DETEKSI TINGKAT KEMATANGAN BUAH TOMAT DENGAN METODE

FUZZY LOGIC MENGGUNAKAN MODUL KAMERA RASPBERRY-PI

(Skripsi)

Oleh
Nadia Muthiati

FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
BANDARLAMPUNG
2019
 ABSTRACT

THE DETECTION OF TOMATO RIPENING LEVEL WITH FUZZY-LOGIC

METHOD BY USING RASPBERRY- PI CAMERA MODULE

BY

NADIA MUTHIATI

The process of harvesting tomatoes is usually done by the visual method by looking at
the color or the size of the fruit. Technological advancements by using computer
assistance make harvesting and detecting the ripening process of tomatoes easier. The
information of the process of Tomato’s ripening can be obtained by the image
processing by using Tsukamoto Fuzzy-Logic. In this research some samples of
tomatoes’ RGB values were taken through image processing in accordance with the
ripening level, between unripe, under-ripe, and ripe fruit. After the RGB value is
obtained, it will be processed into fuzzy logic to obtain the ripening level information
through rules that have been created and integrated by using Raspberry-Pi. In this
research the blue value in every ripening level with the condition 100 Lux are in range
14—61 with dark background, so that in creating membership function in fuzzy the
blue value becomes irregular. The result of this research indicates that a good condition
for detecting tomatoes is in 100 Lux conditions with dark background. In this condition
of the ripe fruits the range for red value is 160.53—169.28 and the range for green
value is 45.59—61.73. In under-ripe fruits the range for red value is 175.86—201.06
and the range for green value is 70.76—133.06. In unripe fruits the range for red value
is 72.84—138.97 and the range for green value is 81.06—142.56. This might be
because there is no excessive light reflection, so that the RGB value of the image is not
too high and reduces the error of reading the ripening level in the fuzzy logic process.

Kata Kunci: Tomato, Image Processing, Fuzzy Logic, Raspberry Pi Camera Module.
 ABSTRAK

DETEKSI TINGKAT KEMATANGAN BUAH TOMAT DENGAN METODE

FUZZY LOGIC MENGGUNAKAN MODUL KAMERA RASPBERRY-PI

Oleh

NADIA MUTHIATI

Proses pemanenan buah tomat biasa dilakukan dengan metode visual dengan melihat
warna atau ukuran dari buah. Kemajuan teknologi menggunakan bantuan komputer
membuat pemanenan dan pendeteksian kematangan buah tomat semakin mudah.
Informasi kematangan buah tomat dapat diperoleh dengan cara pengolahan citra
dengan bantuan fuzzy logic menggunakan metode Tsukamoto. Pada penelitian ini
beberapa sampel buah tomat diambil nilai RGB melalui pengolahan citra sesuai dengan
tingkat kematangannya, diantaranya mentah, setengah matang, dan buah matang.
Setelah nilai RGB didapat maka akan diproses kedalam fuzzy logic untuk mendapatkan
informasi kematangan melaluin aturan-aturan yang telah dibuat dan diintegrasikan
menggunakan Raspberry Pi. Pada penelitian in nilai blue yang didapat disetiap tingkat
kematangan dengan kondisi 100 Lux memiliki range 14—61 dengan latar belakang
gelap, sehingga pada pembuatan grafik nilai blue menjadi tidak beraturan. Hasil
penelitian ini menunjukan bahwa kondisi yang baik untuk melakukan pendeteksian
buah tomat salah satunya yaitu pada kondisi indoor 100 Lux berlatar belakang gelap,
pada buah matang dengan range nilai red 160.53—169.28 dan range nilai green
45.59—61.73, pada buah setengah matang memiliki range nilai red 201.06—175.86
dan pada range nilai green sebesar 133.06—70.76, pada buah mentah memiliki range
nilai red 138.97—175.86 dan pada range nilai green 133.06—70.76 dimana tidak
terdapat pantulan cahaya berlebih sehingga citra yang diambil nilai RGBnya tidak
terlalu tinggi dan mengurangi terjadinya kesalahan pembacaan informasi kematangan
dalam proses fuzzy logic.

Kata Kunci: Tomat, Image Processing, Fuzzy Logic, Modul Kamera Raspberry Pi
DETEKSI TINGKAT KEMATANGAN BUAH TOMAT DENGAN METODE
FUZZY LOGIC MENGGUNAKAN MODUL KAMERA RASPBERRY-PI

Oleh

NADIA MUTHIATI
1415031099

Skripsi

Sebagai salah satu syarat untuk mencapai gelar

SARJANA TEKNIK

Jurusan Teknik Elektro

Fakultas Teknik Universitas Lampung

FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2019
Judul Skri
 SURAT PERNYATAAN

Dengan ini saya menyatakan bahwa dalam skripsi ini tidak ada terdapat karya yang

pernah dilakukan orang lain dan sepanjang sepengetahuan saya tidak terdapat karya

atau pendapat yang ditulis atau diterbitkan orang lain, kecuali secara tertulis diacu

dalam naskah ini sebagaimana yang disebutkan di dalam daftar pustaka. Selain itu,

saya menyatakan pula bahwa skripsi ini dibuat oleh saya sendiri.

Apabila pernyataan saya tidak benar, maka saya bersedia dikenakan sanksi sesuai

hukum yang berlaku.

Bandarlampung, 21 Januari 2019

Nadia Muthiati
 RIWAYAT HIDUP

Penulis dilahirkan di Bandarlampung, Provinsi Lampung pada

tanggal 06 September 1996. Penulis merupakan anak kedua dari

dua bersaudara dari pasangan Bapak Ir. Baderi dan Ibu Suwati.

Mengenai riwayat pendidikan, penulis lulus Sekolah Dasar di

SDN 2 Rawa Laut Bandarlampung pada tahun 2008, lulus Sekolah Menengah

Pertama di SMP N 1 Bandarlampung pada tahun 2011, lulus Sekolah Menengah

Atas di SMA N 09 Bandarlampung pada tahun 2014, dan diterima di Jurusan

Teknik Elektro Universitas Lampung pada tahun 2014 melalui jalur Seleksi

Nasional Masuk Perguruan Tinggi Negeri (SNMPTN).

