Penerapan Algoritma Hue Saturation Intensity (HIS) dengan Ruang Warna Red, Green, Blue (RGB) dan Implementasi Aplikasi Kematangan Buah Tomat
DOI:
https://doi.org/10.25170/jpk.v1i1.5864Keywords:
Hue Saturation Intensity, HSI, Kematangan tomat, Phyton, Red Green Blue (RGB)Abstract
Tomat, sebagai salah satu jenis sayuran atau buah, sering kali rentan terhadap kerusakan, menjadikan penanganannya tantangan yang kompleks. Membedakan antara buah tomat yang masih segar dan yang sudah rusak menjadi sangat penting, mengingat dampak yang signifikan pada nilai gizi dan aspek ekonomisnya. Dalam konteks ini, diterapkan perhitungan HSI (Hue, Saturation, Intensity) untuk mengukur transformasi warna dan ruangan RGB. Hasil penelitian menunjukkan nilai HSI untuk masing-masing kelas, dengan kelas tomat matang memiliki rata-rata hue 0.0051 – 0.026, saturation 0.1862 – 0.3291, dan intensity 0.0975 –0.7522. Tomat setengah matang memiliki hue 0.0208 – 0.0848, saturation 0.1346 – 0.5746, dan intensity 0.1056 – 0.4714, sementara tomat belum matang memiliki hue 0.0174 – 0.0689, saturation 0.0474 – 0.2072, dan intensity 0.0595 – 0.3203. Integrasi langkahlangkah algoritma HSI dengan ruang warna RGB memberikan dimensi tambahan pada analisis warna, yang berpotensi meningkatkan ketepatan deteksi kematangan buah tomat.
References
Amrullah, D. L., Swedia, E. R., Cahyanti, M., & Septian, M. R. D. (2022). Implementasi color detection menggunakan algoritma Midpoint berbasis sistem operasi Android. Sebatik, 26(1), 121-130.
Arkadia, A., Muhammad, A. A., NaufalRifqi, S., Trianto, T., & Prasvita, D. S. (2021). Penerapan transformasi ruang warna Hue Saturation Intensity (HSI) untuk mendeteksi kematangan buah tomat. Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2(2), 75-81.
Assadiyah, A. N., Dewanti, F. D., & Sulistyono, A. (2023). Respon hasil tanaman tomat (solanum lycopersicum l.) terhadap macam media tanam dan konsentrasi pupuk organik cair limbah kulit buah. Agro Bali: Agricultural Journal, 6(1), 93-104.
Edha, H., Sitorus, S. H., & Ristian, U. (2020). Penerapan metode transformasi ruang warna Hue Saturation Intensity (HSI) untuk mendeteksi kematangan buah mangga harum manis. Coding Jurnal Komputer dan Aplikasi, 8(1), 1-10.
Fajar, M., Sulthan, M. B., & Wahyudi, I. (2023). Klasifikasi tingkat kematangan buah tomat menggunakan fitur RGB dan HSI berbasis Backpropagation. Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM), 4(1), 84-95.
Hadi, A. S. (2023). Khasiat buah tomat (solanum lycopersicum) berpotensi sebagai obat berbagai jenis penyakit. Empiris: Journal of Progressive Science and Mathematics, 1(1), 7-15.
Natbais, Y. H., & Umbu, A. B. S. (2023). Aplikasi deteksi penyakit pada daun tomat berbasis android menggunakan model terlatih Tensorflow Lite. Teknotan: Jurnal Industri Teknologi Pertanian, 17(2), 83-90.
Pratiwi, L., Hidayat, B., & Lita, Y. A. (2019). Deteksi suku Minangkabau dan Sunda berdasarkan citra sidik bibir dengan metode Image Registration Gray Level Co-Occurrence Matrix (GLCM) dan klasifikasi Decision Tree (DT). Prosiding SENIATI, 5(3), 148-154.
Putra, F. (2019). Pengaplikasian sensor warna pada penentuan kematangan buah tomat (solanum lycopersicum) pada alat sortasi tipe gravitasi, Disertasi Doktor, Universitas Sumatera Utara.
Raysyah, S., Arinal, V., & Mulyana, D. I. (2021). Klasifikasi tingkat kematangan buah kopi berdasarkan deteksi warna menggunakan metode KNN dan PCA. JSiI (Jurnal Sistem Informasi), 8(2), 88-95.
Utami, M., Andika, J., & Attamimi, S. (2021). Artificial Intelligence for banana’s ripeness detection using Conventional Neural Network algorithm, Jurnal Teknologi Elektro, 12(2), 73-79
Winardi, P., & Setyati, E. (2021). Identifikasi jenis daging dengan menggunakan algoritma13. Yanto, B., Fimawahib, L., Supriyanto, A., Hayadi, B. H., & Pratama, R. R. (2021a). Klasifikasi tekstur kematangan buah jeruk manis berdasarkan tingkat kecerahan warna dengan metode Deep Learning Convolutional Neural Network. Jurnal Inovtek Polbeng Seri Informatika, 6(2), 259-268.
Yanto, B., Lubis, A., Hayadi, B. H., & Erna Armita, N. S. T. (2021b). Klarifikasi kematangan buah nanas dengan ruang warna Hue Saturation Intensity (HSI). Jurnal Inovtek Polbeng Seri Informatika, 6(1), 135-146.
Yanto, B., Rouza, E., Fimawahib, L., Hayadi, B. H., & Pratama, R. R. (2023). Penerapan algoritma Deep Learning Convolutional Neural Network dalam menentukan kematangan buah jeruk manis berdasarkan citra Red Green Blue (RGB). Jurnal Teknologi Informasi dan Ilmu Komputer, 10(1), 59-66.
