PREDIKSI TINGKAT KEMATANGAN TANDAN BUAH SEGAR (TBS) KELAPA SAWIT BERBASIS SIFAT OPTIS

Juli Arifiansyah Sinambela, Dinah Cherie, Andasuryani Andasuryani, Muhammad Makky

Sari

Kelapa Sawit sebagai sumber utama minyak nabati yang memiliki potensi yang cukup besar dalam meningkatkan perekonomian dan kesejahteraan sosial bagi masyarakat. Keberhasilan dari produksi minyak kelapa sawit dipengaruhi oleh kualitas Tandan Buah Segar (TBS) yang akan diolah. TBS Sawit yang memiliki kualitas yang sesuai standar akan menghasilkan minyak sawit yang berkualitas. Salah satu faktor yang mempengaruhi kualitas minyak sawit adalah penentuan tingkat kematangan TBS Sawit sebelum memasuki pengolahan. Tujuan dari penelitian ini untuk mengidentifikasi kematangan TBS sawit saat grading pada loading ramp berdasarkan sifat optis TBS Sawit. Penentuan tingkat kematangan berdasarkan sifat optis saat grading dilakukan dengan menggunakan metode  k-means clustering. Penentuan berdasarkan sifat optis berupa nilai warna RGB dan HSV. Nilai RGB pada TBS sawit mentah didapatkan sebesar 82,790; 67,114 dan 62,530 sedangkan TBS sawit matang sebesar 131,381; 84,633 dan 72,137. Sedangkan nilai warna HSV pada TBS sawit mentah sebesar 68,118; 24,375 dan 32,516 dan TBS matang sebesar 25,583; 44,723 dan 51,522. Hasil yang diperoleh didapatkan seluruh komponen warna memiliki pengaruh terhadap penentuan kematangan TBS sawit. Hal ini dibuktikan dengan nilai sigfikansi kurang dari 0,05. Pengujian dari penentuan Tingkat kematangan TBS sawit menghasilkan akurasi 86 % dengan Tingkat kesalahan sebesar 14 %.

 Kata Kunci

HSV, K-means clustering, RGB, Sawit, Sifat Optis

 Teks Lengkap:

PDF

Referensi

Abbot, J.A. (1999). Quality Measurement of Fruits and Vegetables. Postharvest Biology and Technology Journal 1(15): 207-225.

Alkhairi, P., dan Windarto, A.P. (2019). Penerapan K-means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara. Seminar Nasional Teknologi Komputer & Sains. 762-767.

Anggara. (2016). Pemilihan Distance Measure pada K-means Clustering untuk Pengelompokkan Member di Alvaro Fitness. Jurnal Sistem dan Teknologi Informasi (JUSTIN) 1(1): 1-6.

Cherie, D., Herodian, S., Ahmad, U., Mandang, T., and Makky, M. (2015). Optical Characteristics of Oil Palm Fresh Fruits Bunch (FFB) Under Three Spectrum Regions Influence for Harvest Decision. International Journal on Advanced Science, Engineering and Information Technology (IJASEIT) 5(3): 104-112.

Cherie, D., Makky, M., B, Rini., dan Syukri, D. (2018). Rekayasa Teknologi Long-Range Detection Berbasis Machine Vision untuk Penentuan Umur Panen Optimum Tandan Buah Segar Kelapa Sawit secara Nondestructive berbasis Gimbal dan Android. Lembaga Riset/Perguruan Tinggi. Universitas Andalas. Padang.

Costa, C., Antonucci, F., and Menesatti, P. (2011). Shape Analysis of Agricultural Products: A Review of Recent Research Advances and Potential Application to Computer Vision. Food and Bioprocess Technology 4(5): 673–692

Goenawan, A.D., Rachman, M.B.A., dan Pulungan, M.P. (2022). Identifikasi Warna pada Objek Citra Digital secara Real Time menggunakan Pengolahan Model Warna HSV. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) 279-289.

Harahap, A.F.S., dan Munir, M. (2022). Faktor-faktor yang Mempengaruhi Produktivitas Kelapa Sawit (Elaeis guineensis Jacq.) pada berbagai Afdeling di Kebun Bah Jambi PT. Perkebunan Nusantara IV. Jurnal Tanah dan Sumberdaya Lahan 9(1): 99-110.

