RANCANG BANGUN ALAT GRADING BUAH TOMAT (Solanum lycopersicum, L) MENGGUNAKAN SENSOR WARNA TCS230 Design of Tomato Grading Equipment (Solanum Lycopersicum, L) Using Color Sensor Tcs230
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
RANCANG BANGUN ALAT GRADING BUAH TOMAT (Solanum lycopersicum,
L) MENGGUNAKAN SENSOR WARNA TCS230
Design of Tomato Grading Equipment (Solanum Lycopersicum, L) Using Color
Sensor Tcs230
1
1
1
Khandra Fahmy *, Andasuryani , Rola Esvendiarmi
Jurusan Teknik Pertanian-Fakultas Teknologi Pertanian-Universitas Andalas
Kampus Unand, Limau Manis, Padang-25163
*Email [email protected]
Abstrak
Penelitian ini bertujuan untuk (a) melakukan perancangan sistem alat grading buah tomat untuk
mengetahui kerja alat dan keakuratan berdasarkan ukuran warna, (b) merancang sistem otomatis
rangkaian elektronika dan bahasa program untuk alat grading buah tomat menggunakan sensor warna
TCS230, (c) melakukan pengujian kinerja alat grading buah tomat berdasarkan ukuran warna buah tomat.
Metode yang digunakan pada penelitian ini adalah metode eksperimen terdiri dari identifikasi masalah,
investarisasi ide, penyempurnaan ide, prinsip kerja, rancangan fungsional, rancangan struktural, tahap
perakitan, dan tahap uji kinerja alat. Rancang bangun yang dilakukan dapat menghasilkan alat grading
buah tomat menggunakan sensor warna TCS230 gabungan hasil rancangan mekanik dan rangkaian
elektonika sistem otomatis dengan prinsip kerja. (1) alat disambungkan dengan sumber listrik. (2) buah
tomat dimasukan pada ruang scannimg melalui hopper (3) sensor warna TCS230 membaca warna buah
tomat. (4) warna buah tomat ditampilkan pada LCD. (5) motor central lock mendorong buah tomat. (6)
motor servo MG996R menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau dan ke
kiri jika tomat warna merah. (7) motor servo SG90 membuka portal pintu keluaran dan buah tomat keluar.
Pengujian alat grading menggunakan sensor warna TCS230 mendekati akurat karena nilai koefisien
determinasi 0.8747 untuk R, 0.9646 untuk nilai G, dan 0.8538 untuk nilai B. Penentuan kelas buah tomat
juga mendekati maksimal, hanya 3.333% kesalahan dalam pembacaan kelas buah tomat.
Kata kunci:Tomat, Alat Grading, Warna, Sensor Warna TCS230.
PENDAHULUAN
Peningkatan produktifitas tomat tidak berbanding lurus dengan perkembangan
teknologi pertanian tomat terutama pada prosesgrading (pengelompokan). Berdasarkan
survei dilapangan proses grading dilakukan secara manual (menggunakan tenaga
manuasia) dan pengelompokan buah tomat di pasar dan supermarket dikelompokkan
dengan 2 ukuran warna yaitu kelompok buah tomat merah dan kelompok buah tomat
hijau. Apabila buah tomat merah dan hijau disatukan pada suatu tempat lama kelamaan tomat warna merah merusak tomat warna hijau karena tomat warna merah
lebih cepat membusuk dari pada tomat hijau.
Penggunaan tenaga manusia (manual) sebagai penentu pengelompokan buah
berdasarkan warna memiliki kekurangan. Kelemahan yang dimiliki manusia adalah
ketika manusia melakukan tugas sensorik dalam kapasitas yang besar. Penilaian
manusia yang bersifat subjektif dan tidak konsisten terhadap objek buah serta pekerjaan
yang berulang-ulang dapat menyebabkan kejenuhan terutama dalam pemisahan buah
berdasarkan warna.
Oleh karena itu perlu dikembangkan teknologi yang tepat sebagai solusi untuk
pengelompokan dilakukan secara manual, seperti alat sortasi buah menggunakan
Mikrokontroler AVR ATMega 16 yang dirancang oleh Anugrahandy et al. (2013). Alat
sortasi buah ini bekerja dengan menggunakan mikrokontroler sebagai pusat
134
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
pengendalian. Alat sortasi tersebut melakukan sortasi berdasarkan nilai ukuran diameter
buah yang telah dilakukan scanning oleh webcam yang dianalisa dan diolah oleh
program Delphi pada komputer yangselanjutnya akan memberikan informasi ke
mikrokontroler untuk memberikan perintah kepada motor servo. Sementara itu
kelemahan alat ini dalam melakukan sortasi adalah motor servo yang bekerja pada
sistem pengumpanan buah masih bekerja kurang efektif karena motor servo yang
digunakan kurang kuat untuk melakukan dorongan terhadap buah. Untuk mengatasi
permasalahan diatas maka upaya yang bisa dilakukan adalah dengan melakukan
perbaikan pada sistem pengumpanan terutama mengganti motor servo dengan kualitas
torsi yang lebih kuat.
Penelitian ini bertujuan untuk (a) melakukan perancangan sistem alat grading
buah tomat untuk mengetahui kerja alat dan keakuratan berdasarkan ukuran warna, (b)
merancang sistem otomatis rangkaian elektronika dan bahasa program untuk alat
grading buah tomat menggunakan sensor warna TCS230, (c) melakukan pengujian
kinerja alat grading buah tomat berdasarkan ukuran warna buah tomat.
METODE PENELITIAN
Metode yang digunakan pada penelitian ini adalah metode eksperimen dengan
melakukan perancangan dan membangun alat grading tomat, yang dilengkapi dengan
sensor warna TCS230 sehingga mampu membaca warna pada buah tomat yang masuk
ruang scanning. Penelitian dilaksanakan di Laboratorium Produksi dan Manajemen Alat
dan Mesin Pertanian, Program Studi Teknik Pertanian dan Instrumentasi Pusat, Fakultas
Teknologi Pertanian Universitas Andalas Padang
Bahan dan Alat
Bahan
Bahan yang digunakan untuk pembuatan alat grading buah tomat antara lain
besi strip, besi siku, papan akrilik 3 mm, sensor warna TCS230, motor servo MR996R
dan SG90, LCD (Liquid Crystal Display) 16 x 2, motor central lock, Arduino Uno R3,
dan power supply 12 V 5A. Alat yang digunakan untuk pembuatan alat gradingadalah
laptop yang dilengkapi software pendukung, mesin las, penggaris besi, meteran, palu,
gerinda, solder,pemotong akrilik, dan timah.
Alat
Alat yang digunakan untuk menguji alat gradingadalah hunterlab, stopwatch,
kalkulator, dan kamera digital, sedangkan software yang digunakan untuk mendukung
penelitian adalah Solid Works, IDE Arduinodan Eagle. Pengujian alat menggunakan
240 sampel buah tomat yaitu120untuk indeks kematangan 1 dan 120 untuk indek
kematangan 6 dengan varietas marta F1.
Prosedur Penelitian
Rangkaian Elektronika
Diagram rangkaian elektronika untuk gradingwarna buah tomat dapat dilihat pada
Gambar1.
135
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Gambar 1. Rangkaian Elektronika.