Selama masa perkuliahan penulis telah melaksanakan Kerja Praktik di LIPI Bandung,

Jawa Barat dan Kuliah Kerja Nyata di Desa Terbaya, Kecamatan Kota Agung,

Kabupaten Tanggamus. Penulis merupakan anggota aktif dalam Laboratorium

Teknik Kendali, Teknik Elektro, Universitas Lampung. Penulis aktif dalam kegiatan

Himpunan Mahasiswa Teknik Elektro (HIMATRO) FT UNILA sebagai anggota Kaderisasi

dan Pengembangan Organisasi pada periode 2013—2014 dan periode 2014—2015

 PERSEMBAHAN

Bismillaahirrahmaanirrahiim

Kuucapkan puji syukur kepada Allah SWT atas segala rahmat

dan hidayah-Nya serta shalawatku kepada Nabi Muhammad
SAW yang telah menjadi pedoman hidupku

Kupersembahkan karyaku ini kepada Abi Baderi dan Ummi

Wati sebagai wujud bakti, cinta, kasih sayang dan terimakasihku
atas segala yang telah diberikan, untuk kakakku Ajrul atas
dukungan, doa dan kasih sayang yang telah diberikan.

Lembaga yang telah mendidik, mendewasakan, dan mencerdaskanku

dalam berpikir dan bertindak

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung

Dan untuk

INDONESIA
 “Dan Sembahlah Allah, jangan sekutukan Dia dengan apapun juga, dan berbuat

baiklah kepada kedua orang tua”

(QS. An-Nisa: 36)

“Allah tidak membebani seseorang itu melaikan sesuai dengan kesanggupannya”

(QS. Al-Baqarah: 286)

“Maka Besabarlah kamu, karena janji Allah itu benar”

(Qs. Al-Ghaafir: 55)

“Maka nikmat Tuhan-mu yang manakan yang kamu dustakan”

(Qs. Ar-Rahman: 13)

“Tidaklah seseorang menempuh jalan dalam rangka mencari ilmu, kecuali Allah

akan mempermudah jalan baginya menuju ke surge”

(HR. Abu Daud)

“Selemah-lemah manusia ialah orang yang tak mau mencari sahabat dan orang yang

lebih lemah dari itu ialah orang yang menyia-nyiakan sahabat yang telah dicari”

(Ali bin Abi Thalib)

 SANWACANA

Bismillaahirrahmaanirrahiim

Allhamdulillah puji syukur penulis ucapkan atas kehadirat Allah SWT atas segala

karunia, hidayah, serta nikmat yang diberikan sehingga penulis dapat

menyelesaikan skripsi ini yang berjudul “Deteksi Tingkat Kematangan Buah

Tomat Dengan Fuzzy Logic Menggunakan Modul Kamera Raspberry Pi“ yang

merupakan salah satu syarat untuk memperoleh gelar Sarjana Teknik di Jurusan

Teknik Elektro Fakultas Teknik Universitas Lampung.

Selama menjalani pengerjaan Skripsi ini, penulis mendapatkan bantuan pemikiran

maupun dorongan moril dari berbagai pihak. Oleh karena itu dalam kesempatan

kali ini, penulis ingin mengucapkan terima kasih kepada:

1. Bapak Dr. Ing. Ardian Ulvan, S.T., M.Sc. selaku Ketua Jurusan

Teknik Elektro Fakultas Teknik Universitas Lampung.

2. Bapak Dr. Herman Halomoan S, S.T., M.T. selaku Sekertaris Jurusan

Teknik Elektro Fakultas Teknik Universitas Lampung.

3. Bapak Syaiful Alam S.M., M.T. selaku dosen Pembimbing Akademik

penulis atas saran yang membangun dan arahan yang telah diberikan

kepada penulis.

4. Ibu Dr. Sri Purwiyanti S.T., M.T., selaku pembimbing utama tugas akhir

saya terima kasih atas masukan, bimbingan, arahan dalam pengerjaan

Tugas Akhir ini.

5. Ibu Herlinawati, S.T., M.T. selaku Dosen Pembimbing Pendamping,

terima kasih atas kesediaan waktunya untuk membimbing dan

memberikan ilmu.

6. Ibu Dr. Ir. Sri Ratna S, M.T. selaku Penguji Utama, terima kasih atas

masukannya guna membuat skripsi ini menjadi lebih baik lagi.

7. Bapak dan Ibu Dosen Jurusan Teknik Elektro, terima kasih atas didikannya,

arahan dan bimbingan yang telah diberikan.

8. Mbak Ning dan jajaran staf administrasi Jurusan Teknik Elektro Universitas

Lampung.

9. Ummi, Abi, Kanjeng dan semua keluarga yang telah mendukung penuh

sehingga saya dapat menyelesaikan laporan tugas akhir ini.

10. Agung Kurnia yang telah mendukung saya secara pribadi sehingga saya dapat

mengerjakan tugas akhir dengan semangat.

11. Chintia Leni, Rizka Widya, Ratu Hillia, Anita Effendi, Nugi Nugraha, Aryo

Rusyandi, Rifky Wiguna, Efrinaldi A.T, dan Ardhi Istiadi yang telah

mendukung saya sehingga saya dapat mengerjakan tugas akhir dengan penuh

semangat.

12. Saudara A. Wilson, M. Dickson, M. Rizki A, dan Purma Nailu, Doni P, Anggi

S, Kak Yogi, Kak Sivam, Hasty Putri Utami) yang telah banyak mendukung

saya.

13. Rekan-rekan selama di kampus Jeshu, Adila, Dian, Shaquille, Haedar, Wisnu,

Aim, Yuvi, Firyan, Egy, Desi yang telah mendukung saya dengan penuh

semangat.
14. Seluruh teman-teman ELITE 2014 atas waktu, senang dan sedih yang telah

dirasakan bersama-sama selama perkuliahan ini.

Semoga Allah SWT membalas kebaikan semua pihak yang telah membantu dalam

penyelesaian Skripsi ini.

