Deteksi Kualitas Bawang Merah dengan Circularity Image Pro-cessing

Yan Aditya Pradana; Lenny Puspita  Dewi; Suci  Muthiah; Yayuk  Setyawati; Flora Ramona Sigit  Prakoeswa; Ida  Untari

doi:10.23917/jkk.v3i1.175

Authors

Yan Aditya Pradana Fakultas Ilmu Formal dan Ilmu Terapan, Universitas Muhammadiyah Madiun
Indonesia
Lenny Puspita Dewi Fakultas Ilmu Formal Ilmu Terapan, Universitas Muhammadiyah Madiun
Indonesia
Suci Muthiah Fakultas Ilmu Formal Ilmu Terapan, Universitas Muhammadiyah Madiun
Indonesia
Yayuk Setyawati Fakultas Ilmu Formal Ilmu Terapan, Universitas Muhammadiyah Madiun
Indonesia
Flora Ramona Sigit Prakoeswa Fakultas Kedokteran, Universitas Muhammadiyah Surakarta
Indonesia
Ida Untari Fakultas Ilmu Kesehatan, ITS PKU Muhammadiyah Surakarta
Indonesia

DOI:

https://doi.org/10.23917/jkk.v3i1.175

Keywords:

circularity image processing, inovasi teknologi, kualitas bawang merah

Abstract

Perkembangan dunia di bidang IT sangatlah pesat seiring dengan berbagai inovasi penerapan di berbagai bidang. Salah satu penerapannya adalah dalam bidang produksi pangan yaitu Bawang Merah. Menurut data statistik sekjend kementrian pertanian tahun 2012 adalah setiap minggu penduduk per kapita membutuhkan 72 kg Bawang Merah.Banyak terjadi ketika konsumen menggunakan produksi pangan ini sudah dalam kondisi tidak layak karena kedaluarsa. Penelitian ini bertujuan membuat pemodelan deteksi kualitas Bawang Merah berbasis citra yang dapat digunakan untuk mengetahui usia Bawang Merah. Memang beberapa peniliti sebelumnya juga membuat pemodelan kulitas Bawang Merah akan tetapi biasanya ditujukan untuk mengetahui apakah dapat ditetaskan atau tidak. Metode penelitian ini adalah pendekatan circularity image processing dengan menggunakan perangkat lunak Matlab. Hasil penelitian ini adalah dapat dibangun pemodelan deteksi kualitas Bawang Merah berbasis citra dengan obyek pada bagian kantung udara Bawang Merah. Prosentase hasil keakuratan diatas 66% untuk mendapatkan kualitas bawang merah yang baik. Semakin besar tingkat circularity, maka semakin tinggi kualitas bawang merah tersebut.

Downloads

Download data is not yet available.

References

Abdullah, A., Khan, S. M., Pieroni, A., Haq, A., Haq, Z. U., Ahmad, Z., Sakhi, S., Hashem, A., Al-Arjani, A.-B. F., Alqarawi, A. A., & Abd_Allah, E. F. (2021). A Com-prehensive Appraisal of the Wild Food Plants and Food System of Tribal Cultures in the Hindu Kush Mountain Range; a Way Forward for Balancing Human Nutrition and Food Security. Sustainability, 13(9), 5258. https://doi.org/10.3390/su13095258

Aisyah, S., Faqih, A., Putra, A. A., Ra-hayu, S. R., Ma’aniyatun, M., & Yahya, R. T. (2023). The Relation-ship Between Farmer Competence and Shallot Farm Income (Allium Ascalonicum L.). Eduvest - Journal of Universal Studies, 3(8), 1415–1423. https://doi.org/10.59188/eduvest.v3i8.884

Arum Sari, Y., Kartika Dewi, R., Fati-chah, C., Teknik Informatika, J., & Teknologi Informasi, F. (2014). Seleksi Fitur Menggunakan Ekstraksi Fitur Bentuk, Warna, dan Tekstur dalam Sistem Temu Kembali Citra Daun. Jurnal Ilmiah Teknologi Informasi, 12(1), 1–8.

Azizah, A. N., Agustina, P., Suparti, S., Saputra, A., & Sidiq, Y. (2019). The Use of Natural Dyes from Beetroot Skin Extract (Beta Vulgaris) as Teaching Material on Cell Divi-sion for Senior High School Stu-dents. Indonesian Journal on Learn-ing and Advanced Education (IJOLAE), 2(1), 20–26. https://doi.org/10.23917/ijolae.v2i1.9051

da Silva, N. R., Florindo, J. B., Gómez, M. C., Rossatto, D. R., Kolb, R. M., & Bruno, O. M. (2015). Plant Iden-tification Based on Leaf Midrib Cross-Section Images Using Frac-tal Descriptors. PLOS ONE, 10(6), e0130014. https://doi.org/10.1371/journal.pone.0130014

Dewi, N. L. K. A. A., Prameswari, P. N. D., Cahyaningsih, E., Megawati, F., Agustini, N. P. D., & Juliadi, D. (2022). Review: Pemanfaatan Tanaman sebagai Fitoterapi pada Diabetes Mellitus. Usadha, 2(1), 31–42. https://doi.org/10.36733/usadha.v2i1.5562

