IDENTIFIKASI KUALITAS MANGGIS BERDASARKAN ANALISIS WARNA DAN TEKSTUR MENGGUNAKAN METODE EXTREME LEARNING MACHINE

Abstract

Manggis masih menjadi komoditas ekspor buah eksotik tertinggi yang menjadi primadona permintaan pasar mancanegara walaupun di masa pandemi. Untuk menjaga kualitas ekspor manggis maka dilakukan inspeksi/sortasi manggis secara manual oleh manusia. Sehingga keseragaman mutu manggis masih bersifat subjektif. Untuk itu, diperlukan suatu sistem pengukuran menggunakan kamera dengan metode Extreme Learning Machine (ELM) yang dapat melakukan identifikasi kualitas manggis berdasarkan analisis warna dan tekstur. Pengelompokan kualitas manggis dibagi menjadi 5 kelas, yaitu kelas super, kelas A, kelas B, luar mutu I, dan luar mutu II. Pengambilan data citra menggunakan 500 manggis dengan tingkat kematangan yang berbeda-beda, dimana 400 data citra untuk pembelajaran dan 100 data citra untuk pengujian. Untuk ekstraksi warna menggunakan konversi HSV (Hue Saturation Value) dan ekstraksi tekstur menggunakan GLCM (Gray Level Co-occurence Matrix). Karena ELM tidak memerlukan pembaruan pembobot dan tanpa iterasi epoch, maka ELM dapat menghasilkan performa yang optimal dengan melakukan variasi jumlah hidden neuron-nya. Hasil percobaan mendapatkan nilai performa akurasi pembelajaran mencapai 97,25% dan nilai performa akurasi pengujian mencapai 92%. Dengan waktu pembelajaran saat optimal dapat dibawah 0,25 detik, sehingga Extreme Learning Machine (ELM) sangat cepat untuk aplikasi identifikasi dan inspeksi kualitas manggis.