Perancangan rangkaian elektronika untuk alat grading buah tomat saling
berhubungan. Mikrokontroler yang digunakan adalah ATMega 328P yang telah ada
pada Arduino Uno R3 yang digunakan sebagai pusat pengendalian. Sensor warna
TCS230 digunakan untuk membaca warna dari buah tomat. Sensor warna dihubungkan
ke Arduino Uno R3 melalui pin 2, 3, 4, 5, dan 6 pada pin digital di Arduino Uno
R3.LCD dihubungkan ke Arduino Uno R3 melalui pin A0, A1, A2, A3, A4, A5 pada
pin analog di Arduino Uno R3. Motor central lock dihubungkan ke Arduino Uno R3
melalui pin 8 dan 12 pada pin digital di Arduino Uno R3. Motor servo MG996R
dihubungkan ke Arduino Uno R3 melalui pin 11 pada pin digital di Arduino Uno R3.
Motor servo SG90 dihubungkan ke Arduino Uno R3 melalui pin 10 pada pin digital di
Arduino Uno R3.
Prinsip Kerja Alat
Pengoperasian alat grading buah tomat melalui beberapa tahapan berikut : Alat
disambungkan dengan sumber listrik. Buah tomat dimasukan pada ruang scannimg
melalui hopper. Sensor warna TCS230 membaca warna buah tomat. Warna buah tomat
ditampilkan pada LCD. Motor central lock mendorong buah tomat. Motor servo
MG996R menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau
dan ke kiri jika tomat warna merah, sehingga Motor servo SG90 membuka portal pintu
keluaran dan buah tomat keluar.
Perancangan Alat
Adapun komponen alat yang dirancang terdiri atas rangka utama, hopper, ruang
control dan pintu keluaran. .Rangka utama terbuat dari besi siku dan besi plat. Rangka
utama memiliki empat kaki dengan tinggi 70 cm, lebar rangka 30 cm dan panjang
rangka 60 cm yang disesuaikan berdasarkan desain dari komponen alat.
136
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Hopper dibuat menggunakan akrilik 3 mm disatukan dengan menggunakan lem akrilik.
Hopper bagian atas berbentuk balok tanpa alas dan tutup dengan ukuran dimensi (P x L
x T) 60 cm x 30 cm x 10 cm dan dengan bagian bawah berbentuk persegi dengan
ukuran dimensi 10 cm x 10 cm, dikedua bagian tersebut dirancang miring 300.Daya
tampung hopper adalah 12 kg buah tomat ( ± 120 buah tomat).Ruang kontrol terdiri atas
6 bagian yaitu saluran masuk, ruang scanning, ruang sistem pendorong, ruang sensor,
ruang Arduino Uno R3, dan saluran keluar. Saluran masuk merupakan tempat
perlintasan buah tomat dari hopper menuju ruang pengumpanan, ruang scanning
merupakan tempat pembacaan buah tomat, ruang sistem pendorong merupakan tempat
motor central lock, ruang sensor merupakan tempat sensor warna TCS230, ruang
Arduino Uno R3 tempat Arduino Uno R3, dan saluran keluaran merupakan tempat
perlintasan buah tomat menuju pintu keluaran.
Gambar 2. Desain Alat Grading Buah Tomat.
Pengambilan Sampel Sifat Fisik Buah Tomat
Pengambilan sampel sifat fisik buah tomat dilakukan untuk menentukan ukuran
warna (kisaran warna, model RGB dan, sudut warna). Pengambilan sampel dilakukan
sebanyak 60 buah tomat yang berbeda ukuran warna menggunakan hunterlab. Hunterlab
menggunakan sistem warna L, a, dan b sehingga model RGB diperoleh dari hasil
konversi dari persamaan (1) sampai persamaan (8), kisaran warna dapat dilihat dari nilai
a, dan sudut warna (0Hue) diperoleh hasil konversi nilai L, a, dan b menjadi nilai Hue
(0Hue), rumusnya adalah sebagai berikut:
0
Hue = tan-1 (b/a)...............................................................................................(1)
Keterangan:
L*
: kecerahan warna, nilai berkisar antara 0-100 yang menunjukkan warna hitam
hingga putih.
a*
: nilai berkisar antara -80 - (+80), menunjukkan warna hijau hingga merah
b*
: nilai berkisar antara -70 - (+70), menunjukkan warna biru hingga kuning.
H
: Hue, sudut warna (0º = warna netral, 90º = kuning, 180º = hijau, 270º = biru)
Analisis Korelasi
Analisis yang yang digunakan untuk mengetahui hubungan antara hasil pengukuran
sensor warna TCS230 dengan hunterlab adalah analisis korelasi, sehingga menghasilkan
persamaan untuk dimasukan ke dalam bahasa program alat grading buah tomat supaya
137
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
hasil pengukuran alat grading buah tomat sesuai dengan alat standar. Persamaan yang
digunakan analisis korelasi menggunakan 60 buah tomat yaitu 30 tomat merah dan 30
tomat hijau. Pengukuran dilakukan dengan mengukur sisi tomat yang sama
menggunakan sensor warna TCS230 dan hunterlab.
Uji Ketepatan
Uji ketepatan dilakukan untuk melihat kedekatan antara hasil pengukuran dari sensor
warna TCS230 yang telah dikorelasi dengan pengukuran sebenarnya (hunterlab),
dengan menghitung standar deviasi dan koefisien varians dari masing-masing
pengukuran menggunakan Microsoft Excel. Pada percobaan ini menggunakan 60 buah
tomat yaitu 30 tomat merah dan 30 tomat hijau.
Penentuan Kelas
Pengkelasan pada alat grading buah tomat menggunakan sensor warna TCS230
yaitu A untuk tomat hijau dan B untuk tomat merah. Penentuan kelas A dan B
berdasarkan ukuran warna buah tomat didapatkan dari pengukuran alat grading buah
tomat menggunakan sensor warna TCS230. Pengukuran dilakukan dengan 60 buah
tomat yaitu 30 merah dan 30 tomat hijau. Serta jarak pengukuran antara sensor TCS230
dan buah tomat yaitu 1 cm dan 7 cm karena pada ruang scanning jarak terdekat buah
tomat dengan sensor 1 cm dan jarak terjauh buah tomat dengan sensor 7 cm. Proses
penetuan kelas berdasarkan nilai tertinggi dan yang terendah dari hasil pengukuran
untuk masing - masing kelas pada alat. Proses penentuan kelas dapat dilihat pada
Lampiran 7.
Persentase Kesalahan Kelas
Persentase kesalahan kelas merupakan banyaknya buah yang salah dalam
pengkelasan saat keluar dari pintu keluaran yang dinyatakan dalam satuan persen.
Pengujian menggunakan 60 buah tomat yaitu 30 tomat merah dan 30 tomat hijau.
Presentase kesalahan kelas dihitung dengan membandingkan banyak buah yang salah
kelas dengan banyak buah keseluruhan dalam satuan persen.
HASIL DAN PEMBAHASAN
Hasil Rancangan
Poses perancangan (rangkaian elektronika dan mekanik) telah menghasilkan alat
grading buah tomat menggunakan sensor warna TCS230 dengan menggunakan power
supply 12V dan 5A, dimensi panjang 60 cm, lebar 30 cm, dan tinggi 70 cm. Alat
grading ini dibuat dengan tujuan memudahkan mengelompokkan tomat berdasarkan
warna menggunakan sensor warna TCS230. Alat grading buah tomat ini terdiri dari
rangka utama, hopper, ruang kontrol dan pintu keluaran yang dibuat berdasarkan
konsep desain. Alat ini mampu mengelompokkan buah tomat menjadi 2 kelompok
warna yaitu tomat merah dan hijau. Pengoperasian alat ini dilakukan oleh satu orang.
