AYU ASIKA Primary Author mixed material bibliography Banda Aceh Fakultas Pertanian 2025

Skripsi

Buah kelapa sawit atau disebut Tandan Buah Segar (TBS) diolah menjadi minyak kelapa sawit atau Crude Palm Oil (CPO) dan minyak inti sawit atau Kernel Palm Oil (KPO). Minyak sawit banyak digunakan sebagai bahan baku dari suatu produk, untuk diolah menjadi suatu produk minyak sawit perlu memiliki mutu dan kualitas yang baik. Minyak sawit dengan kualitas yang baik memiliki tingkat Asam Lemak Bebas (ALB) yang rendah. Standar mutu Crude Palm Oil (CPO) dalam SNI 01-2901-2006, kadar asam lemak bebas (ALB) maksimum adalah 5%. Kualitas dari minyak kelapa sawit dapat diketahui melalui tingkat kematangan buah sawit, dan biasanya para pekerja menilai tingkat kematangan buah sawit secara manual dengan melihat banyaknya jumlah buah yang jatuh dari tandannya atau berdasarkan warna buah sawit. Tingkat kematangan buah sawit tersebut dilakukan secara subyektif oleh para pekerja sehingga kualitas minyak yang dihasilkan tidak akurat dan memakan waktu yang lama. Tujuan penelitian ini untuk memperkirakan ALB minyak sawit menggunakan image processing, kualitas minyak sawit dapat ditentukan berdasarkan nilai RGB (Red, Green, Blue) dan HSI (Hue, Saturation, Intensity). Metode ini dapat memberikan penilaian yang lebih objektif terhadap kematangan buah sawit, mengurangi ketergantungan pada metode manual yang mungkin tidak akurat. Sampel TBS yang digunakan dalam penelitian ini berasal dari Jantho, Aceh Besar, total jumlah TBS yang diperlukan yaitu sebanyak 18 tandan dengan tingkat kematangan yang bervariasi yaitu mentah, matang dan lewat matang. Data dibagi secara acak dengan rasio 70:30, yaitu 70% (12 TBS) untuk data pelatihan dan 30% (6 TBS) untuk data uji. Pembagian ini bertujuan untuk memastikan bahwa model dapat dievaluasi pada data yang belum pernah diproses selama pelatihan. Setiap sampel TBS diambil sebanyak 8 citra dengan posisi TBS yang diubah ubah, citra diambil menggunakan kamera Canon EOS 1500D yang beresolusi 24 megapiksel dengan photobox berlatar putih. Asam lemak bebas (ALB) aktual dalam penelitian ini dilakukan dengan metode titrasi asam-basa. Kemudian citra di ekstraksi kedalam warna RGB dan HSI menggunakan software MVTech Halcon. Penelitian ini mengimplementasikan metode K-Nearest Neighbor (K-NN) untuk memprediksi ALB pada TBS berdasarkan analisis fitur warna RGB dan HSI. Model K-NN dibangun dengan parameter tiga tetangga terdekat (k=3) dan metrik jarak Euclidean. Hasil prediksi ALB% diperoleh dengan mengambil rata-rata nilai ALB% dari tiga tetangga terdekat. Evaluasi model dilakukan melalui dua pendekatan yaitu regresi untuk memprediksi nilai ALB% dan klasifikasi untuk mengkategorikan kematangan TBS. Hasil penelitian ini menunjukan bahwa kualitas minyak sawit (CPO) pada Tandan Buah Segar (TBS) dapat diprediksi menggunakan analisis warna buah melalui pengolahan citra digital dengan metode K-Nearest Neighbor (K-NN). Evaluasi model menunjukkan bahwa prediksi paling tepat untuk TBS Sedang Lewat Matang (selisih 0,13), sedangkan ketidakakuratan terbesar terjadi pada TBS Besar Matang dengan selisih 1,33. Hasil menunjukkan bahwa parameter warna (R, G, B, H, S, I) berkorelasi kuat dengan nilai ALB, dengan tingkat kesalahan prediksi rata-rata (MAE) sebesar 0,48% dengan akurasi model yang mencapai 83%. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 167025 2025-07-25 08:12:38 2025-07-25 09:44:20 machine generated