Himmah, E.F., Widyaningsih, M dan Maysaroh. (2020). Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB dan HSV Menggunakan Metode K-Means Clustering. Jurnal Sains dan Informatika 6(2): 193-202.

Iman, R., Rahmat, B., dan Junaidi. (2024). Implementasi Algoritma K-means dan Knearest Neighbors (KNN) untuk Identifikasi Penyakit Tuberkulosis pada Paru-paru. Repater: Publikasi Teknik Informatika dan Jaringan 2 (3): 12-25.

Makky, M., Cherie, D., Mislaini., dan Rini B. 2018. Rekayasa Thermograding untuk Peningkatan Kualitas Produksi Sawit Sumatera Barat Mendukung Ketahanan Pangan [Laporan]. Padang: Universitas Andalas.

Mardiah, H.S. (2020). Segementasi Citra untuk Pencarian Kode Warna Cat menggunakan Metode Thershold HSV. Bulletin Information Technology 1(3): 134-143.

Melidawati., Cherie, D., Fahmy, K., and Makky, M. (2021). Nondestructive evalution Quality of Oil Palm Fresh Fruith Bunch (FFB) (Elaeis guineensis Jack) based on Optical Properties using Artificial Neural Network (ANN). Iop Conf, Series: Earth and Enviromental Science 644(2021): 1-9.

Pratama R., Assagaf, A.F., dan Tempola, F. (2019). Deteksi Kematangan Buah Tomat berdasarkan Fitur Warna menggunakan Metode Transformasi Ruang Warna HIS. Jurnal Informatika dan Ilmu Komputer (JIKO) 2(2): 81-86.

Putra, R.P., Jumadi, J., dan Lianda. (2024). Pengolahan Citra Digital untuk Mengidentifikasi Tingkat Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB dan HSV dengan menggunakan Metode Self Organizing Map (SOM). Jurnal Media Infotama 20(1): 98-105.

Razali, M.H., A. Somad, M.A Halim, and S. Roslan. (2012). A review on Crop Plant production and Ripness Forecasting. International Journal of Agricultue and Crop Sciences. IJACS/2012/4-2/54-63.

Ritonga, A dan Munawar, A.A., dan Nasution, I.S. (2023). Klasifikasi Kematangan Tandan Buah Segar Kelapa Sawit (Elaeis guineensis Jacq) Menggunakan Pengolahan Citra Digital. Jurnal Ilmiah Mahasiswa Pertanian 12(3).

Saputra, R., Dila, R., dan Ramadhanu, A. (2024). Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering. Journal of Education Research. 5(4): 4799 – 4806.

Sinambela, R., Mandang, T., Subrata, I.D.M., Hermawan, W. (2020). Application of an Inductive Sensor System for Identifying Ripeness and Forecasting Harvest Time of Oil Palm. Scientia Horticulture 265(2020): 1-6.

Thoriq, M., Herodian, S., dan Sutejo, A. (2016). Kajian Karakteristik Spektrum Tandan Buah Segar (TBS) Kelapa Sawit berdasarkan Tingkat Kematangan menggunakan Spektrofotometer UV-Vis. Jurnal Teknotan 10(1): 1-10.

Tumanggor, A.H.U., Tjomiadi, C.E.F., dan Tambun, M.S.M.O.S.S. (2022). Analisis Keandalan Pekerja Sortasi Tandan Segar Buah (TBS) dengan Metode Human Error Assessment and Reduction Technique (HEART). Journal of Industrial Engineering and Operation Management 5(2): 225-235.

Veranita, D., Minarni., Candra, F., Saktioto., Rabin, M.F. (2020). Pencitraan Hiperspektral untuk Membedakan Asal Tanah Tumbuh dari Tandan Buah Segar Kelapa Sawit. Jurnal Media Informatika Budidarma 4(3): 761-768.

Wardhani, A.K. (2016). Implementasi Algoritma K-means untuk Pengelompokkan Penyakit Pasien pada Puskesmas Kajen Pekalongan. Jurnal Transformatika 14 (1): 30-37.

Wu, D., and Sun, D.W. (2013). Colour Measurements by Computer Vision for Food Quality Control -A review. Trends in Food Science and Technology. 29: 5-20.

DOI: https://doi.org/10.25077/jtpa.29.1.33-40.2025

Refbacks

  • Saat ini tidak ada refbacks.