Hasil rancangan alat grading buah tomat dapat dilihat pada Gambar 3.
138
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
A
B
C
D
Gambar 3. Alat Grading Buah Tomat Menggunakan Sensor Warna TCS230: A) Rangka
Utama; B) Hopper; C) Ruang Kontrol dan D) Pintu Keluaran.
Pengambilan Sampel Sifat Fisik Buah Tomat
Pengambilan sampel sifat fisik buah tomat dilakukan untuk menentukan ukuran
warna (kisaran warna, model RGB, dan sudut warna) menggunakan hunterlab. Data
pengukuran hunterlab dapat dilihat pada Lampiran 9 dan konversi nilai L, a, dan b ke
R, G, dan B dapat dilihat pada Lampiran 10. pengukuran kisaran warna, model R, G,
dan B, dan sudut warna dapat dilihat pada Tabel 1.
Tabel 1. Pengukuran Ukuran Warna Buah Tomat
Hasil Pengukuran
Tomat hijau
Tomat Merah
KisaranWarna
0 sampai - 80
0 sampai 80
Model R, G dan B
Kelas A
Kelas B
Sudut Warna
Kuadran 2
Kuadran 1
Berdasarkan hasil pengukuran ukuran warna diatas seragam karena sampel 1 30 merupakan tomat hijau dan sampel 31 - 60 merupakan tomat merah. Pada kisaran
warna tomat hijau jika nilai a berkisar antara 0 sampai -80 dan tomat merah jika nilai a
berkisar antara 0 sampai 80. Pada sudut warna (0Hue) tomat hijau jika nilai (0 Hue) pada
kuadran 2 dan tomat merah jika nilai (0 Hue) pada kuadran 1.
Analisis Korelasi
Analisis korelasi dilakukan untuk melihat hubungan antara hasil pengukuran
sensor warna TCS230 dengan hunterlab. Hasil pengukuran hunterlab dan sensor warna
139
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
TCS230 berupa nilai RGB dapat dilihat pada Lampiran 11 dan perhitungan koefisien
korelasi dapat dilihat pada Lampiran 12. Berikut dapat dilihat persamaan hasil analisis
korelasi nilai R, G, dan B pada Tabel 2.
Tabel 2. Analisis Korelasi.
Hasil Pengukuran
Persamaan
r
R
y = -0.0744*x + 99.313
- 0.906
G
y = -0.0327*x+ 53.973
-0.920
B
y = -0.0141*x + 33.914
- 0.717
Kekuatan hubungan antara kedua variabel disebut dengan koefisien korelasi dan
dilambangkan dengan simbol “r”. Nilai koefisien r akan selalu berada diantara -1
sampai +1. Jadi, korelasi antara sensor warna TCS230 dan hunterlab memiliki
hubungan yang sangat kuat untuk nilai korelasi R dan G, sedangkan korelasi B memiliki
hubungan yang kuat dan bentuk hubungannya adalah korelasi linear negatif. Grafik
analisis korelasi dapat dilihat pada Gambar 4.
Pengukuran Hunterlab
80
75
y = -0.0744x + 99.313
R2 = 0.8225
70
65
60
55
50
45
250 300 350 400 450 500 550 600 650 700
Prediksi Sensor (Hz)
(a) Pengukuran Nilai Red
Pengukuran Hunterlab
45
40
y = -0.0327x + 53.973
R² = 0.84778
35
30
25
20
350
450
550
650
750
850
Prediksi Sensor (Hz)
(b) Pengukuran Nilai Green
140
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Pengukuran Hunterlab
35
30
25
20
y = -0.0141x + 33.914
R² = 0.51413
15
400 450 500 550 600 650 700 750 800
Prediksi Sensor (Hz)
(c) Pengukuran Nilai Blue
Gambar 4. Grafik Analisis Korelasi Hasil Pengukuran dengan Hunterlab dan Prediksi
dengan Sensor Warna TCS230.
Uji Ketepatan
Hasil uji ketepatan ditampilkan pada Gambar 5.Uji ketepatan menggunakan 60
buah tomat. Pembacaan warna dilakukan 60 kali pada hunterlab dan 60 sensor warna
TCS230 dengan mengukur sisi tomat yang sama. nilai koefisien determinasi didapatkan
yaitu 0.8747 untuk nilai red, 0.9643 untuk nilai green, dan 0.8538 untuk nilai blue, ini
menunjukan bahwa persamaan baik karena nilai koefisien determinasimendekati 1 dan
uji ketetapan bisa dinyatakan berhasil.
Prediksi Sensor
80
70
60
50
y = 0.929x + 5.2209
R2 = 0.8747
40
50
55
60
65
70
75
Pengukuran Hunterlab
80
(a) Pengukuran Nilai Red
141
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
50
45
Prediksi sensor
y = 1.0374x - 1.3658
R² = 0.96434
40
35
30
25
20
20
25
30
35
40
Pengukuran Hunterlab
45
(b) Pengukuran Nilai Green
Prediksi sensor
30
29
28
27
26
25
24
23
22
21
20
y = 0.8512x + 3.8422
R² = 0.85378
20
22
24
26
28
30
Pengukuran Hunterlab
32
(c) Pengukuran Nilai Blue
Gambar 5. Grafik Uji Ketepatan Hasil Pengukuran dengan Hunterlab dan Prediksi
dengan Sensor Warna TCS230.
Nilai koefisien determinasi tidak 1, karena hasil pembacaan warna dari alat
grading buah tomat tidak sama dengan hunterlab, serta pada ruang scanning tidak gelap
total, ada sedikit cahaya yang datang dari hopper sedangkan pengukuran menggunakan
hunterlab sama sekali tidak ada cahaya. Menurut Romadhon dan Jefry (2015), bahwa
pencahayaan sangat mempengaruhi tingkat pembacaan sensor warna TCS230. Dalam
suatu ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah gelap
total. Untuk mengatasi permasalahan tersebut bisa dilakukan perbaikan hopper diganti
dengan konveyor dengan sistem tertutup (gelap total).
Penentuan Kelas
Penentuan kelas dilakukan untuk menentukan ukuran warna untuk kelas A dan B
menggunakan alat grading buah tomat. Berdasarkan data tersebut ukuran warna untuk
kelas A dan B dapat dilihat pada Tabel 3.
142
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Tabel 3. Ukuran Warna untuk Kelas A dan B.
Tomat Hijau (A)
(52 ≤ R ≤89) (37 ≤ G ≤49)
(24≤ B ≤ 31)
Tomat Merah(B)
(68 ≤ R ≤91) (21 ≤ G ≤40)
(20 ≤ B ≤ 28)
Tomat akan tergolong hijau, jika nilai red berada diantara 52 - 89, green 37 - 49,
dan blue 24 - 31. Tomat akan terbaca merah, jika nilai red berada diantara 68 - 91,
green 21- 40, dan blue 20 - 28. Jika buah tomat tidak berada diantara ukuran warna
yang telah ditentukan maka warna buah tomat tidak terbaca.
Persentase Kesalahan Kelas
Hasil perhitungan persentasi kesalahan kelas dapat dilihat pada Lampiran 16.
Besar kesalahan kelas ditampilkan pada Gambar 6. Pengukuran persentase kesalahan
kelas menggunakan 60 buah tomat.
3.33%
96.67%
Benar
Salah
Gambar 6. Grafik Pengukuran Perbandingan Kelas.
Hasil pengukuran kelas terdapat 2 sampel tidak sesuai yaitu pada sampel 18 dan
23, dan 58 sampel sesuai, sehingga persentase kesalahan kelas 3.333%. Kesalahan ini
ada karena proses grading buah tomat ini bertahap - tahap sehingga ada perintah yang
bersamaan ke mikrokontroler ATMega 328P pada Arduino Uno R3 dan ruang scanning
tidak gelap total.
KESIMPULAN
Kesimpulan dari penelitian ini adalah Telah dibuat dan diamati alat grading
buah tomat menggunakan sensor warna TCS230 gabungan hasil rancangan mekanik dan
rangkaian elektonika sistem otomatis. Prinsip kerja (1) Alat disambungkan dengan
sumber listrik. (2). Buah tomat dimasukan pada ruang scanning melalui hopper. (3).
Sensor warna TCS230 membaca warna buah tomat. (4). Warna buah tomat ditampilkan
pada LCD. (5). Motor central lock mendorong buah tomat. (6). Motor servo MG996R
menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau dan ke kiri
jika tomat warna merah. (7). Motor servo SG90 membuka portal pintu keluaran dan
buah tomat keluar.
Alat ini bekerja jika buah tomat dimasukkan satu persatu kedalam sistem ruang
scanning karena motor central lock tidak bisa menahan beban 200 gram. Waktu yang
dibutuhkan untuk grading 1 buah tomat lebih kurang 6 detik. Hopper yang dirancang
tidak berfungsi sesuai yang diharapkan. Untuk mengatasi permasalahan diatas maka
143
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
bisa dilakukan perbaikan pada hopper dan motor central lock terutama dengan merubah
hopper dengan sistem konveyor atau bisa perbaikan dengan motor central lock dengan
kualitas beban torsi yang lebih besar.
Uji ketepatan alat grading buah tomat menggunakan sensor warna TCS230 dengan
hunterlab berhasil karena nilai koefisien determinasimendekati 1 yaitu untuk red
0.8747, green 0.9643 dan blue 0.8538.
DAFTAR PUSTAKA
Anonim. 2015. Alat Sortasi dan Grading. http://www.tneutron.net/pangan/. (15 Maret
2016).
Anonim. 2017. Pengukuran kelunakan Buah dan Skala Warna Pada Buah Tomat.
http://pawanbagus.blogspot.co.id/2012/10/pengukuran-kelunakan-buah-danskala_4597.html. (20 April 2017).
Antoni, R., P. Rozeff, dan N. Deny. 2008. Perancangan Sistem Pengaturan Kecepatan
Motor DC Menggunakan Zig Bee Pro Berbasis Arduino Uno ATmega 328P.
Fakultas Teknik. Universitas Maritim Raja ali Haji. 10 hal.
Anugrahandy, Arga, Bambang Dwi Argo, dan Bambang Susilo. 2013. Perancangan Alat
Sortasi otomatis Buah Apel Manalangi (Malus sylvestris Mill) menggunakan
Mikrokontroler AVR ATMega 16. Jurnal Keteknikan Pertanian Tropis dan
Biosistem Vol 1 No. 1. Universitas Brawijaya. 9 hal.
Badan Pusat Statistik dan Direktorat Jenderal Hortikultura. 2015. Sumatera Barat.
Kadir, Abdul. 2012. Panduan Praktis Mempelajari Aplikasi Mikrokontroler dan
Pemogramanya menggunakan Arduino. Yogyakarta. AndiOffset.
Marpaung, L. 1997. Pemanenan dan Penanganan Buah Tomat. Bandung. Balai
Penelitian Tanaman Sayuran.
Nasution, A. Juni. 2015. Rancang Bangun Alat Penimbang Berat Otomatis Untuk Biji
Kacang Tanah dengan Kontrol Hopper berpintu. [Skripsi]. Padang. Fakultas
Teknologi Pertanian. Universitas Andalas. 49 hal.
Nurmawati, Ririn. 2011. Pengembangan Metode Pengukuran Warna Menggunakan
kamera CCD (Charge Coupled Device) dan Image Processing. [Skripsi]. Bogor.
Fakultas Teknologi Pertanian. Institut Pertanian Bogor. 68 hal.
Nurindahsari, P., Mirwan Ushada, dan M. Affan Fajar Falah. 2014. Analisis Kinerja
Mutu Prototipe Greening Material Lumut Berdasarkan Perubahan Skala Warna
L*a*b* dan RGB. Fakultas Teknologi Pertanian. Universitas Gadjah Mada. 8 hal.
Pantastico, E.R.B. 1997. Fisiologi Pasca Panen Penanganan dan Pemanfaatan Buah buahan dan Sayur-sayuran Tropika dan Subtropika. Yogyakarta. Universitas
Gadjah Mada Press.
Pitowarno, E. 2006. Robotika: Desain, Kontrol, dan Kecerdasan Buatan. Yogyakarta.
Andi Offset.
Pratomo, D.S. dan Erna, Z.A. 2012. Analisis Regresi dan Korelasi antara Pengunjung
dan Pembeli terhadap Nominal pembelian di Indomaret Kedungmundu Semarang
dengan Metode Kuadrat Terkecil. Jurnal Penelitian Ilmiah Teknik Informatika,
Universitas Dian Nuswantoro.
Priyadi, Bambang. 2012. Aplikasi Sensor Warna Jenis TCS230 sebagai Alat Komposisi
Warna pada Cat Mobil. Jurnal ELTEK Vol 10 No 02 Teknik Elekrtro. Politeknik
Negeri Malang.
Rukmana, Rahmat. 1994. Tomat dan Cherry. Jakarta. Kanisius.
144
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Romadhon, A.S. dan Jefry, R.B. 2015. Prototipe Alat Pemilah Jeruk Nipis
menggunakan Sensor Warna TCS230. Jurnal Ilmiah Mikrotek Vol. 1, No. 4
Setiawan, A. 2011. 20 Aplikasi Mikrokontroler ATMega 8535 dan ATMega16.
Yogyakarta. Andi Offset.
Sugiyono. 2008. Statika untuk Penelitian. Bandung: CV.Alfabeta.
Suyatma, 2009. Diagram Warna Hunter (Kajian Pustaka). Jurnal Penelitian Ilmiah
Teknologi Pertanian, Institut Pertanian Bogor, Page 8 - 9.
Tim Bina Karya Tani. 2009. Pedoman Bertanam Tomat. Bandung. Yrama Widya.
Wardhana, Lingga. 2006. Belajar sendiri Mikrokontroler AVR Seri ATMega32
Simulasi, Hardware Aplikasi. Yogyakarta. Andi Offset.
Wasonowati, Catur, 2011. Meningkatkan Pertumbuhan Tanaman Tomat (Licopersicon
esculentum) dengan sistem Budidaya Hidroponik. Jurnal Agrovigor Volume 4
No.1. Universitas Trunojoyo Madura. 27 hal.
Wiryanta, B. T. W. 2008. Bertanam Tomat, 8th ed. Jakarta: AgroMedia.
145
Kendari, Sulawesi Tenggara, 20-21 September 2017
RANCANG BANGUN ALAT GRADING BUAH TOMAT (Solanum lycopersicum,
L) MENGGUNAKAN SENSOR WARNA TCS230
Design of Tomato Grading Equipment (Solanum Lycopersicum, L) Using Color
Sensor Tcs230
1
1
1
Khandra Fahmy *, Andasuryani , Rola Esvendiarmi
Jurusan Teknik Pertanian-Fakultas Teknologi Pertanian-Universitas Andalas
Kampus Unand, Limau Manis, Padang-25163
*Email [email protected]
Abstrak
Penelitian ini bertujuan untuk (a) melakukan perancangan sistem alat grading buah tomat untuk
mengetahui kerja alat dan keakuratan berdasarkan ukuran warna, (b) merancang sistem otomatis
rangkaian elektronika dan bahasa program untuk alat grading buah tomat menggunakan sensor warna
TCS230, (c) melakukan pengujian kinerja alat grading buah tomat berdasarkan ukuran warna buah tomat.
Metode yang digunakan pada penelitian ini adalah metode eksperimen terdiri dari identifikasi masalah,
investarisasi ide, penyempurnaan ide, prinsip kerja, rancangan fungsional, rancangan struktural, tahap
perakitan, dan tahap uji kinerja alat. Rancang bangun yang dilakukan dapat menghasilkan alat grading
buah tomat menggunakan sensor warna TCS230 gabungan hasil rancangan mekanik dan rangkaian
elektonika sistem otomatis dengan prinsip kerja. (1) alat disambungkan dengan sumber listrik. (2) buah
tomat dimasukan pada ruang scannimg melalui hopper (3) sensor warna TCS230 membaca warna buah
tomat. (4) warna buah tomat ditampilkan pada LCD. (5) motor central lock mendorong buah tomat. (6)
motor servo MG996R menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau dan ke
kiri jika tomat warna merah. (7) motor servo SG90 membuka portal pintu keluaran dan buah tomat keluar.
Pengujian alat grading menggunakan sensor warna TCS230 mendekati akurat karena nilai koefisien
determinasi 0.8747 untuk R, 0.9646 untuk nilai G, dan 0.8538 untuk nilai B. Penentuan kelas buah tomat
juga mendekati maksimal, hanya 3.333% kesalahan dalam pembacaan kelas buah tomat.
Kata kunci:Tomat, Alat Grading, Warna, Sensor Warna TCS230.
PENDAHULUAN
Peningkatan produktifitas tomat tidak berbanding lurus dengan perkembangan
teknologi pertanian tomat terutama pada prosesgrading (pengelompokan). Berdasarkan
survei dilapangan proses grading dilakukan secara manual (menggunakan tenaga
manuasia) dan pengelompokan buah tomat di pasar dan supermarket dikelompokkan
dengan 2 ukuran warna yaitu kelompok buah tomat merah dan kelompok buah tomat
hijau. Apabila buah tomat merah dan hijau disatukan pada suatu tempat lama kelamaan tomat warna merah merusak tomat warna hijau karena tomat warna merah
lebih cepat membusuk dari pada tomat hijau.
Penggunaan tenaga manusia (manual) sebagai penentu pengelompokan buah
berdasarkan warna memiliki kekurangan. Kelemahan yang dimiliki manusia adalah
ketika manusia melakukan tugas sensorik dalam kapasitas yang besar. Penilaian
manusia yang bersifat subjektif dan tidak konsisten terhadap objek buah serta pekerjaan
yang berulang-ulang dapat menyebabkan kejenuhan terutama dalam pemisahan buah
berdasarkan warna.
Oleh karena itu perlu dikembangkan teknologi yang tepat sebagai solusi untuk
pengelompokan dilakukan secara manual, seperti alat sortasi buah menggunakan
Mikrokontroler AVR ATMega 16 yang dirancang oleh Anugrahandy et al. (2013). Alat
sortasi buah ini bekerja dengan menggunakan mikrokontroler sebagai pusat
134
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
pengendalian. Alat sortasi tersebut melakukan sortasi berdasarkan nilai ukuran diameter
buah yang telah dilakukan scanning oleh webcam yang dianalisa dan diolah oleh
program Delphi pada komputer yangselanjutnya akan memberikan informasi ke
mikrokontroler untuk memberikan perintah kepada motor servo. Sementara itu
kelemahan alat ini dalam melakukan sortasi adalah motor servo yang bekerja pada
sistem pengumpanan buah masih bekerja kurang efektif karena motor servo yang
digunakan kurang kuat untuk melakukan dorongan terhadap buah. Untuk mengatasi
permasalahan diatas maka upaya yang bisa dilakukan adalah dengan melakukan
perbaikan pada sistem pengumpanan terutama mengganti motor servo dengan kualitas
torsi yang lebih kuat.
Penelitian ini bertujuan untuk (a) melakukan perancangan sistem alat grading
buah tomat untuk mengetahui kerja alat dan keakuratan berdasarkan ukuran warna, (b)
merancang sistem otomatis rangkaian elektronika dan bahasa program untuk alat
grading buah tomat menggunakan sensor warna TCS230, (c) melakukan pengujian
kinerja alat grading buah tomat berdasarkan ukuran warna buah tomat.
METODE PENELITIAN
Metode yang digunakan pada penelitian ini adalah metode eksperimen dengan
melakukan perancangan dan membangun alat grading tomat, yang dilengkapi dengan
sensor warna TCS230 sehingga mampu membaca warna pada buah tomat yang masuk
ruang scanning. Penelitian dilaksanakan di Laboratorium Produksi dan Manajemen Alat
dan Mesin Pertanian, Program Studi Teknik Pertanian dan Instrumentasi Pusat, Fakultas
Teknologi Pertanian Universitas Andalas Padang
Bahan dan Alat
Bahan
Bahan yang digunakan untuk pembuatan alat grading buah tomat antara lain
besi strip, besi siku, papan akrilik 3 mm, sensor warna TCS230, motor servo MR996R
dan SG90, LCD (Liquid Crystal Display) 16 x 2, motor central lock, Arduino Uno R3,
dan power supply 12 V 5A. Alat yang digunakan untuk pembuatan alat gradingadalah
laptop yang dilengkapi software pendukung, mesin las, penggaris besi, meteran, palu,
gerinda, solder,pemotong akrilik, dan timah.
Alat
Alat yang digunakan untuk menguji alat gradingadalah hunterlab, stopwatch,
kalkulator, dan kamera digital, sedangkan software yang digunakan untuk mendukung
penelitian adalah Solid Works, IDE Arduinodan Eagle. Pengujian alat menggunakan
240 sampel buah tomat yaitu120untuk indeks kematangan 1 dan 120 untuk indek
kematangan 6 dengan varietas marta F1.
Prosedur Penelitian
Rangkaian Elektronika
Diagram rangkaian elektronika untuk gradingwarna buah tomat dapat dilihat pada
Gambar1.
135
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Gambar 1. Rangkaian Elektronika.
Perancangan rangkaian elektronika untuk alat grading buah tomat saling
berhubungan. Mikrokontroler yang digunakan adalah ATMega 328P yang telah ada
pada Arduino Uno R3 yang digunakan sebagai pusat pengendalian. Sensor warna
TCS230 digunakan untuk membaca warna dari buah tomat. Sensor warna dihubungkan
ke Arduino Uno R3 melalui pin 2, 3, 4, 5, dan 6 pada pin digital di Arduino Uno
R3.LCD dihubungkan ke Arduino Uno R3 melalui pin A0, A1, A2, A3, A4, A5 pada
pin analog di Arduino Uno R3. Motor central lock dihubungkan ke Arduino Uno R3
melalui pin 8 dan 12 pada pin digital di Arduino Uno R3. Motor servo MG996R
dihubungkan ke Arduino Uno R3 melalui pin 11 pada pin digital di Arduino Uno R3.
Motor servo SG90 dihubungkan ke Arduino Uno R3 melalui pin 10 pada pin digital di
Arduino Uno R3.
Prinsip Kerja Alat
Pengoperasian alat grading buah tomat melalui beberapa tahapan berikut : Alat
disambungkan dengan sumber listrik. Buah tomat dimasukan pada ruang scannimg
melalui hopper. Sensor warna TCS230 membaca warna buah tomat. Warna buah tomat
ditampilkan pada LCD. Motor central lock mendorong buah tomat. Motor servo
MG996R menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau
dan ke kiri jika tomat warna merah, sehingga Motor servo SG90 membuka portal pintu
keluaran dan buah tomat keluar.
Perancangan Alat
Adapun komponen alat yang dirancang terdiri atas rangka utama, hopper, ruang
control dan pintu keluaran. .Rangka utama terbuat dari besi siku dan besi plat. Rangka
utama memiliki empat kaki dengan tinggi 70 cm, lebar rangka 30 cm dan panjang
rangka 60 cm yang disesuaikan berdasarkan desain dari komponen alat.
136
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Hopper dibuat menggunakan akrilik 3 mm disatukan dengan menggunakan lem akrilik.
Hopper bagian atas berbentuk balok tanpa alas dan tutup dengan ukuran dimensi (P x L
x T) 60 cm x 30 cm x 10 cm dan dengan bagian bawah berbentuk persegi dengan
ukuran dimensi 10 cm x 10 cm, dikedua bagian tersebut dirancang miring 300.Daya
tampung hopper adalah 12 kg buah tomat ( ± 120 buah tomat).Ruang kontrol terdiri atas
6 bagian yaitu saluran masuk, ruang scanning, ruang sistem pendorong, ruang sensor,
ruang Arduino Uno R3, dan saluran keluar. Saluran masuk merupakan tempat
perlintasan buah tomat dari hopper menuju ruang pengumpanan, ruang scanning
merupakan tempat pembacaan buah tomat, ruang sistem pendorong merupakan tempat
motor central lock, ruang sensor merupakan tempat sensor warna TCS230, ruang
Arduino Uno R3 tempat Arduino Uno R3, dan saluran keluaran merupakan tempat
perlintasan buah tomat menuju pintu keluaran.
Gambar 2. Desain Alat Grading Buah Tomat.
Pengambilan Sampel Sifat Fisik Buah Tomat
Pengambilan sampel sifat fisik buah tomat dilakukan untuk menentukan ukuran
warna (kisaran warna, model RGB dan, sudut warna). Pengambilan sampel dilakukan
sebanyak 60 buah tomat yang berbeda ukuran warna menggunakan hunterlab. Hunterlab
menggunakan sistem warna L, a, dan b sehingga model RGB diperoleh dari hasil
konversi dari persamaan (1) sampai persamaan (8), kisaran warna dapat dilihat dari nilai
a, dan sudut warna (0Hue) diperoleh hasil konversi nilai L, a, dan b menjadi nilai Hue
(0Hue), rumusnya adalah sebagai berikut:
0
Hue = tan-1 (b/a)...............................................................................................(1)
Keterangan:
L*
: kecerahan warna, nilai berkisar antara 0-100 yang menunjukkan warna hitam
hingga putih.
a*
: nilai berkisar antara -80 - (+80), menunjukkan warna hijau hingga merah
b*
: nilai berkisar antara -70 - (+70), menunjukkan warna biru hingga kuning.
H
: Hue, sudut warna (0º = warna netral, 90º = kuning, 180º = hijau, 270º = biru)
Analisis Korelasi
Analisis yang yang digunakan untuk mengetahui hubungan antara hasil pengukuran
sensor warna TCS230 dengan hunterlab adalah analisis korelasi, sehingga menghasilkan
persamaan untuk dimasukan ke dalam bahasa program alat grading buah tomat supaya
137
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
hasil pengukuran alat grading buah tomat sesuai dengan alat standar. Persamaan yang
digunakan analisis korelasi menggunakan 60 buah tomat yaitu 30 tomat merah dan 30
tomat hijau. Pengukuran dilakukan dengan mengukur sisi tomat yang sama
menggunakan sensor warna TCS230 dan hunterlab.
Uji Ketepatan
Uji ketepatan dilakukan untuk melihat kedekatan antara hasil pengukuran dari sensor
warna TCS230 yang telah dikorelasi dengan pengukuran sebenarnya (hunterlab),
dengan menghitung standar deviasi dan koefisien varians dari masing-masing
pengukuran menggunakan Microsoft Excel. Pada percobaan ini menggunakan 60 buah
tomat yaitu 30 tomat merah dan 30 tomat hijau.
Penentuan Kelas
Pengkelasan pada alat grading buah tomat menggunakan sensor warna TCS230
yaitu A untuk tomat hijau dan B untuk tomat merah. Penentuan kelas A dan B
berdasarkan ukuran warna buah tomat didapatkan dari pengukuran alat grading buah
tomat menggunakan sensor warna TCS230. Pengukuran dilakukan dengan 60 buah
tomat yaitu 30 merah dan 30 tomat hijau. Serta jarak pengukuran antara sensor TCS230
dan buah tomat yaitu 1 cm dan 7 cm karena pada ruang scanning jarak terdekat buah
tomat dengan sensor 1 cm dan jarak terjauh buah tomat dengan sensor 7 cm. Proses
penetuan kelas berdasarkan nilai tertinggi dan yang terendah dari hasil pengukuran
untuk masing - masing kelas pada alat. Proses penentuan kelas dapat dilihat pada
Lampiran 7.
Persentase Kesalahan Kelas
Persentase kesalahan kelas merupakan banyaknya buah yang salah dalam
pengkelasan saat keluar dari pintu keluaran yang dinyatakan dalam satuan persen.
Pengujian menggunakan 60 buah tomat yaitu 30 tomat merah dan 30 tomat hijau.
Presentase kesalahan kelas dihitung dengan membandingkan banyak buah yang salah
kelas dengan banyak buah keseluruhan dalam satuan persen.
HASIL DAN PEMBAHASAN
Hasil Rancangan
Poses perancangan (rangkaian elektronika dan mekanik) telah menghasilkan alat
grading buah tomat menggunakan sensor warna TCS230 dengan menggunakan power
supply 12V dan 5A, dimensi panjang 60 cm, lebar 30 cm, dan tinggi 70 cm. Alat
grading ini dibuat dengan tujuan memudahkan mengelompokkan tomat berdasarkan
warna menggunakan sensor warna TCS230. Alat grading buah tomat ini terdiri dari
rangka utama, hopper, ruang kontrol dan pintu keluaran yang dibuat berdasarkan
konsep desain. Alat ini mampu mengelompokkan buah tomat menjadi 2 kelompok
warna yaitu tomat merah dan hijau. Pengoperasian alat ini dilakukan oleh satu orang.
