ABSTRAK

Penentuan kematangan tomat menjadi faktor utama pada kualitas tomat. Tingkat kematangan juga mempengaruhi kandungan glukosa yang menjadi faktor sampingannya. Semakin tinggi tingkat kematangan, maka kandungan glukosa juga semakin tinggi. Proses identifikasi kematangan tomat masih dilakukan berdasarkan penglihatan visual secara langsung. Namun, kelemahannya adalah sifat subyektif operator sortir sehingga tidak konsisten dalam proses pengklasifikasian. Dengan pendekatan pengolahan citra dapat memprediksi kandungan glukosa dan tingkat kematangan tomat. Penelitian ini bertujuan untuk memprediksi kandungan glukosa dan tingkat kematangan tomat dengan backpropagation berdasarkan vektor ciri citra buah tomat. Sampel citra yang digunakan adalah citra kulit tomat. Melalui citra kulit tomat akan ditentukan histogram merah, RGB, dan HSV. Penentuan tingkat kematangan tomat menggunakan jaringan backpropagation dengan parameter histogram merah. Sedangkan, prediksi kandungan glukosa menggunakan pendekatan regresi linier dengan model warna RGB dan HSV. Hasil penelitian menunjukkan  bahwa  penentuan  tingkat  kematangan  tomat  dengan backpropagation diperoleh akurasi sebesar 86,67% dengan 4 neuron layar tersembunyi dan MSE = 0.01. Sedangkan, penentuan kandungan glukosa memiliki
nilai   error   sebesar   7,57%   dari   persamaan   regresi   yaitu   ???? = 3.82505 +
0.00598(|???? − ????|) + 0.715703 ( |? − ? |  ).
?+????
Kata kunci  :  tomat,  glukosa,  kematangan,  pengolahan  citra,  backpropagation,
regresi, RGB, HSV