budiharto, Widodo dan Derwin Suhartono. (2014). Artificial Intelligence: Konsep dan Penerapannya. Andi. Yogyakarta.
  3. Helfi Nasution. 2017. Implementasi Logika Fuzzy pada Sistem Kecerdasan Buatan. Jurnal ELKH. (4): 4-8
  4. Kadir, Abdul dan Adhi Susanto. (2018). Pengolahan Citra Digital: Teori danAplikasi. Edisi Pertama. Andi Offset. Yogyakarta.
  5. Kurnia Yahya dan Yuliana Melita, (2016). Aplikasi Kompresi Citra Digital Menggunakan Teknik Kompresi Jpeg dengan Fungsi GUI pada MATLAB, Jurnal Teknika. (3): 461-468
  6. Kusumadewi, Sri. (2017). Artificial Intelligence: Teori dan Aplikasinya. GrahaIlmu. Yogyakarta.
  7. Kusumadewi, Sri dan Hari Purnomo. (2017). Aplikasi Logika Fuzzy untukPendukung Keputusan: Edisi 2. Graha Ilmu. Yogyakarta.
  8. Mulato, Febry Yuni, (2019). Klasifikasi Kematangan Buah Jambu Biji Merah (Psidium Guajava) Dengan Menggunakan Model Fuzzy, Jurnal Penelitian Pendidikan Matematika dan Sains. (2): 1-11
  9. Nazir, Moh. (2016). Metode Penelitian. Ghalia Indonesia. Bogor.
  10. Noor, Juliansyah. (2017). Metodologi Penelitian. Media Indonesia. Jakarta.
  11. Paulus, Erick dan Yessica Nataliani. (2017). Cepat Mahir GUI MATLAB. Andi. Yogyakarta.
  12. Peranginangin, Kasiman. (2016). Pengenalan MATLAB. Andi. Yogyakarta
  13. Rahayu, Sri. (2019). Budidaya Buah Naga Cepat Panen. Infra Hijau. Malang.
  14. Singgih Adhimantoro, (2019). Mengetahui Tingkat Kematangan Buah DenganUltrasonik Menggunakan Logika Fuzzy, JNTETI. (3): 63-68
  15. Suarga. (2017). Fisika Komputasi: Solusi Problema Fisika dengan MATLAB. Andi. Yogyakarta.
  16. Suyanto. (2017). Artificial Intelligence: Searching, Reasoning, Planning and Learning. Informatika. Bandung.
  17. Sugiyono. (2019). Metodologi Penelitian Kuantitatif Kualitatif dan R&D. Alfabeta. Bandung.
  18. Sugiyono. (2017). Statistika Untuk Penelitian. Alfabeta. Bandung.