Cut Keke. 1505106010003 .Aplikasi Sistem Inspeksi Visual Berbasis Computer Vision Untuk Klasifikasi Jeruk Siam (Citrus nobilis Var. Lour Microcarpa) dibawah bimbingan InderaSakti Nasution sebagai Pembimbing Utama dan Agus Arip Munawar sebagai Pembimbing Anggota. RINGKASAN Jeruk siam merupakan salah satu tanaman buah yang sering dibudidayakan di Indonesia,hal ini dikarenakan manfaatnya sangat penting bagi kesehatan manusia.Proses grading atau pengkelasan pada buah jeruk siam masih dilakukan dengan cara manual. Kelemahan dari proses grading manual yaitu membutuhkan waktu yang relatif lama, membutuhkan tenaga kerja yang banyak serta masih ada kemungkinan kesalahan karena faktor kelelahan petugas grading. Maka dari itu solusi dari permasalahan ini adalah grading otomatis berbasis computer visionsalah satu contoh dari computer vision adalah pengolahan citra. Pengolahan citra merupakan pemprosesan gambar dua dimensi menggunakan komputer. Penelitian ini bertujuan untuk klasifikasi jeruk siam berdasarkan diameter, luas, perimeter, compactness, dan kebulatanmenggunakan pengolahan citra digital dengan metodeMulti-Layer Perceptron (MLP) dan untuk mendapatkan hubungan hasil pengukurandiameter, luas, dan perimeterpada jeruk siam dengan pengukuran aktual dan pengolahan citra digital. Pada penelitian ini terdapat empat kelas jeruk siam yaitu kelas A, B, C, dan D. Ukuran dari masing-masing kelas dilihat berdasarkan Standar Nasional Indonesia (SNI), sampel yang digunakan berjumlah 168 buah jeruk siam, dimana 140 untuk training dan 28 buah jeruk untuk testing. Pengambilan citra buah jeruk menggunakan kamera kinect v2 dengan resolusi kamera 1920 x 1080 piksel, jarak kamera dengan background 23 cm, backgroundyang digunakan berwarna putih, lampuuntukpencahayaan 12 watt dengan intensitas cahaya rata-rata 828,2 Lux (Voltcraft, Germany). Citra yang dihasilkan diolah dengan menggunakan aplikasi Halcon 11.0.1. Pengolahan awal yaitu segmentasi dimana proses segmentasi menggunakan metode distance transform dan watershed segmentation dengan tujuan memisahkan background dengan objek. Selanjutnya pada Halcon dimasukkan algoritma untuk mengektraksi diameter, luas, perimeter, compactness, kebulatan dan mengklasifikasi dengan metode Multi-Layer Perceptron (MLP) sesuai dengan kelasnya masing-masing. Berdasarkan hasil hasil pengujian menggunakan teknologi citra digital, dimana persentase keberhasilan segmentasi menggunakan metode distance transform dan watershed segmentation yaitu 100% sistem mampu memisahkan objek yang berhimpit dan objek dengan background secara sempurna. Persentase pada proses klasifikasi menggunakan metode Multi-Layer Perceptron (MLP) yaitu 100% pada training dan 92,85% pada testing. Hasil pengukuran pengolahan citra terhadap pengukuran manual dimana di peroleh pada diameter persamaan regresi y=5,359x – 15,98 dengan nilai korelasi sebesar R= 0,9492. Pada luas persamaan regresi y=27,78x – 4487dengan nilai korelasi sebesarR= 0,9449. Pada Perimeter persamaan regresi y=5,359x – 4487dengan nilai korelasi sebesarR= 0,9492. Berdasarkan nilai korelasi yang di dapat, pengukuran diameter, luas dan perimeter pada pengolahan citra dan aktual pada jeruk siam memiliki hubungan yang tinggi.