Bandar Lampung, 21 Januari 2019

Penulis,

Nadia Muthiati
 DAFTAR ISI

Halaman

ABSTRAK ................................................................................................... ii
DAFTAR ISI ................................................................................................ iv
DAFTAR GAMBAR .................................................................................... vii
DAFTAR TABEL ........................................................................................ viii
I. PENDAHULUAN

1.1 Latar Belakang .......................................................................... 1

1.2 Tujuan Penelitian ....................................................................... 2

1.3 Manfaat Penelitian ...................................................................... 2

1.4 Rumusan Masalah ...................................................................... 3

1.5 Batasan Masalah ........................................................................ 3

1.6 Hipotesis .................................................................................... 3

1.7 Sistematika Penulisan ................................................................. 3

II. TINJAUAN PUSTAKA

2.1 Penelitian Terdahulu ................................................................... 5

2.2 Tomat .......................................................................................... 6

2.3 Pengolahan Citra ........................................................................ 7

2.4 RGB ............................................................................................ 9

2.5 Raspberry Pi ............................................................................... 11

2.6 Modul Kamera Raspberry Pi ...................................................... 12

2.7 Metode Fuzzy Logic ................................................................... 12

 2.8 Python ......................................................................................... 14

III. METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian..................................................... 16

3.2 Alat dan Bahan ........................................................................... .16

3.3 Prosedur Penelitian ..................................................................... .16

3.3.1 Blok Diagram Sistem Keseluruhan ..................................... 17

3.3.2 Metode yang Diusulkan ...................................................... 18

3.3.3 Garis Besar Metode yang Diusulkan................................... 18

3.3.4 Diagram Alir Metode yang Diusulkan ................................ 19

3.4 Perolehan Citra ............................................................................. 23

IV. PEMBAHASAN

4.1 Hasil Perolehan Citra .................................................................. 24

4.2 Hasil Pengolahan Citra ................................................................ .25

4.3 Hasil Perolehan Nilai RGB ........................................................ .25

4.3.1 Nilai Blue pada Data Hasil ............................................... 28

4.3.2 Objek Pada Kondisi Outdoor Siang Hari Dengan Latar

Belakang Gelap dan Terang ............................................. 30

4.3.3 Objek Pada Kondisi Outdoor Sore Hari Dengan Latar

Belakang Gelap dan Terang ............................................. 33

4.3.4 Objek Pada Kondisi Indoor 25 Lux Dengan Latar

Belakang Gelap dan Terang ............................................. 35

4.3.5 Objek Pada Kondisi Indoor 100 Lux Dengan Latar

 Belakang Gelap dan Terang ............................................. 36

4.4 Fuzzy Logic ................................................................................. 38

V. KESIMPULAN DAN SARAN

5.1 Simpulan...................................................................................... 52

5.2 Saran ............................................................................................ 53

DAFTAR PUSTAKA

LAMPIRAN
 DAFTAR GAMBAR

Gambar Halaman

2.1. Model Warna RGB ............................................................................. 10

2.2. Raspberry Pi 3..................................................................................... 13

2.3. Modul Kamera Raspberry Pi .............................................................. 14

3.1. Diagram Alir Prosedur Penelitian ....................................................... 18

3.2. Blok Diagram Sistem Keseluruhan .................................................... 19

3.2. Diagram Alir Metode yang Diusulkan ............................................... 21

4.1. Citra Tomat .......................................................................................... 26

4.2 Grafik Keseluruhan Nilai Blue Pada Tiap Tingkat Kematangan

Berlatar Belakang (a) Gelap dan (b) Terang Pada Siang Hari ........... 29

4.3. Grafik Fuzzy Logic Pada Kondisi Indoor 100 Lux dengan Latar

Belakang Terang (a) Red (b) Green) ................................................... 38

4.4. Grafik Fuzzy Logic Nilai Kematangan Buah Tomat ........................... 39

 DAFTAR TABEL

Tabel Halaman

4.1. Sampel Buah Tomat Dengan Kondisi Outdoor Siang Hari ......................... 26

4.2. Sampel Buah Tomat Dengan Kondisi Outdoor Sore Hari........................... 26

4.3. Sampel Buah Tomat Dengan Kondisi Indoor 25 Lux ................................. 27

4.4. Sampel Buah Tomat Dengan Kondisi Indoor 100 Lux .............................. 28

4.5. Nilai Blue Pada Kondisi Siang Hari Disetiap Tingkat Kematangan dengan

Latar Belakang Gelap dan Terang ............................................................... 28

4.6. Nilai RGB Buah Mentah ............................................................................. 29

4.7. Nilai RGB Buah Setengah Matang .............................................................. 30

4.8. Nilai RGB Buah Matang ............................................................................. 31

4.9. Data Hasil Deteksi Kematangan Buah Mentah dengan Kondisi

Siang Hari (Gelap) ....................................................................................... 39

4.10. Data Hasil Deteksi Kematangan Buah Setengah Matang dengan Kondisi

Siang Hari (Gelap) ....................................................................................... 40

4.11. Data Hasil Deteksi Kematangan Buah Matang dengan Kondisi

Siang Hari (Gelap) ....................................................................................... 41

 I. PENDAHULUAN

1.1 Latar Belakang

Tomat merupakan tanaman buah yang sangat penting bagi manusia. Secara tradisional

pemanenan buah tomat dapat dilakukan petani dengan cara memetik buah tergantung

warna permukaan dan bentuk pada buah tomat tersebut. Namun, seiring berjalannya

waktu kehidupan manusia tidak terlepas dari teknologi, salah satunya yaitu bidang

pertanian. Pada penelitian ini teknologi digunakan untuk pemanenan buah. Beberapa

metode sudah digunakan untuk mengembangkan teknologi pemanenan buah yang

modern, salah satunya metode pendeteksian objek.

Dengan digunakannya teknologi pemanenan buah, memungkinkan petani

mengidentifikasi tingkat kematangan buah tomat menggunakan bantuan komputer

dengan perantara kamera sebagai pengolahan citra. Representasi warna kematangan

buah tomat ini terdiri dari tiga unsur utama yaitu merah (red), hijau (green), biru (blue).

Gabungan tiga warna ini membentuk warna-warna lainnya berdasarkan intensitas dari

masing-masing warna.

Bidang ilmu sistem cerdas berguna untuk memudahkan manusia, salah satunya dengan

metode perkiraan linguistik atau yang disebut dengan metode Fuzzy Logic. Metode ini

membantu dalam proses pembuatan keputusan untuk pemanenan dengan nilai acuan
 2

kematangan buah. Pada metode Fuzzy Logic ini menggunakan tiga variabel yaitu

mentah, setengah matang, matang.

Berdasarkan penelitian sebelumnya yang dilakukan oleh Natalia Sitorus tahun 2008

penentuan kematangan buah tomat dilakukan menggunakan metode klasifikasi citra

dengan Webcam. Pada penelitian yang telah dilakukan Immanuel Ivan Pradana tahun

2016, penentuan tingkat kematangan menggunakan pengolahan citra dan Fuzzy Logic

dalam jangka waktu 10 hari untuk mengetahui perubahan warna dan ukuran pada buah

tomat.

Dalam proses pengambilan data, kamera mengambilan sebuah citra, dari objek yang

terdeteksi lalu akan diteruskan sesuai dengan program yang telah dibuat dengan

dibantu menggunakan bidang ilmu sistem cerdas yaitu metode Fuzzy Logic Tsukamoto

untuk menjadikan acuan kisaran kematangan buah tomat.

1.2 Tujuan Penelitian

Tujuan dari penelitian ini adalah membuat sebuah program yang dapat mendeteksi

tingkat kematangan buah tomat menggunakan kamera dengan menggunakan

pengolahan citra dan metode Fuzzy Logic Tsukamoto berbasis Raspberry Pi

1.3 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Dapat mendeteksi tingkat kematangan tomat menggunakan metode Fuzzy Logic.

 3

2. Dapat mengaplikasikan pemrograman Python.

1.4 Perumusan Masalah

Mengacu pada permasalahan yang ada, maka perumusan penelitan ini berfokus pada

aspek berikut:

1. Bagaimana cara mendeteksi tingkat kematangan objek?

2. Apa yang dimaksud dengan metode Fuzzy Logic Tsukamoto?

3. Bagaimana cara merancang program berdasarkan metode Fuzzy Logic Tsukamoto?

1.5 Batasan Masalah

Dalam penelitian ini terdapat beberapa batasan masalah, yaitu:

1. Hanya membahas tentang pendeteksian kematangan objek berdasarkan warna.

2. Hanya menggunakan satu metode yaitu metode Fuzzy Logic Tsukamoto.

3. Tidak menentukan ukuran objek.

1.6 Hipotesis

Sistem yang dirancang dapat mendeteksi tingkat kematangan objek pada kebun tomat

dengan menggunakan sebuah metode dalam pengolahan citra, dengan bantuan sistem

cerdas menggunakan metode Fuzzy Logic Tsukamoto. Citra yang diambil berupa video.

Data yang diperoleh digunakan dalam proses pemanenan buah tomat oleh petani.

1.7 Sistematika Penulisan

 4

Untuk memudahkan penulisan dan pemahaman mengenai materi tugas akhir ini, maka

tugas akhir ini dibagi menjadi 5 buah bab, yaitu:

BAB I. PENDAHULUAN

Memuat latar belakang, tujuan, manfaat, perumusan masalah, batasan masalah,

hipotesis, dan sistematika penulisan.

BAB II. TINJAUAN PUSTAKA

Berisi tentang teori-teori yang mendukung sistem perancangan deteksi objek serta

teori-teori tentang metode yang akan digunakan, yaitu pengolahan citra dengan bantuan

metode Fuzzy Logic Tsukamoto.

BAB III. METODE PENELITIAN

Berisi rancangan sistem, yang meliputi alat dan bahan yang digunakan, langkah-

langkah pengerjaan yang dilakukan, penentuan spesifikasi sistem, perancangan sistem,

serta diagram alir sistem.

BAB IV. HASIL DAN PEMBAHASAN

Menjelaskan prosedur pengujian, hasil pengujian, dan analisa data.

BAB V. SIMPULAN DAN SARAN

Memuat simpulan yang diperoleh dari hasil pembuatan dan pengujian alat, dan saran-

saran untuk pengembangan lebih lanjut.

DAFTAR PUSTAKA

LAMPIRAN
 II. TINJAUAN PUSTAKA

2.1. Penelitian Terdahulu

Berdasarkan penelitian sebelumnya yang dilakukan oleh Natalia Sitorus dalam

skripsinya yang menjadikan buah tomat sebagai objek penelitiannya dengan judul

“Penentuan Kematangan Buah Tomat (Lycoppersicum Escullentum Mill) Dengan

Menggunakan Metode Klasifikasi Citra” pada tahun 2008. Penelitian ini

menjelaskan bahwa menentukan tingkat kematangan buah tomat menggunakan

metode klasifikasi citra dengan bantuan Webcam dan Software Matlab berhasil

dengan pengambilan persentase nilai range warna merah, kuning, hijau dalam

setiap sampel tomat yang diuji sama dengan penilaian visual peneliti. Adapun

perbedaan antara penelitian terkait dengan penelitian ini adalah peneliti

menggunakan bahasa pemrograman Python, menggunakan modul kamera

Raspberry Pi dan menggunakan mikrokomputer Raspberry Pi 3.

Penelitian terkait selanjutnya yaitu yang dilakukan oleh Immanuel Ivan Pradana

Suhardi dalam skripsinya yang berjudul “Studi Kematangan Buah Tomat

Menggunakan Image Processing dan Fuzzy Logic Yang Diintegrasikan Dengan

Raspberry Pi” pada tahun 2016. Pada penelitian ini menjelaskan bahwa terdapat 2

kondisi saat mengidentifikasi buah tomat yaitu dengan latar gelap dan terang, serta

pencahayaan yang redup dan terang dan untuk penelitian ini dalam kondisi redup

dan latar belakang gelap lebih baik untuk mengidentifikasi kematangan buah tomat

dimana keadaan objek diam. Dalam menentukan buah tomat hanya menggunakan
 6

nilai Red, dan Green sedangkan Blue tidak dipakai karena buah tomat tidak

memiliki nilai warna Blue. Pada penelitian ini peneliti tidak hanya mengidentifikasi

kematangan buah tomat tetapi kelunakan dari buah tomat juga yang menggunakan

bantuan metode Fuzzy Logic Tsukamoto. Adapun perbedaan penelitian terkait

dengan penelitian penulis adalah dalam penelitian tingkat kematangan buah tomat

yang penulis buat, sistem ini dapat menentukan buah tomat yang matang dalam

kondisi siang hari, sore hari, indoor dengan 25 Lux dan 100 Lux dengan latar

belakang gelap dan terang.

