Klasifikasi Tingkat Kematangan Buah Jeruk Menggunakan Sensor Warna TCS3200 Berbasis RGB

Nur Annisa Istiqamah

Abstract


Penentuan tingkat kematangan buah sangat penting dalam industri pertanian karena memengaruhi kualitas, rasa, nilai gizi, dan daya simpan. Metode manual dinilai kurang akurat karena bersifat subjektif. Penelitian ini bertujuan mengembangkan sistem klasifikasi kematangan buah jeruk secara otomatis menggunakan sensor warna TCS3200 yang mendeteksi intensitas warna RGB (Red, Green, Blue). Metode penelitian eksperimental ini meliputi pembacaan nilai frekuensi warna pada sampel jeruk dengan tingkat kematangan berbeda, yaitu mentah, setengah matang, dan matang. Frekuensi diubah menjadi nilai RGB skala 0–255 dan dianalisis menggunakan rasio R/G untuk klasifikasi. Hasil menunjukkan bahwa buah mentah memiliki nilai R rendah dan G tinggi, sedangkan buah matang menunjukkan sebaliknya, dengan rasio R/G meningkat secara signifikan. Pola ini dapat dimanfaatkan untuk membedakan tingkat kematangan buah secara objektif dan efektif untuk di terapkan dalam bidang pertanian.


Keywords


Sensor; TCS3200; Kematangan buah; Teknologi; Pertanian.

Full Text:

PDF

References


Agustya, A. F., Fahruzi, A., Elektro, T., Adhi, T., & Surabaya, T. (t.t.). Rancang Bangun Alat Otomatis Pemilah Sampah Logam, Organik Dan Anorganik Menggunakan Sensor Proximity Induksi Dan Sensor Proximity Kapasitif.

Anggreani, D., Nasution, M. I., & Nasution, N. (2023). Sistem Penyortir Otomatis Kematangan Tomat Berdasarkan Warna dan Berat dengan Sensor Tcs3200 dan Sensor Load Cell Hx711 Berbasis Arduino UNO. Jurnal Fisika Unand, 12(3), 374–380. https://doi.org/10.25077/jfu.12.3.373-379.2023

Cahyaputra, H. R., & Rahmadewi, R. (2024). KLASIFIKASI TINGKAT KEMATANGAN BUAH PAPRIKA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN WARNA RGB MELALUI APLIKASI MATLAB. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(1), 242–249. https://doi.org/10.29100/jipi.v9i1.4440

Di Pasquo, G., Caratozzolo, A. M., & Ziroldo, T. (t.t.). SG90 Servo Characterization.

Hayati, R., & Irhamni, D. (2023). PENGARUH TINGKAT KEMATANGAN DAN LAMA PENYIMPANAN TERHADAP

KUALITAS PISANG MAS (Musa acuminata Colla) Effect of Maturity Level and Storage Duration on Quality

Banana Mas (Musa acuminata Colla) (Vol. 20, Nomor 2).

Ifmalinda, I., Fahmy, K., & Fitria, E. (2018). Prediction of Siam Gunung Omeh Citrus Fruit (Citrus Nobilis Var

Microcarpa) Maturity Using Image Processing. Jurnal Keteknikan Pertanian, 6(3), 335–342.

https://doi.org/10.19028/jtep.06.3.335-342

Kondaveeti, H. K., Kumaravelu, N. K., Vanambathina, S. D., Mathe, S. E., & Vappangi, S. (2021). A systematic literature

review on prototyping with Arduino: Applications, challenges, advantages, and limitations. Computer Science

Review, 40, 100364. https://doi.org/10.1016/J.COSREV.2021.100364

Maliki, M. S. A., & Irawan, D. (2024). Penyortiran Kematangan Buah Dengan Indikator Warna Menggunakan Metode

Backpropagation Berbasis IOT. Smart Comp: Jurnalnya Orang Pintar Komputer, 13(2).

https://doi.org/10.30591/smartcomp.v13i2.6415

Mesas-Carrascosa, F. J., Verdú Santano, D., Meroño, J. E., Sánchez de la Orden, M., & García-Ferrer, A. (2015). Open

source hardware to monitor environmental parameters in precision agriculture. Biosystems Engineering, 137, 73–

https://doi.org/10.1016/J.BIOSYSTEMSENG.2015.07.005 peserta003,+66. (t.t.).

Pratama, A. (t.t.). PROTOTIPE ALAT PENGUKUR TINGKAT KEMATANGAN BUAH PEPAYA MENGGUNAKAN SENSOR WARNA TCS3200. Dalam Jusikom : Jurnal Sistem Komputer Musi Rawas (Vol. 8, Nomor 1).

Reguera, P., García, D., Domínguez, M., Prada, M. A., & Alonso, S. (2015). A LOW-COST OPEN SOURCE HARDWARE IN CONTROL EDUCATION. CASE STUDY: ARDUINO-FEEDBACK MS-150. IFAC- PapersOnLine, 48(29), 117–122. https://doi.org/10.1016/J.IFACOL.2015.11.223

Rizzo, M., Marcuzzo, M., Zangari, A., Gasparetto, A., & Albarelli, A. (2023). Fruit ripeness classification: A survey. Artificial Intelligence in Agriculture, 7, 44–57. https://doi.org/10.1016/J.AIIA.2023.02.004

Sugiarto, K., Sulthana Hilmi, K., Pradana, A., & Fadhillah, I. (2023). Identifikasi Zona Warna Dengan Sensor TCS3200 Pada Robot KRSTI. Jurnal Sistim Informasi dan Teknologi, 32–37. https://doi.org/10.60083/jsisfotek.v5i4.320

Wibowo, A., Parlina, I., Wanto Teknik Informatika, A., Tunas Bangsa Pematangsiantar, S., & Artikel, R. (2022).

RANCANG BANGUN MESIN SORTIR BUAH KELAPA SAWIT BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN SENSOR WARNA TCS3200 BERBASIS ARDUINO UNO INFO ARTIKEL ABSTRAK. 1(2), 9– 15. https://doi.org/10.55123

Zhang, B., Lou, K., Wang, Z., Xia, Y., Fu, W., & Bai, Z. (2025). MIRNet_ECA: Multi-scale inverted residual attention network used for classification of ripeness level for dragon fruit. Expert Systems with Applications, 274, 127019. https://doi.org/10.1016/J.ESWA.2025.127019




DOI: https://doi.org/10.31764/protech.v4i2.31749

Refbacks

  • There are currently no refbacks.


Protech Biosystems Journal is indexing in the following databases:

   

 

Editorial Office: