Penggunaan OpenCV untuk Segmentasi Cabai menggunakan Konversi RGB ke HSV
DOI:
https://doi.org/10.29407/cgkkfp10Keywords:
Cabai, Komputer Vision, OpenCV, SegmentasiAbstract
Cabai merupakan komoditas hortikultura bernilai tinggi, di mana tingkat kematangan memengaruhi kualitas dan harga di pasar. Penelitian ini menggunakan OpenCV dengan analisis ruang warna HSV untuk menilai kematangan cabai secara objektif, menggantikan observasi visual tradisional yang subjektif. Metode yang diterapkan meliputi konversi citra RGB ke HSV, segmentasi untuk mengidentifikasi tingkat kematangan, dan analisis mask untuk menghitung hasil segmentasi. Hasilnya, sistem ini mampu mendeteksi tingkat kematangan dengan akurasi tinggi, menunjukkan jumlah piksel merah (matang) 39.938, kuning/oranye (setengah matang) 643, dan hijau (mentah) 6.115. Pendekatan ini menawarkan solusi efisien, akurat, dan konsisten, mendukung modernisasi sektor pertanian dan meningkatkan daya saing produk di pasar.
Downloads
References
D. N. Edowai, S. Kairupan, and D. H. Rawung, “MUTU CABAI RAWIT (CAPSICUM FRUTESCENS
L) PADA TINGKAT KEMATANGAN DAN SUHU YANG BERBEDA SELAMA PENYIMPANAN.”
Y. A. Pratama, “Membangun Sistem Identifikasi Kematangan Buah Alpukat menggunakan teknologi
Pengolahan Citra Digital,” Kalijaga : Jurnal Penelitian Multidisiplin Mahasiswa, vol. 1, no. 3, pp. 102–
, Jul. 2024, doi: 10.62523/kalijaga.v1i3.18.439
PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS TAHUN 2025, Vol. 4.
Program Studi Teknik Informatika, Universitas Nusantara PGRI Kediri. e- ISSN: 2828–299X
Kediri, 25 Januari 2025
Susanto, R., et al. (2022). "Penggunaan OpenCV untuk Deteksi Warna dalam Penentuan Kematangan
Buah." Jurnal Informatika dan Sains Komputer.
Rahmawati, S., et al. (2021). "Deteksi Kematangan Tomat Menggunakan OpenCV." Jurnal Teknologi
Pangan dan Pertanian.
Ardiansyah, D., et al. (2023). "Pemanfaatan Computer Vision dalam Pertanian Modern." Jurnal Teknologi
Pertanian Terapan.
R. Rosaly, A. Prasetyo, and M. Kom, “Pengertian Flowchart Beserta Fungsi dan Simbol-simbol Flowchart
yang Paling Umum Digunakan.”
A. Zalukhu et al., “PERANGKAT LUNAK APLIKASI PEMBELAJARAN FLOWCHART,” Jurnal
Teknologi Informasi dan Industri, vol. 4, no. 1, 2023.
H. Sanusi, S. H. S., and D. T. Susetianingtias, “PEMBUATAN APLIKASI KLASIFIKASI CITRA DAUN
MENGGUNAKAN RUANG WARNA RGB DAN HSV,” Jurnal Ilmiah Informatika Komputer, vol. 24,
no. 3, pp. 180–190, 2019, doi: 10.35760/ik.2019.v24i3.2323.
S. Sural, G. Qian, and S. Pramanik, “Segmentation and histogram generation using the HSV color space
for image retrieval,” in IEEE International Conference on Image Processing, 2002. doi:
1109/icip.2002.1040019.
K. K. D. Ramesh, G. Kiran Kumar, K. Swapna, D. Datta, and S. Suman Rajest, “A review of medical
image segmentation algorithms,” EAI Endorsed Trans Pervasive Health Technol, vol. 7, no. 27, 2021, doi:
4108/eai.12-4-2021.169184.
T. Sulistyorini, E. Sova, N. Sofie, and R. I. Napitupulu, “PENERAPAN HYPERPARAMETER
CONVOLUTIONAL NEURAL NETWORK (CNN) DALAM MEMBANGUN MODEL SEGMENTASI
GAMBAR MENGGUNAKAN ARSITEKTUR U-NET DENGAN TENSORFLOW,” Jurnal Ilmiah
Informatika Komputer, vol. 28, no. 2, pp. 112–121, 2023, doi: 10.35760/ik.2023.v28i2.6959.
I. S. Areni, I. Amirullah, and N. Arifin, “Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna
dengan Metode HSV,” Jurnal Penelitian Enjiniring, vol. 23, no. 2, pp. 113–116, Nov. 2019, doi:
25042/jpe.112019.03.
T. Cheng, X. Wang, L. Huang, and W. Liu, “Boundary-preserving Mask R-CNN,” Jul. 2020, [Online].
Available: http://arxiv.org/abs/2007.08921
B. Öztürk and M. Özkar, “CREATING AND USING MASK IMAGES FOR SEGMENTATION IN
POINT CLOUD DATA,” in International Archives of the Photogrammetry, Remote Sensing and Spatial
Information Sciences - ISPRS Archives, International Society for Photogrammetry and Remote Sensing,
May 2022, pp. 1133–1138. doi: 10.5194/isprs-archives-XLIII-B2-2022-1133-2022.
K. Lis, M. Koryciński, and K. A. Ciecierski, “Classification of masked image data,” PLoS One, vol. 16,
no. 7 July, Jul. 2021, doi: 10.1371/journal.pone.0254181
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Gilang Dwi Cahyo, Nur Ahmadi Thobroni, Triasyuko Pinaring Gusti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