2.2. Tomat

Tomat (Lycopersium Esculentum Mill) merupakan tumbuhan dari keluarga

Solanaceae, tumbuhan ini berasal dari Amerika Tengah dan Amerika Selatan,

Meksiko dan Peru. Kata tomat diambil dari Bahasa Nahuat, dimana kata tomat ini

merupakan keluarga terdekat dari kentang. Tomat memiliki kandungan yang baik

bagi tubuh manusia sehingga banyak sekali orang-orang yang mengkonsumsi tomat

untuk berbagai hal terutama tomat yang matang dan siap dipakai. Buah tomat segar

mengandung beberapa zat, yang penting bagi tubuh yaitu karbohidrat, terutama

glucose dan fructose serta asam organik terutama asam citric dan malic. Zat-zat

tersebut berinteraksi sehingga memberikan rasa manis dan asam pada buah tomat.

Tanaman tomat merupakan jenis tumbuhan setahun (annual) yang berarti tanaman

ini hanya untuk satu kali periode, setelah produksi kemudian mati. Tanaman ini

berbentuk perdu atau semak dan termasuk kedalam golongan tanaman berbunga

(angiospermae) dengan panjang bisa mencapai 2 meter [1].

 7

Buah tomat biasanya dapat dipanen antara 70—100 hari setelah masa penanaman.

Buah tomat yang dapat dipetik optimalnya dapat dilihat dari warna kulit buah,

ukuran buah, keadaan daun tanaman dan batang tanaman. Beberapa metode yang

digunakan untuk menentukan saat panen buah tomat, yaitu dengan cara visual

dengan melihat warna dan ukuran buah tomat, cara fisik dengan mengukur berat

jenis buah, cara analisis kimia dengan mengukur kandungan zat padat dan zat asam

buah, cara perhitungan dengan cara menghitung jumlah hari setelah buah mekar,

dan cara fisiologi dengan melihat pola respirasinya [2].

2.3. Pengolahan Citra

Citra atau image merupakan salah satu komponen multimedia yang memiliki peran

penting sebagai informasi dalam bentuk visual. Citra terdiri dari citra diam dan citra

bergerak. Citra memiliki banyak informasi yang tidak semua terdapat pada data

teks. Citra juga dapat dikatakan fungsi menerus dari intensitas cahaya pada bidang

dua dimensi yang akan diteruskan melalui alat-alat optik, contohnya mata, kamera,

pemindai dan lain sebagainya. Dengan kata lain,pengolahan citra merupakan

kegiatan untuk memperbaiki kualitas citra agar mudah diinterprestasi oleh mesin

ataupun manusia[3]. Namun, terdapat beberapa citra yang sering kali kita temui

mengalami penurunan mutu. Tentu saja citra semacam ini menjadi lebih sulit

diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi

berkurang Oleh karena itu, semakin majunya teknologi memperkenalkan kita

dengan pengolahan citra [4]. Sebuah citra digital dapat diwakili oleh sebuah matriks

dua dimensi f(x,y) yang terdiri dari M kolom dan N baris, dimana perpotongan
 8

antara kolom dan baris disebut piksel (pixel = picture element) atau elemen terkecil

dari sebuah citra.

(1)

Suatu citra ƒ(x,y) pada persamaan 1 dalam fungsi matematis dapat dituliskan

sebagai berikut [5]:

0 ≤ x ≤ M-1

0 ≤ y ≤ N-1

0 ≤ ƒ(x,y) ≤ G-1

Dimana: M= jumlah piksel baris (row) pada array citra

N= jumlah piksel kolom (column) pada array citra

G= nilai skala keabuan (graylevel).

Pengolahan citra merupakan proses memperbaiki kualitas citra dengan

menggunakan bantuan komputer. Terdapat beberapa proses dalam pengolahan citra

untuk menghasilkan keluaran berupa citra yang kualitasnya lebih baik dari

sebelumnya.

1. Dalam melakukan proses, image processing terdapat 3 langkah dalam

prosesnya yaitu: Input yang merupakan pengambilan suatu citra menggunakan

alat pemindai optik yang hasilnya berupa citra digital.

 9

2. Process, setelah proses Input maka data tersebut diproses menggunakan suatu

teknik yang telah ditentukan.

3. Output, data yang telah diproses akan ditampilkan dengan cara tertentu. Output

yang dihasilkan dapat berupa image atau data.

Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila:

1. Dalam meningkatkan kualitas citra atau untuk menonjolkan beberapa aspek

informasi yang terkandung dalam citra diperlukan perbaikan atau modifikasi

pada citra tersebut.

2. Diperlukan pengelompokan, pencocokan, atau pengukuran elemen didalam

citra.

3. Perlu penggabungan antara sebagian citra dengan bagian citra yang lainnya.

2.4. Red Green Blue (RGB)

RGB adalah ruang warna aditif yang berarti semua warna dimulai dari hitam dan

dibentuk dengan menambahkan warna dasar R, G dan B. Setiap warna yang tampak

merupakan kombinasi dari tiga komponen R, G dan B [6]. Kegunaan utama dalam

RGB adalah untuk menampilkan citra pada perangkat elektronik. RGB merupakan

model warna yang bergantung dengan piranti, piranti yang berbeda akan

menghasilkan nilai warna RGB yang berbeda pula.

 10

Gambar 2.1. Model Warna RGB

Sebuah warna dalam RGB dapat digambarkan dengan seberapa banyak warna yang

ditentukan dari campuran masing-masing warna merah, hijau dan biru. Warna ini

dituliskan dalam bentuk RGB setiap bagiannya terdapat intensitas warna yang

berbeda-beda dari nilai nol sampai dengan nilai maksimum yang ditetapkan.

Jangkauan intensitas warna ini dapat digambarkan dalam beberapa cara yaitu [7]:

1. Nilai dari 0—1, dengan sembarang nilai pecahan diantaranya.

2. Nilai 0%—100% dalam persentase.

3. Dalam angka integer 0—255, yang ditampung dalam 8 bit, yang dapat

dituliskan dalam bilangan desimal maupun heksadesimal

Kombinasi tiga warna cahaya ini memiliki intensitas yang berbeda dari 0—255.

Apabila ketiga warna tersebut digabung maka akan menghasilkan warna putih, oleh

karena itu RGB disebut juga additive color atau warna pencahayaan. Proses

cropping citra dilakukan untuk mendapatkan ekstraksi ciri untuk mengambil

informasi pada citra tersebut [8].