Harjanti, T. W., & Himawan, H. (2021). Teknologi Pengolahan Citra Digi-tal Untuk Ekstraksi Ciri pada Cit-ra Daun untuk Identifikasi Tum-buhan Obat. Faktor Exacta, 14(3), 150. https://doi.org/10.30998/faktorexacta.v14i3.9841

Harjanti, T. W., & Madenda, S. (2019). Development of Feature Extrac-tion on Leaf Image for Medicinal Plants Identification. International Journal of Recent Technology and Engineering, 8(2S7), 163–168. https://doi.org/10.35940/ijrte.B1040.0782S719

Istiqomah, S., Krisdiantoro, K., Pratama, N. W. I., Sari, A. C. P., Oktatian, E. M., Ati, A. P., Kusu-ma, A. C., Pratito, S., Utomo, G. S., Masdita, F. I., & Sukaton, D. L. A. (2022). Peningkatan Ketahanan Pangan Masyarakat dalam Masa Pandemi Covid-19 Di Desa Kan-dangan Kabupaten Blitar. Buletin KKN Pendidikan, 4(1), 80–89. https://doi.org/10.23917/bkkndik.v4i1.17399

Maria, E., Yulianto, Y., Arinda, Y. P., Jumiaty, J., & Nobel, P. (2018). Segmentasi Citra Digital Bentuk Daun Pada Tanaman Di Politani Samarinda Menggunakan Metode Thresholding. Jurnal Rekayasa Teknologi Informasi (JURTI), 2(1), 37. https://doi.org/10.30872/jurti.v2i1.1377

Mustariani, B. A. A., Rahmawati, S., & Aulia, N. H. (2021). Potensi Salep dari Fraksi Aktif Bawang Merah Bima (Allium SP) sebagai Peng-hambat Infeksi Sekunder Jamur Patogen Penyebab Luka Diabetes. Jurnal Kesehatan Bakti Tunas Husa-da: Jurnal Ilmu-Ilmu Keperawatan, Analis Kesehatan Dan Farmasi, 21(2), 194. https://doi.org/10.36465/jkbth.v21i2.785

Pradana, Y. A., Azka, D. A., Aji, A. C., & Fauzi, I. M. (2022). Analysis Of Weather Changes for Estimation of Shallot Crops Fluctuation using Hidden Markov. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 16(1), 333–342. https://doi.org/10.30598/barekengvol16iss1pp331-340

Rihadi, S. S. A., Soedomo, R. P., Sulandjari, K., & Laksono, R. A. (2021). Studi Karakteristik Agronomi Bawang Merah (Allium ascalonicum L.) Varietas Agrihor-ti-1 dan Mentes dengan Bawang Daun Kultivar Lokal Kalimantan (Allium fistulosum L.) Di Dataran Tinggi Jawa Barat. AGROVITAL : Jurnal Ilmu Pertanian, 6(1), 16. https://doi.org/10.35329/agrovital.v6i1.2000

Sachar, S., & Kumar, A. (2021). Survey of feature extraction and classifica-tion techniques to identify plant through leaves. Expert Systems with Applications, 167, 114181. https://doi.org/10.1016/j.eswa.2020.114181

Saptana, Gunawan, E., Perwita, A. D., Sukmaya, S. G., Darwis, V., Arin-ingsih, E., & Ashari. (2021). The competitiveness analysis of shal-lot in Indonesia: A Policy Analysis Matrix. PLOS ONE, 16(9), e0256832. https://doi.org/10.1371/journal.pone.0256832

Suswadi, Prasetyowati, K., Kartikasari, R. D., & Prasetyo, A. (2021). A fea-sibility study on cultivating shal-lots (Allium ascalonicum L) in Se-lo District, Boyolali Regency, In-donesia. IOP Conference Series: Earth and Environmental Science, 824(1), 012111. https://doi.org/10.1088/1755-1315/824/1/012111

Theresia, V., Fariyanti, A., & Tinaprilla, N. (2016). Analisis Persepsi Petani Terhadap Penggunaan Benih Bawang Merah Lokal dan Impor di Kabupaten Cirebon, Jawa Barat. Jurnal Penyuluhan, 12(1). https://doi.org/10.25015/penyuluhan.v12i1.11324

Waghmare, H., Kokare, R., & Danda-wate, Y. (2016). Detection and classification of diseases of Grape plant using opposite colour Local Binary Pattern feature and ma-chine learning for automated De-cision Support System. 2016 3rd International Conference on Signal Processing and Integrated Networks (SPIN), 513–518. https://doi.org/10.1109/SPIN.2016.7566749

Wang, X., Du, W., Guo, F., & Hu, S. (2020). Leaf Recognition Based on Elliptical Half Gabor and Maxi-mum Gap Local Line Direction Pattern. IEEE Access, 8, 39175–39183. https://doi.org/10.1109/ACCESS.2020.2976117

Zhu, J., Yao, J., Yu, Q., He, W., Xu, C., Qin, G., Zhu, Q., Fan, D., & Zhu, H. (2020). A Fast and Automatic Method for Leaf Vein Network Extraction and Vein Density Measurement Based on Object-Oriented Classification. Frontiers in Plant Science, 11. https://doi.org/10.3389/fpls.2020.00499