Karakterisasi Visual dan Klasifikasi Tingkat Kematangan Buah Jeruk Keprok Batu 55 Berbasis Kecerdasan Buatan Menggunakan Pengolahan Citra Digital

Jeruk merupakan salah satu buah non-klimakterik yang pemanenannya harus dilakukan pada saat buah tua optimal. Identifikasi kematangan buah dapat dilaksanakan oleh manusia secara cepat, akan tetapi memiliki kelemahan jika dalam skala besar. Kecerdasan buatan dengan pengolahan citra digital mampu menentukan kelas kematangan dalam skala besar dengan komputasi yang lebih cepat. Penelitian ini bertujuan untuk mempelajari parameter kematangan buah jeruk dan menentukan hubungan parameter citra dengan pengukuran destruktif dan non-destruktif. Implementasi metode machine learning yang digunakan dalam identifikasi klasifikasi 3 indeks kematangan buah jeruk keprok batu 55 menggunakan supervised learning menghasilkan tingkat akurasi tertinggi yaitu pada metode SVM (Support Vector Machine) dengan kernel RBF memiliki hasil akurasi sebesar 91,93% pada rasio split data 0,8 : 0,2 dengan random state sebanyak 171 dan pada klasifikasi dengan Logistic Regression memiliki hasil akurasi sebesar 90,32% pada rasio split data 0,8 : 0,2 dengan random state sebanyak 123Terdapat korelasi antar indeks kematangan dengan pengukuran destruktif dan pengukuran non-destruktif. Pada pengukuran destruktif, tingkat kekerasan berbanding terbalik dengan indeks kematangan, akan tetapi nilai pH dan TPT sejajar dengan bertambahnya indeks kematangan. Hasil dari pengukuran spektra, persentase reflektansi pada rentan panjang gelombang 350-1100nm didapatkan pada klasifikasi tingkat kematangan buah dengan panjang gelombang ±680nm yang diduga terdapat kandungan klorofil menghasilkan persentase pada berindeks 0/mentah sebesar 8%, reflektansi buah berindeks 1/setengah matang sebesar 12%, dan reflektansi buah berindeks 2/matang sebesar 34%