 11

2.5. Raspberry Pi
Raspberry Pi (juga dikenal sebagai RasPi) adalah sebuah SBC (Single Board

Computer) komputer seukuran kartu kredit yang dikembangkan oleh Yayasan

Raspberry Pi di Inggris (UK) dengan maksud untuk memicu pengajaran ilmu

komputer dasar di sekolah-sekolah. Raspberry Pi sendiri terdiri dari beberapa model

yaitu, Raspberry Pi Model A, Raspberry Pi Model A+, Raspberry Pi Model B,

Raspberry Pi Model B+, dan Raspberry Pi 2 [9].

Gambar 2.2 Raspberry Pi 3

Berikut ini adalah komponen-komponen input output pada Raspberry Pi [10]:

1. HDMI, untuk dihubungkan ke monitor LCD yang mendukung port HDMI atau

converter VGA to HDMI untuk LCD yang tidak mendukung port HDMI.

2. Video analog (RCA port), dihubungkan ke monitor televisi.

3. Audio output, keluaran untuk suara, dihubungkan ke speaker.

4. Port USB 2.0.

5. Pin GPIO, untuk menghubungkan dengan LED, sensor, alarm, dll.

6. Port CSI (Camera Serial Interface)

7. Port DSI (Display Serial Interface)

 12

8. Ethernet output, dihubungkan dengan kabel UTP/STP.

9. SD card slot, untuk keperluan penyimpanan data.

2.6. Modul Kamera Raspberry Pi

Modul kamera Raspberry biasa disebut Picamera atau Raspicam adalah modul

kamera yang didesain khusus untuk mikrokomputer Raspberry Pi. Pada Picamera

terdapat kabel pita yang dapat dihubungkan ke CSI Connector yang berada pada

perangkat tersebut. Perangkat ini mempunyai ukuran 25mm x 20mm x 9mm dengan

berat sekitar 3 gram. Modul kamera Raspberry Pi dapat bekerja pada semua model

Raspberry Pi. Pada pemrograman Python diperlukan library picamera untuk dapat

menjalankan fungsi modul kamera ini [10].

Gambar 2.3. Picamera

2.7. Metode Fuzzy Logic

Secara umum, Fuzzy Logic merupakan sebuah metode yang mengubah kata-kata

menjadi angka yang dapat diolah. Kata-kata yang digunakan pada Fuzzy Logic tidak

terlalu akurat namun, metode ini dapat memudahkan manusia. Fuzzy Logic

merupakan suatu perhitungan probabilitas yang hasilnya tidak hanya bernilai 1 atau

0 [11]. Dalam beberapa penerapan penggunaan Fuzzy Logic dapat mengatasi sifat
 13

ketidakpastian dalam sistem kendali. Fuzzy Logic merupakan sistem komputasi

yang pada dasarnya dapat melakukan pemetaan vector, optimasi, identifikasi dan

kemampuan lainnya.

Dalam penelitian ini pengendalian Fuzzy Logic Tsukamoto menggunakan bentuk

aturan-aturan jika-maka (if-then). Sehingga, proses pengendalian yang digunakan

adalah pendekatan linguistik. Metode Fuzzy Logic Tsukamoto memiliki empat

langkah diantaranya yaitu, Fuzzifikasi, pembentukan aturan Fuzzy, Analisa logika

Fuzzy, dan Defuzzifikasi. Pada metode Tsukamoto, implikasi setiap aturan

berbentuk implikasi “sebab-akibat” atau “input-output” dimana dalam implikasi ini

antiseden dan konsekuen harus berhubungan. Setiap aturan direpresentasikan

dengan himpunan-himpunan Fuzzy. Kemudian digunakan defuzzifikasi dengan

metode rata-rata terpusat [12].

Terdapat empat tahap dalam menganalisis tingkat kematangan buah menggunakan

metode Tsukamoto [13], yaitu:

1. Fuzzifikasi

Fuzzifikasi adalah proses mengubah nilai masukan tegas menjadi nilai masukan

fuzzy. Nilai masukan tegas pada tahap ini dimasukkan ke dalam fungsi pengaburan

yang telah dibentuk sehingga menghasilkan nilai masukan fuzzy.

2. Pembentukan Aturan Fuzzy

Aturan fuzzy dibentuk untuk memperoleh hasil keluaran tegas. Aturan fuzzy yang

digunakan adalah aturan “jika-maka” dengan operator antar variabel masukan

 14

adalah operator “dan”. Pernyataan yang mengikuti “jika” disebut sebagai antiseden

dan pernyataan yang mengikuti “maka” disebut sebagai konsekuen.

3. Analisa Logika Fuzzy

Setiap aturan yang dibentuk merupakan suatu pernyataan implikasi. Analisis

logika fuzzy yang digunakan pada tahap ini adalah fungsi implikasi min, karena

operator yang digunakan pada aturan “jika-maka” adalah operator “dan”. Fungsi

implikasi min yaitu mengambil nilai keanggotaan terkecil antar elemen pada

himpunan fuzzy yang bersangkutan.

4. Deffuzifikasi

Defuzzifikasi adalah proses mengubah nilai keluaran fuzzy menjadi nilai keluaran

tegas. Rumus yang digunakan pada tahap ini adalah rata-rata terbobot.

2.8.Python

Python adalah sebuah bahasa pemrograman yang bisa digunakan pada beberapa

platform (multiplatform), dan bersifat sumber perangkat bebas terbuka (open

source). Hal utama yang membedakan Python dengan bahasa lain adalah dalam hal

aturan penulisan kode program. Python memiliki aturan yang berbeda dengan

bahasa lain, seperti indentasi, tipe data, tuple, dan dictionary.

Python adalah bahasa pemrograman dinamis yang mendukung pemrograman

berorientasi obyek. Python dapat digunakan untuk berbagai keperluan

pengembangan perangkat lunak dan dapat berjalan di berbagai sistem operasi

seperti Linux, Windows, Unix, Symbian dan masih banyak lagi. Python sendiri
 15

memiliki beberapa kelebihan diantaranya, memiliki library yang luas, menyediakan

berbagai modul untuk berbagai keperluan, mendukung program berorientasi objek,

memiliki sistem pengelolaan yang otomatis, memiliki tata bahasa yang mudah

dipelajari dan arsitektur yang dapat dikembangkan (extensible) dan ditanam

(embeddable) dalam bahasa lain, misal objek oriented Python dapat digabungkan

dengan modul yang dibuat dengan C++ [10].

