PENENTUAN BERAT TANDAN BUAH SEGAR (TBS) BERDASARKAN LUAS AREA OBJEK MENGGUNAKAN PENGOLAHAN CITRA DIGITAL | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PENENTUAN BERAT TANDAN BUAH SEGAR (TBS) BERDASARKAN LUAS AREA OBJEK MENGGUNAKAN PENGOLAHAN CITRA DIGITAL


Pengarang

YUNITA MARISA PUTRI - Personal Name;

Dosen Pembimbing

Safrizal - 197510302006041001 - Dosen Pembimbing I
Indera Sakti Nasution - 198007042005011006 - Dosen Pembimbing II
Muhammad Dhafir - 197203302002121001 - Penguji
Sri Hartuti - 198101212005012003 - Penguji



Nomor Pokok Mahasiswa

2105106010024

Fakultas & Prodi

Fakultas Pertanian / Teknik Pertanian (S1) / PDDIKTI : 41201

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas Pertanian., 2025

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Proses sortasi dan grading yang dilakukan di pabrik masih dilakukan oleh seorang karyawan pabrik sehingga karyawan tersebut yang akan bertugas untuk mengamati dan menilai secara visual pada TBS (tandan buah segar) tersebut. Kegiatan yang masih dilakukan secara subjektif sehingga memiliki tingkat kelemahan yang dapat merugikan petani kelapa sawit karena prediksi pemotongan berat yang diberikan oleh pabrik saat dilakukan proses sortasi dan grading. Pemotongan yang dilakukan di pabrik ke pedagang untuk bagian sortasi hingga 3%, pemotongan yang diberikan oleh pabrik kepada pedagang pengumpul semakin menekan petani. Pedagang pengumpul akan memberikan pemotongan harga yang tidak masuk akal kepada petani dengan pemotongan persen timbangan dan kadar air hingga 4-5% (Jelliani dan Maifianti, 2021). Pemotongan yang dilakukan pedagang besar kepada petani untuk menutupi kerugian pedagang besar saat menjual TBS ke pabrik. Sehingga untuk meminimalisir tingkat kerugian pihak petani kelapa sawit akibat pemotongan yang dilakukan oleh pedagang besar, maka perlu memunculkan alternatif baru untuk menghindari pemotongan timbangan ini dengan memperbaiki sistem sortasi di pabrik salah satunya dengan menggunakan pengolahan citra digital berdasarkan luas area citra TBS kelapa sawit.
TBS (tandan buah segar) diperoleh dari petani kelapa sawit di Kota Jantho sebanyak 18 TBS dengan ukuran dan tingkat kematangan yang bervariasi. Penelitian ini menggunakan 12 TBS sebagai data kalibrasi dan 6 TBS sebagai data validasi, data berat aktual TBS diperoleh dari hasil penimbangan menggunakan timbangan digital dan luas area piksel diperoleh dari foto TBS yang diambil menggunakan kamera Canon EOS 1500D 24 mega piksel didalam photobox, foto yang diambil per TBS yaitu 8 foto sehingga total foto yang digunakan 144 foto. Photobox dilengkapi dengan pencahayaan menggunakan lampu LED 5 watt disekeliling photobox sehingga tidak membentuk bayangan didalam photobox. Jarak kamera ke objek yaitu 73 cm, jarak yang diperoleh berdasarkan kepada penelitian pendahuluan yang dilakukan. Foto yang dihasilkan maka hasil foto disimpan dalam format JPG dan kemudian akan dilakukan perhitungan luas area piksel citra menggunakan software MVTec halcon versi 24.11 menggunakan operator area_center. Analisis data dilakukan menggunakan metode regresi polinomial untuk memperoleh persamaan pada model kalibrasi dan model akan di validasi menggunakan data luas area piksel dari 6 TBS menggunakan Microsoft excel 2019.
model pada seleksi citra tunggal dan rata-rata luas area piksel dari 8 frame citra menunjukkan bahwa model berbasis rata-rata luas area piksel dari 8 frame citra menghasilkan performa yang lebih akurat dibandingkan model seleksi citra tunggal, sebagaimana tercermin dari nilai MAE (±1.550 gram < ±1.603 gram) dan MAPE (18% < 18.9%) yang lebih rendah. Peningkatan akurasi ini disebabkan oleh kemampuan model multi-frame dalam mengurangi noise melalui proses rata-rata dan menangkap geometri TBS secara lebih komprehensif dari berbagai sudut pandang. Namun, terdapat trade-off berupa penurunan konsistensi pola yang ditunjukkan oleh nilai R² yang sedikit lebih rendah (0.8208 < 0.8338), mengindikasikan bahwa meskipun prediksi per titik lebih akurat, hubungan keseluruhan antara variabel menjadi kurang konsisten.

The sorting and grading process carried out at the factory is still done by a factory employee, who is responsible for visually observing and assessing the fresh fruit bunches (FFB). This activity is still carried out subjectively, which has weaknesses that can harm palm oil farmers due to the weight reduction predictions given by the factory during the sorting and grading process. The deductions made by the factory to traders for sorting up to 3% and the deductions given by the factory to collectors further pressure farmers. Collectors will impose unreasonable price deductions on farmers, including weight and moisture content deductions of up to 4-5% (Jelliani and Maifianti, 2021). The deductions made by large traders to farmers are to cover the losses incurred by large traders when selling FFB to the factory. Therefore, to minimize the losses incurred by palm oil farmers due to deductions made by large traders, it is necessary to introduce new alternatives to avoid these weight deductions by improving the sorting system at the factory, one of which is by using digital image processing based on the area of the FFB image. Fresh fruit bunches (FFB) were obtained from oil palm farmers in Jantho City, totaling 18 FFB with varying sizes and levels of maturity. This study used 12 FFB as calibration data and 6 FFB as validation data. The actual weight of the FFB was obtained from weighing using a digital scale, and the pixel area was obtained from photos of the FFB taken using a Canon EOS 1500D 24-megapixel camera inside a photobox. Eight photos were taken per FFB, resulting in a total of 144 photos used. The photobox was equipped with LED lighting around the photobox to prevent shadows from forming inside the photobox. The distance between the camera and the object was 73 cm, determined based on preliminary research conducted. The resulting photos are saved in JPG format, and the pixel area of the image is calculated using MVTec Halcon software version 24.11 with the area_center operator. Data analysis is performed using polynomial regression to obtain the calibration model equation, and the model is validated using pixel area data from 6 TBS using Microsoft Excel 2019. The model based on single image selection and the average pixel area of 8 image frames shows that the model based on the average pixel area of 8 image frames produces more accurate performance than the single image selection model, as reflected in the lower MAE (±1.550 grams < ±1.603 grams) and MAPE (18% < 18.9%) values. This improvement in accuracy is due to the multi-frame model's ability to reduce noise through the averaging process and capture the geometry of TBS more comprehensively from various viewpoints. However, there is a trade-off in the form of reduced pattern consistency, as indicated by the slightly lower R² value (0.8208 < 0.8338), suggesting that while point-by-point predictions are more accurate, the overall relationship between variables becomes less consistent.

Citation



    SERVICES DESK