Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kadar gula merupakan salah satu karakter kualitas buah pisang yang memengaruhi rasa. Berdasarkan kesamaan karakteristik spektral pada varietas pisang ambon, pisang mas, dan pisang cavendish, yang didapat dari hasil akuisisi citra menggunakan kamera hiperspektral VNIR (400 - 1000 nm), telah berhasil dirancang sebuah universal prediction model yang tidak memerlukan perlakuan destruktif untuk memprediksi nilai kadar gula pada 3 varietas pisang Musa acuminata: pisang ambon, pisang mas, dan pisang cavendish. Filter Savitzky - Golay mengurangi noise pada hasil spektral dan juga memperkuat sinyal yang berisi informasi penting. Pada model regresi Random Forest dengan fitur panjang gelombang optimal berjumlah 20 menghasilkan nilai RMSE pelatihan (train) dan RMSE pengujian (test) yang kecil dengan masing-masing sebesar 0,67 dan 1,08 serta nilai koefisien korelasi pelatihan (R2 Train) dan koefisien korelasi pelatihan (R2 Test) yang besar masing-masing sebesar 0,98, dan 0,94. Hal menunjukan penggunaan algoritma Random Forest untuk pembuatan universal prediction model memiliki hasil yang baik.

---

Sugar content is one of the quality attribute that affects the taste of bananas. A non-destructive universal prediction model has been successfully designed based on the similarity of the spectral characteristics of the Ambon bananas, Mas bananas and Cavendish bananas, which were obtained from the results of image acquisition using a VNIR hyperspectral camera (400 - 1000 nm) to predict the value of sugar content on 3 banana Musa acuminata varieties: Ambon bananas, Mas bananas and Cavendish bananas. The Savitzky - Golay filter reduces noises in the spectral results and also amplifies the signal that contains some important information. Random Forest regression model with 20 features give a small error value with RMSE Train value is 0.67 and RMSE Test value is 1.08, also give a large correlation coefficient value with R2 Train value is 0.98 and R2 Test value is 0.94, it shows that the use of the Random Forest algorithm for designing the universal prediction model has good results."

"Pisang (Musa sp.) merupakan salah satu buah dengan keberagaman yang banyak di Indonesia. Terdapat sekitar 6 sampai 9 subspesies atau varietas pisang Musa acuminata. Pemodelan multi-varieties untuk pengukuran kadar gula total pada suatu buah bertujuan untuk memudahkan proses perhitungan untuk satu kelompok varietas sehingga hanya didapatkan satu model saja yang disebut universal model. Dalam penelitian ini, penulis mencoba membuat universal model untuk pengukuran kadar gula total pada 3 varietas pisang Musa acuminata menggunakan citra hiperspektral berbasis Visible-Near Infrared (VNIR). Universal model utama yang akan digunakan berbasis Convolution Neural Network (CNN). Convolution Neural Networks (CNN) merupakan kumpulan suatu layer (neural) 3 dimensi yang membentuk suatu jaringan (network) yang berfungsi untuk pengolahan data berdimensi tiga melalui proses konvolusi. 3 komponen utama dalam perancangan perangkat keras untuk akuisisi data citra hyperspectral, di antaranya kamera hiperspektral, lampu halogen, dan slider. Pada penelitian ini digunakan 3 jenis buah pisang berbeda, yaitu pisang ambon kuning, pisang cavendish, dan pisang mas. Model universal atau model untuk memprediksi kadar gula total pada pisang cavendish, pisang mas, dan pisang ambon pada penelitian ini didapatkan parameter regresi sebesar 1,1285 untuk RMSEP; 0,2338 untuk RMSEC; 0,8747 untuk RP2; dan 0,9946 untuk RC2. Implementasi deep learning CNN sebagai regresi untuk sistem pengukuran kadar gula total pada varietas pisang Musa acuminata dapat digunakan pada penelitian ini karena didapatkan nilai parameter regresi yang hampir sama dengan parameter hasil regresi pada algoritma PLSR.

---

Banana (Musa sp.) is one of the most diverse fruits in Indonesia. There are about 6 to 9 subspecies or varieties of Musa acuminata banana. Multi-varieties modeling for measuring the total sugar content in a fruit aims to facilitate the calculation process for one varieties group so that only one model is obtained which is called the universal model. In this study, the authors tried to obtain a universal model for measuring total sugar content in 3 Banana Varieties Musa acuminata using hyperspectral imaging based on Visible-Near Infrared (VNIR). The main universal model to be used is based on Convolution Neural Network (CNN). Convolution Neural Networks (CNN) is a set of 3-dimensional (neural) layers that form a network that used for three-dimensional data processing through a convolutional. 3 main hardware components used for hyperspectral image data acquisition, including a hyperspectral camera, halogen lights, and sliders. In this study, three different types of banana were used, there is yellow ambon banana, cavendish banana, and mas banana. Universal model or a model to predict total sugar content in cavendish banana, cas banana, and ambon banana in this study obtained a regression parameter of 1.1285 for RMSEP; 0.2338 for RMSEC; 0.8747 for RP2; and 0,9946 for RC2. The implementation of deep learning CNN as a regression for the total sugar content measurement system in Musa acuminata banana variety can be used in this study due to the regression parameter values are almost the same as the regression parameters in the PLSR algorithm"