 III. METODE PENELITIAN

3.1.Waktu dan Tempat Penelitian

Penelitian dan pembuatan tugas akhir ini dimulai pada Maret 2018 hingga

Desember 2018 bertempat di Laboratorium Terpadu Teknik Elektro, Jurusan

Teknik Elektro, Fakultas Teknik, Universitas Lampung, Lampung.

3.2.Alat dan Bahan

Terdapat alat dan bahan yang perlu dipersiapkan dalam melakukan penelitian ini

adalah:

a. Buah Tomat

b. 1 unit modul kamera Raspberry Pi

c. 1 unit Raspberry Pi 3

d. 1 unit laptop Asus A455L

e. 1 unit microSD 16 gb class 10

f. Perangkat lunak Python

3.3. Prosedur Penelitian

Diagram alir prosedur penelitian ini dibuat untuk memperjelas langkah-langkah

kerja yang dilakukan dalam penelitian, diperlihatkan pada gambar 3.1 berikut:
 17

Gambar 3.1 Diagram Alir Prosedur Penelitian

3.3.1 Blok Diagram Sistem Keseluruhan

Gambar 3.2 Blok Diagram Sistem Keseluruhan

 18

Gambar 3.2 menunjukan blok diagram dari sistem keseluruhan yang dijalankan,

dimulai dari mengaktifkan kamera pada Raspberry Pi Configuration, ketika kamera

sudah aktif selanjutnya kamera akan mengambil citra buah tomat sesuai dengan

kondisi yang diperlukan dalam penelitian. Selanjutnya, citra akan di potong hanya

pada objeknya saja untuk mendapatkan nilai RGB dengan menggunakan rata-rata

piksel. Setelah nilai RGB didapat maka akan masuk kedalam tahapan pendeteksian

kematangan menggunakan metode Fuzzy Logic Tsukamoto.

3.3.2 Metode yang Digunakan

Dalam penelitian ini citra diambil dengan menggunakan kamera Raspberry Pi yang

terhubung dengan mikrokomputer Raspberry Pi model 3. Pengambilan data

disesuaikan dengan beberapa kondisi. Data berupa citra yang diambil diolah

menggunakan program Python. Dalam proses penentuan kematangan buah tomat

penulis menggunakan pengolahan citra dan Fuzzy Logic Tsukamoto. Acuan nilai

RGB yang digunakan pada metode Fuzzy sebagai batasan dari variabel sedikit,

sedang dan banyak didapat dari pengumpulan nilai-nilai RGB pada 10 sampel tomat

dengan tingkat kematangan mentah, setengah matang, dan matang pada kondisi

tertentu.

3.3.3. Garis Besar Metode yang Digunakan

Metode yang digunakan dalam penelitian ini adalah metode Fuzzy Logic

Tsukamoto. Metode ini merupakan metode yang menggunakan aturan jika-maka

“IF-then”. Pada penelitian menggunakan metode ini terdapat tiga nilai linguistik
 19

yaitu mentah, setengah matang, dan matang. Penggunaan metode Fuzzy Logic

Tsukamoto memiliki empat langkah yaitu, fuzzifikasi, pembentukan aturan Fuzzy,

analisa logika Fuzzy, dan defuzzifikasi.

3.3.4. Diagram Alir Metode yang Digunakan

Berdasarkan diagram alir pada gambar 3.3, metode yang digunakan memiliki

beberapa langkah, diantaranya:

1. Fuzzifikasi, yaitu dengan mengubah variabel non fuzzy (variabel numerik)

menjadi variabel fuzzy (variabel linguistik).

2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk “jika-maka”).

Operator yang digunakan pada penelitian ini untuk menghubungkan antar

variabel adalah operator and.

3. Analisis logika fuzzy untuk mendapatkan predikat dari tiap-tiap aturan.

Fungsi implikasi yang digunakan adalah fungsi min. Kemudian nilai predikat

digunakan untuk menghitung keluaran hasil inferensi secara tegas.

4. Defuzzifikasi menggunakan metode rata-rata (average).

 20

Gambar 3.3 Diagram Alir Metode yang Digunakan

Berikut merupakan aturan-aturan yang dibuat untuk mendapatkan keputusan dalam

logika Fuzzy.

1. IF Red sedikit and Green sedikit then Setengah

2. IF Red sedikit and Green sedang then Mentah

3. IF Red sedikit and Green banyak then Mentah

4. IF Red sedang and Green sedikit then Matang

5. IF Red sedang and Green sedang then Setengah

6. IF Red sedang and Green banyak then Setengah

 21

7. IF Red banyak and Green sedikit then Matang

8. IF Red banyak and Green sedang then Setengah

9. IF Red banyak and Green banyak then Setengah

Untuk mendapatkan fungsi keanggotaan maka diperlukan grafik logika fuzzy.

Dimana, nilai dari variabel yang digunakan dalam grafik ini didapatkan berdasarkan

data referensi dari ekstraksi nilai RGB buah tomat. Seperti pada Gambar 3.4 fungsi

keanggotaan bernilai dari 0—1, dan pada garis horizontal terdapat titik garis antara

a—g yang merupakan nilai RGB didapat dari 10 buah tomat. Grafik variabel

dibedakan antara grafik nilai R dan grafik nilai G.

0
a b c d e f g
. d
Gambar 3.4 Grafik Logika Fuzzy

Proses mendapatkan keputusan dari logika fuzzy diperlukan adanya inferensi.

Inferensi adalah sebuah proses mengubah variabel fuzzy menjadi angka yang

dapat diolah. Pada penelitian ini digunakan inferensi sebagai berikut:

1. R1 = IF Red sedikit and Green sedikit then Setengah

R1 = min (µR Sedikit (xR); µG Sedikit (xG)) R1 = µK Setengah (x1)

2. R2 = IF Red sedikit and Green sedang then Mentah

 22

R2 = min (µR Sedikit (xR); µG Sedang (xG)) R2 = µK Mentah (x2)

3. R3 = IF Red sedikit and Green banyak then Mentah

R3 = min (µR Sedikit (xR); µG Banyak (xG)) R3 = µK Mentah (x3)

4. R4 = IF Red sedang and Green sedikit then Matang

R4 = min (µR Sedang (xR); µG Sedikit (xG)) R4 = µK Matang (x4)

5. R5 = IF Red sedang and Green sedang then Setengah

R5 = min (µR Sedang (xR); µG Sedang (xG)) R5 = µK Setengah (x5)