Hasil rancangan alat grading buah tomat dapat dilihat pada Gambar 3.
138
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
A
B
C
D
Gambar 3. Alat Grading Buah Tomat Menggunakan Sensor Warna TCS230: A) Rangka
Utama; B) Hopper; C) Ruang Kontrol dan D) Pintu Keluaran.
Pengambilan Sampel Sifat Fisik Buah Tomat
Pengambilan sampel sifat fisik buah tomat dilakukan untuk menentukan ukuran
warna (kisaran warna, model RGB, dan sudut warna) menggunakan hunterlab. Data
pengukuran hunterlab dapat dilihat pada Lampiran 9 dan konversi nilai L, a, dan b ke
R, G, dan B dapat dilihat pada Lampiran 10. pengukuran kisaran warna, model R, G,
dan B, dan sudut warna dapat dilihat pada Tabel 1.
Tabel 1. Pengukuran Ukuran Warna Buah Tomat
Hasil Pengukuran
Tomat hijau
Tomat Merah
KisaranWarna
0 sampai - 80
0 sampai 80
Model R, G dan B
Kelas A
Kelas B
Sudut Warna
Kuadran 2
Kuadran 1
Berdasarkan hasil pengukuran ukuran warna diatas seragam karena sampel 1 30 merupakan tomat hijau dan sampel 31 - 60 merupakan tomat merah. Pada kisaran
warna tomat hijau jika nilai a berkisar antara 0 sampai -80 dan tomat merah jika nilai a
berkisar antara 0 sampai 80. Pada sudut warna (0Hue) tomat hijau jika nilai (0 Hue) pada
kuadran 2 dan tomat merah jika nilai (0 Hue) pada kuadran 1.
Analisis Korelasi
Analisis korelasi dilakukan untuk melihat hubungan antara hasil pengukuran
sensor warna TCS230 dengan hunterlab. Hasil pengukuran hunterlab dan sensor warna
139
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
TCS230 berupa nilai RGB dapat dilihat pada Lampiran 11 dan perhitungan koefisien
korelasi dapat dilihat pada Lampiran 12. Berikut dapat dilihat persamaan hasil analisis
korelasi nilai R, G, dan B pada Tabel 2.
Tabel 2. Analisis Korelasi.
Hasil Pengukuran
Persamaan
r
R
y = -0.0744*x + 99.313
- 0.906
G
y = -0.0327*x+ 53.973
-0.920
B
y = -0.0141*x + 33.914
- 0.717
Kekuatan hubungan antara kedua variabel disebut dengan koefisien korelasi dan
dilambangkan dengan simbol “r”. Nilai koefisien r akan selalu berada diantara -1
sampai +1. Jadi, korelasi antara sensor warna TCS230 dan hunterlab memiliki
hubungan yang sangat kuat untuk nilai korelasi R dan G, sedangkan korelasi B memiliki
hubungan yang kuat dan bentuk hubungannya adalah korelasi linear negatif. Grafik
analisis korelasi dapat dilihat pada Gambar 4.
Pengukuran Hunterlab
80
75
y = -0.0744x + 99.313
R2 = 0.8225
70
65
60
55
50
45
250 300 350 400 450 500 550 600 650 700
Prediksi Sensor (Hz)
(a) Pengukuran Nilai Red
Pengukuran Hunterlab
45
40
y = -0.0327x + 53.973
R² = 0.84778
35
30
25
20
350
450
550
650
750
850
Prediksi Sensor (Hz)
(b) Pengukuran Nilai Green
140
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Pengukuran Hunterlab
35
30
25
20
y = -0.0141x + 33.914
R² = 0.51413
15
400 450 500 550 600 650 700 750 800
Prediksi Sensor (Hz)
(c) Pengukuran Nilai Blue
Gambar 4. Grafik Analisis Korelasi Hasil Pengukuran dengan Hunterlab dan Prediksi
dengan Sensor Warna TCS230.
Uji Ketepatan
Hasil uji ketepatan ditampilkan pada Gambar 5.Uji ketepatan menggunakan 60
buah tomat. Pembacaan warna dilakukan 60 kali pada hunterlab dan 60 sensor warna
TCS230 dengan mengukur sisi tomat yang sama. nilai koefisien determinasi didapatkan
yaitu 0.8747 untuk nilai red, 0.9643 untuk nilai green, dan 0.8538 untuk nilai blue, ini
menunjukan bahwa persamaan baik karena nilai koefisien determinasimendekati 1 dan
uji ketetapan bisa dinyatakan berhasil.
Prediksi Sensor
80
70
60
50
y = 0.929x + 5.2209
R2 = 0.8747
40
50
55
60
65
70
75
Pengukuran Hunterlab
80
(a) Pengukuran Nilai Red
141
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
50
45
Prediksi sensor
y = 1.0374x - 1.3658
R² = 0.96434
40
35
30
25
20
20
25
30
35
40
Pengukuran Hunterlab
45
(b) Pengukuran Nilai Green
Prediksi sensor
30
29
28
27
26
25
24
23
22
21
20
y = 0.8512x + 3.8422
R² = 0.85378
20
22
24
26
28
30
Pengukuran Hunterlab
32
(c) Pengukuran Nilai Blue
Gambar 5. Grafik Uji Ketepatan Hasil Pengukuran dengan Hunterlab dan Prediksi
dengan Sensor Warna TCS230.
Nilai koefisien determinasi tidak 1, karena hasil pembacaan warna dari alat
grading buah tomat tidak sama dengan hunterlab, serta pada ruang scanning tidak gelap
total, ada sedikit cahaya yang datang dari hopper sedangkan pengukuran menggunakan
hunterlab sama sekali tidak ada cahaya. Menurut Romadhon dan Jefry (2015), bahwa
pencahayaan sangat mempengaruhi tingkat pembacaan sensor warna TCS230. Dalam
suatu ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah gelap
total. Untuk mengatasi permasalahan tersebut bisa dilakukan perbaikan hopper diganti
dengan konveyor dengan sistem tertutup (gelap total).
Penentuan Kelas
Penentuan kelas dilakukan untuk menentukan ukuran warna untuk kelas A dan B
menggunakan alat grading buah tomat. Berdasarkan data tersebut ukuran warna untuk
kelas A dan B dapat dilihat pada Tabel 3.
142
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Tabel 3. Ukuran Warna untuk Kelas A dan B.
Tomat Hijau (A)
(52 ≤ R ≤89) (37 ≤ G ≤49)
(24≤ B ≤ 31)
Tomat Merah(B)
(68 ≤ R ≤91) (21 ≤ G ≤40)
(20 ≤ B ≤ 28)
Tomat akan tergolong hijau, jika nilai red berada diantara 52 - 89, green 37 - 49,
dan blue 24 - 31. Tomat akan terbaca merah, jika nilai red berada diantara 68 - 91,
green 21- 40, dan blue 20 - 28. Jika buah tomat tidak berada diantara ukuran warna
yang telah ditentukan maka warna buah tomat tidak terbaca.
Persentase Kesalahan Kelas
Hasil perhitungan persentasi kesalahan kelas dapat dilihat pada Lampiran 16.
Besar kesalahan kelas ditampilkan pada Gambar 6. Pengukuran persentase kesalahan
kelas menggunakan 60 buah tomat.