"ABSTRAKKadar gula total merupakan salah satu parameter internal untuk kualitas buah. Pada penelitian ini diperkenalkan sistem pengukuran kadar gula total tanpa merusak buah menggunakan hyperspectral imaging dalam rentang panjang gelombang V-NIR 400-1000 nm . Komponen utama pada sistem hyperspectral imaging adalah lampu halogen dan kamera hiperspektral. Hyperspectral imaging bekerja dengan memanfaatkan data reflektansi dari permukaan buah pisang dan menggunakan Partial Least Square Regression PLSR dan Support Vector Machine SVM untuk analisis spektral dan spasial yang menghasilkan model yang dapat memprediksi nilai kadar gula total dan klasifikasi tingkat kematangan pada buah pisang. Nilai kadar gula total pada buah pisang sebagai data pembanding diuji menggunakan refraktometer. Pada penelitian ini digunakan 15 pisang raja dan 15 pisang ambon yang terdiri dari 5 pisang mentah, 5 pisang matang dan 5 pisang terlalu matang. Dari PLSR dan SVM model didapatkan nilai RMSE 0,4091 , koefisien korelasi R2 sebesar 0,997 dan kesalahan klasifikasi 0 untuk pisang raja dan didapatkan nilai RMSE 0,4802 , koefisien korelasi R2 sebesar 0,996 dan kesalahan klasifikasi 0 untuk pisang ambon. Hasil penelitian menunjukkan bahwa sistem hyperspectral imaging dapat digunakan sebagai instrumen untuk pengukuran kadar gula total pada buah pisang.

---

ABSTRACTSugar content is one of the internal parameters for fruit quality. In this study, a non destruction measurement system for sugar content is introduced using hyperspectral imaging in the V NIR spectral range 400 1000 nm . The main components of the hyperspectral imaging system are halogen lamps and hyperspectral cameras. Hyperspectral imaging works by utilizing reflectance data from banana surfaces and using Partial Least Square Regression PLSR and Support Vector Machine SVM for spectral and spatial analysis that create a model that can predict total sugar content and banana maturity stage classification. The value of sugar content in banana was tested using refractometer as comparison data. In this study used 15 raja bananas and 15 ambon bananas consisting of 5 raw bananas, 5 ripe bananas and 5 overripe bananas. PLSR and SVM model provided RMSE of 0,4091 , correlation coefficient R2 of 0,997 and classification error of 0 for raja bananas and provided RMSE of 0,4802 , correlation coefficient R2 of 0,996 and classification error of 0 for ambon bananas. The results showed that the hyperspectral imaging system can be used as an instrument for measuring total sugar content in bananas."

"ABSTRAKUmumnya kadar air buah dapat diukur dengan membandingkan reduksi massa benda dengan metode pengeringan oven. Dalam tulisan ini, sistem prediksi kadar air pisang diperkenalkan dengan teknik pencitraan VNIR Visible Light ndash; Near Infrared . Teknik pencitraan hiperspektral dengan menggunakan citra VNIR merupakan teknologi yang dapat diandalkan dalam pengujian kualitas buah secara non destruktif, cepat dan efisien. Sistem prediksi ini menggunakan PCA dan PLS sebagai model regresi untuk mendapatkan hasil kuantitatif nya. Hasil regresi yang didapatkan dari PCA untuk pisang raja berupa RMSE Root Mean Square Error sebesar 0.65 dan R2 Coerrelation Coefficient sebesar 0.71. Sedangkan hasil dari PLS yaitu RMSE sebesar 0.54 dan R2 sebesar 0.82. Hasil regresi dari PLS relatif lebih baik daripada PCA dan lebih akurat. Untuk mengetahui klasifikasi tingkat kematangannya, sistem prediksi kadar air pisang ini menggunakan SVM.

---

ABSTRACTCommonly, the fruit moisture content could be measured by comparing the mass decrement of object through oven drying method. In this paper, a bananas moisture content prediction system was introduced using Visible Light ndash NIR imaging technique. Hyperspectral imaging technique using VNIR image is a reliable technology in fruit quality testing non destructive, fast and efficien. The prediction system uses PCA and PLS as a regression model to get its quantitative results. Regression results obtained from PCA for Raja bananas in the form of RMSE Root Mean Square Error of 0.65 and R2 Correlation Coefficient of 0.71. While the results of the PLS RMSE of 0.54 and R2 of 0.82. Regression results from PLS are relatively better than PCA and more accurate. To determine the classification of the level of maturity, the moisture content of bananas prediction system uses SVM Support Vector Machine."