6. R6 = IF Red sedang and Green banyak then Mentah

R6 = min (µR Sedang (xR); µG Banyak (xG)) R6 = µK Mentah (x6)

7. R7 = IF Red banyak and Green sedikit then Matang

R7 = min (µR Banyak (xR); µG Sedikit (xG)) R7 = µK Matang (x7)

8. R8 = IF Red banyak and Green sedang then Matang

R8 = min (µR Banyak (xR); µG Sedang (xG)) R8 = µK Matang (x8)

9. R9 = IF Red banyak and Green banyak then Setengah

R9 = min (µR Banyak (xR); µG Banyak (xG))R9 = µK Setengah (x9)

Langkah terakhir yaitu defuzzfiikasi dengan metode Tsukamoto, dengan

persamaan sebagai berikut:

x = R1*x1+R2*x2+R3*x3+R4*x4+R5*x5+R6*x6+R7*x7+R8*x8+R9*x9
R1+R2+R3+R4+R5+R6+R7+R8+R9 (2)

Keterangan:

xR, xG = nilai presentase Red atau Green

x1 s/d x9 = nilai presentase kematangan pada kasus ke-

 23

µR = himpunan keanggotaan Red dalam kondisi sedikit, sedang, atau

banyak

µG = himpunan keanggotaan Green dalam kondisi sedikit, sedang, atau

banyak

µK = himpunan keanggotaan Kematangan dalam kondisi mentah,

setengah, atau matang

R1 s/d R9 = nilai minimum dari himpunan keanggotaan pada kasus ke-

3.4. Perolehan Citra

Citra yang digunakan pada penelitian ini didapatkan dari Picamera. Kamera akan

mengambil citra buah tomat dengan latar belakang gelap dan terang, kondisi outdoor

pada waktu siang dan sore hari, serta indoor pada kondisi 25 Lux dan 100 Lux. Citra

yang didapat akan diproses dengan mengekstraksi rata-rata nilai RGB dari objek,

selanjutnya objek akan masuk ke tahap identifikasi kematangan buah dengan metode

Fuzzy Logic Tsukamoto.

 V. SIMPULAN DAN SARAN

5.1. Simpulan

Berdasarkan hasil penelitian yang telah dilakukan maka dapat diambil

kesimpulan sebagai berikut:

1. Penentuan kematangan buah tomat dengan kondisi latar belakang gelap pada

siang hari membuat objek terpantul oleh sinar matahari sehingga nilai RGB

yang terbaca oleh program tidak sesuai dengan nilai RGB pada referensi yang

dipakai (nilai pada membership function).

2. Penentuan kematangan buah tomat yang baik dari 10 sampel tiap tingkat

kematangan dapat dilakukan dalam kondisi indoor dengan pencahayaan 100

Lux.

3. Nilai RGB dengan latar belakang gelap dan tingkat kematangan mentah

memilik banyak ketidaksesuaian antara metode visual dengan metode Fuzzy

Logic, namun nilai RGB yang didapat dengan rule yang dipakai sesuai.

4. Dalam pendeteksian kematangan buah tomat hanya nilai Red dan Green saja

yang dipakai, karena nilai Blue tidak mempengaruhi kematangan buah tomat,

berdasarkan data yang diambil nilai blue pada setiap tingkat kematangan

memiliki nilai yang hampir sama.

 53

5.2. Saran

1. Perlu adanya pengaktifan auto brightness pada Picamera, agar citra yang

diambil nilai RGBnya tidak terlalu tinggi dikarenakan pantulan sinar

matahari.

2. Pada penelitian berikutnya dapat dilakukan dengan menggunakan

pengambilan data secara real time sehingga pendeteksian tingkat kematangan

buah tomat dapat diketahui saat itu juga.

 54

DAFTAR PUSTAKA

[1} Sitorus, N. 2008. Penentuan Kematangan Buah Tomat (Lycoppersicum

Escullentum Mill) Dengan Menggunakan Metode Klasifikasi Citra. Universitas
Lampung. Lampung.

[2] Pantastico, E. R. B., 1993, Fisiologi Pasca Panen Penanganan dan Pemanfaatan
Buah Buahan, Sayur-Sayuran Tropika dan Sub tropika, Gajah Mada University
Press, Yogyakarta.

[3] Kusumaningtyas, dan Rosa Andrie. 2016. Identifikasi Kematangan Buah Tomat
Berdasarkan Warna Menggunakan Metode Jaringan Syaraf Tiruan (JST).
Politeknik Negeri Malang. Malang.

[4] Munir, R. 2004. Pengolahan Citra Digital. Bandung.

[5] Tompunu, A.N. dan Kusumanto. 2011. Pengolahan Citra Digital Untuk
Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB.
Politeknik Negeri Sriwijaya. Palembang.

[6] Astuti, Fajar dan Hermawati. 2013. Pengolahan Citra Digital; Konsep dan Teori.
Yogyakarta.

[7] Andreas, D.H. 2017. Prototipe Pemilah Kematangan Buah Pisang Berdasarkan
Warnanya Menggunakan Conveyor. Universitas Sanata Dharma. Yogyakarta.

[8] Nugraha, I. 2014. Sistem Otomasi Dalam Penyortiran Tomat Dengan Image
Processing Menggunakan Deteksi RGB. Universitas Telkom. Bandung

[9] Yolandah, M. 2015. Rancangan Sistem Kendali Lampu Led Berbasis Raspberry
Pi Dengan Teknik Web Interface Menggunakan Bootstrap, Politeknik Negeri
Sriwijaya, Palembang.
 55

[10] Samudera, N.A. 2015. Perancangan Sistem Keamanan Ruangan Menggunakan

Raspberry Pi. Universitas Telkom. Bandung.

[11] Adhimantoro, S. 2014. Mengetahui Tingkat Kematangan Buah Dengan

Ultrasonik Menggunakan Logika Fuzzy. Universitas Bina Nusantara. Jakarta
Barat.

[12] Setiaji, 2009, Himpunan dan Logika Samar Serta Aplikasinya, Yogyakarta.

[13] Agustin, V.R. 2015. Aplikasi Pengambilan Keputusan Dengan Metode

Tsukamoto Pada Penentuan Tingkat Kepuasan Pelanggan. Universitas Islam
Negeri Maulana Malik Ibrahim. Malang.