3.33%
96.67%
Benar
Salah
Gambar 6. Grafik Pengukuran Perbandingan Kelas.
Hasil pengukuran kelas terdapat 2 sampel tidak sesuai yaitu pada sampel 18 dan
23, dan 58 sampel sesuai, sehingga persentase kesalahan kelas 3.333%. Kesalahan ini
ada karena proses grading buah tomat ini bertahap - tahap sehingga ada perintah yang
bersamaan ke mikrokontroler ATMega 328P pada Arduino Uno R3 dan ruang scanning
tidak gelap total.
KESIMPULAN
Kesimpulan dari penelitian ini adalah Telah dibuat dan diamati alat grading
buah tomat menggunakan sensor warna TCS230 gabungan hasil rancangan mekanik dan
rangkaian elektonika sistem otomatis. Prinsip kerja (1) Alat disambungkan dengan
sumber listrik. (2). Buah tomat dimasukan pada ruang scanning melalui hopper. (3).
Sensor warna TCS230 membaca warna buah tomat. (4). Warna buah tomat ditampilkan
pada LCD. (5). Motor central lock mendorong buah tomat. (6). Motor servo MG996R
menggerakkan pintu keluaran ke kanan jika yang terbaca tomat warna hijau dan ke kiri
jika tomat warna merah. (7). Motor servo SG90 membuka portal pintu keluaran dan
buah tomat keluar.
Alat ini bekerja jika buah tomat dimasukkan satu persatu kedalam sistem ruang
scanning karena motor central lock tidak bisa menahan beban 200 gram. Waktu yang
dibutuhkan untuk grading 1 buah tomat lebih kurang 6 detik. Hopper yang dirancang
tidak berfungsi sesuai yang diharapkan. Untuk mengatasi permasalahan diatas maka
143
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
bisa dilakukan perbaikan pada hopper dan motor central lock terutama dengan merubah
hopper dengan sistem konveyor atau bisa perbaikan dengan motor central lock dengan
kualitas beban torsi yang lebih besar.
Uji ketepatan alat grading buah tomat menggunakan sensor warna TCS230 dengan
hunterlab berhasil karena nilai koefisien determinasimendekati 1 yaitu untuk red
0.8747, green 0.9643 dan blue 0.8538.
DAFTAR PUSTAKA
Anonim. 2015. Alat Sortasi dan Grading. http://www.tneutron.net/pangan/. (15 Maret
2016).
Anonim. 2017. Pengukuran kelunakan Buah dan Skala Warna Pada Buah Tomat.
http://pawanbagus.blogspot.co.id/2012/10/pengukuran-kelunakan-buah-danskala_4597.html. (20 April 2017).
Antoni, R., P. Rozeff, dan N. Deny. 2008. Perancangan Sistem Pengaturan Kecepatan
Motor DC Menggunakan Zig Bee Pro Berbasis Arduino Uno ATmega 328P.
Fakultas Teknik. Universitas Maritim Raja ali Haji. 10 hal.
Anugrahandy, Arga, Bambang Dwi Argo, dan Bambang Susilo. 2013. Perancangan Alat
Sortasi otomatis Buah Apel Manalangi (Malus sylvestris Mill) menggunakan
Mikrokontroler AVR ATMega 16. Jurnal Keteknikan Pertanian Tropis dan
Biosistem Vol 1 No. 1. Universitas Brawijaya. 9 hal.
Badan Pusat Statistik dan Direktorat Jenderal Hortikultura. 2015. Sumatera Barat.
Kadir, Abdul. 2012. Panduan Praktis Mempelajari Aplikasi Mikrokontroler dan
Pemogramanya menggunakan Arduino. Yogyakarta. AndiOffset.
Marpaung, L. 1997. Pemanenan dan Penanganan Buah Tomat. Bandung. Balai
Penelitian Tanaman Sayuran.
Nasution, A. Juni. 2015. Rancang Bangun Alat Penimbang Berat Otomatis Untuk Biji
Kacang Tanah dengan Kontrol Hopper berpintu. [Skripsi]. Padang. Fakultas
Teknologi Pertanian. Universitas Andalas. 49 hal.
Nurmawati, Ririn. 2011. Pengembangan Metode Pengukuran Warna Menggunakan
kamera CCD (Charge Coupled Device) dan Image Processing. [Skripsi]. Bogor.
Fakultas Teknologi Pertanian. Institut Pertanian Bogor. 68 hal.
Nurindahsari, P., Mirwan Ushada, dan M. Affan Fajar Falah. 2014. Analisis Kinerja
Mutu Prototipe Greening Material Lumut Berdasarkan Perubahan Skala Warna
L*a*b* dan RGB. Fakultas Teknologi Pertanian. Universitas Gadjah Mada. 8 hal.
Pantastico, E.R.B. 1997. Fisiologi Pasca Panen Penanganan dan Pemanfaatan Buah buahan dan Sayur-sayuran Tropika dan Subtropika. Yogyakarta. Universitas
Gadjah Mada Press.
Pitowarno, E. 2006. Robotika: Desain, Kontrol, dan Kecerdasan Buatan. Yogyakarta.
Andi Offset.
Pratomo, D.S. dan Erna, Z.A. 2012. Analisis Regresi dan Korelasi antara Pengunjung
dan Pembeli terhadap Nominal pembelian di Indomaret Kedungmundu Semarang
dengan Metode Kuadrat Terkecil. Jurnal Penelitian Ilmiah Teknik Informatika,
Universitas Dian Nuswantoro.
Priyadi, Bambang. 2012. Aplikasi Sensor Warna Jenis TCS230 sebagai Alat Komposisi
Warna pada Cat Mobil. Jurnal ELTEK Vol 10 No 02 Teknik Elekrtro. Politeknik
Negeri Malang.
Rukmana, Rahmat. 1994. Tomat dan Cherry. Jakarta. Kanisius.
144
Prosiding Seminar Nasional FKPT-TPI 2017
Kendari, Sulawesi Tenggara, 20-21 September 2017
Romadhon, A.S. dan Jefry, R.B. 2015. Prototipe Alat Pemilah Jeruk Nipis
menggunakan Sensor Warna TCS230. Jurnal Ilmiah Mikrotek Vol. 1, No. 4
Setiawan, A. 2011. 20 Aplikasi Mikrokontroler ATMega 8535 dan ATMega16.
Yogyakarta. Andi Offset.
Sugiyono. 2008. Statika untuk Penelitian. Bandung: CV.Alfabeta.
Suyatma, 2009. Diagram Warna Hunter (Kajian Pustaka). Jurnal Penelitian Ilmiah
Teknologi Pertanian, Institut Pertanian Bogor, Page 8 - 9.
Tim Bina Karya Tani. 2009. Pedoman Bertanam Tomat. Bandung. Yrama Widya.
Wardhana, Lingga. 2006. Belajar sendiri Mikrokontroler AVR Seri ATMega32
Simulasi, Hardware Aplikasi. Yogyakarta. Andi Offset.
Wasonowati, Catur, 2011. Meningkatkan Pertumbuhan Tanaman Tomat (Licopersicon
esculentum) dengan sistem Budidaya Hidroponik. Jurnal Agrovigor Volume 4
No.1. Universitas Trunojoyo Madura. 27 hal.
Wiryanta, B. T. W. 2008. Bertanam Tomat, 8th ed. Jakarta: AgroMedia.
145