"ABSTRAKSekarang ini, tingkat kematangan buah pisang Musa sp diklasifikasikan secara manual berdasarkan warna kulitnya. Pada penelitian ini, akan diperkenakan sistem otomatis tingkat kematangan buah pisang menggunakan teknologi hyperspectral. Sistem perangkat keras yang digunakan terdiri dari satu set alat pengukuran, sumber cahaya halogen dan kamera hyperspectral yang terhubung ke PC melalui Camera Link. Perangkat lunak sistem terdiri dari pengukuran hasil reflektansi citra, ekstraksi ciri, dan algoritma klasifikasi. Citra reflektansi permukaan pisang dihitung berdasarkan citra yang didapat, white reference dan dark reference. Feature extraction ekstraksi ciri didapatkan menggunakan principal component analysis pada semua range panjang gelombang hyperspectral. Dengan demikian, tingkat kematangan diklasifikasikan menggunakan artificial neural network menjadi 3 kelas yaitu, mentah, matang dan sangat matang. Sampel yang digunakan ialah 15 pisang ambon Musa acuminate colla dan 15 pisang raja Musa textilla yang masing-masing berisi 5 sampel pada setiap tingkat kematangan. Hasil penelitian ini menunjukan bahwa sistem yang diusulkan dapat mengkalsifikasikan tingkat kematangan buah pisang cukup akurat.

---

ABSTRACTNowadays, the maturity of banana is classified manually based on the surface color of banana. In this study, an automatic system was introduce using hyperspectral technology system. The hardware of system consist of a set of measuring system, light source and hyperspectral camera that connect to PC via Camera Link. The software of system consists of reflectance image profile measurement, feature extraction and classification algorithm. The reflectance image profile of the banana surface was calculated based on current image, white and dark image reference. The feature sets were computed using a principal component analysis on full wavelength range of HIS spectra. Thus, the maturity stage of banana was classified artificial neural network into 3 classes i.e. immature, mature and very mature. The samples used were 15 sampel Musa acuminate collaa and 15 sampel Moses textilla which is consist 5 samples for each aturity stage.The results show that the proposed system can classify the banana maturity stage perfectly. "

"Banjir merupakan bencana besar yang kerap kali melanda Indonesia. Jakarta sebagai Ibukota beberapa tahun sekali mengalami banjir besar ini. Salah satu wilayah yang mengalami dampak negatif bencana ini ialah Kampung Melayu, Jakarta Timur. Terletak dekat daerah aliran sungai Ciliwung, bencana banjir di Kampung Melayu tak terelakkan terjadi. Penelitian ini bertujuan untuk membuat sistem deteksi bencana banjir di Kampung Melayu dengan implementasi algoritma Random Forest. Temperatur, tekanan udara, intensitas curah hujan, intensitas radiasi sinar matahari dan kelembaban relatif dari Stasiun Cuaca Citeko digunakan sebagai dataset dengan data tambahan berupa tinggi muka air di Pos Air Bendung Katulampa, Pos Air Depok dan Pos Air Manggarai. Hasil prediksi berupa empat kelas klasifikasi status siaga banjir dari tiap pos. Selain menggunakan algoritma Random Forest, penelitian ini juga menggunakan algoritma Decision Tree sebagai pembanding untuk melihat kinerja terbaik dari keduanya. Kedua algoritma ini merupakan metode yang kerap kali digunakan untuk pemodelan data time -series. Random Forest mencapai akurasi sebesar 99,17% dan Decision Tree mencapai 98,90%. Hasil ini menunjukkan bahwa sistem deteksi bencana banjir di Kampung Melayu, Jakarta dapat bekerja lebih baik dengan pengimplementasian Random Forest.

---

Flooding is a severe disaster that happens frequently in Indonesia. Jakarta, as the capital city of Indonesia, experiences this big flood every few years. One of the areas which experienced the negative impact of this disaster was Kampung Melayu, East Jakarta. Located near the Ciliwung river basin, flooding in Kampung Melayu is inevitable. The research aims to create a flood detection system in Kampung Melayu with the implementation of the Random Forest algorithm. Temperature, air pressure, rainfall, solar radiation, and relative humidity from the Citeko Weather Station were used as datasets with the addition of water level at the Katulampa Dam Water Post, Depok Water Post, and Manggarai Water Post. Prediction results in the form of four classes of flood alert status classification from each water post. In addition to using the Random Forest algorithm, this research also uses the Decision Tree algorithm as a comparison to see the best performance of the two algorithms. Both algorithms are methods which often used for time – series data modelling. Random Forest achieved 99,17% accuracy and Decision Tree achieved 98,90%. These results show that the flood detection system in Kampung Melayu, Jakarta can work better with the implementation of Random Forest.

"

"ABSTRAKNilai reflektansi pada panjang gelombang tertentu pada buah pisang dengan rentang yang besar digunakan untuk mengembangkan sebuah sistem pengujian kadar karotenoid menggunakan teknik hiperspektral imaging. Sistem pengujian ini terdiri dari satu set sistem pengukuran, sumber cahaya berupa lampu halogen, dan kamera hiperspektral yang terhubung dengan Personal Computer PC menggunakan penghubung Camera Link. Sampel terdiri dari tiga tingkat kematangan yaitu mentah, matang, dan sangat matang. Sistem pengujian menggunakan Partial least square regression PLSR model untuk memperoleh hasil kuantitatif. PLSR model pada panjang gelombang penuh digunakan untuk membuat sebuah model yang menghubungkan antara data spektral hiperspektral dan kadar karotenoid berdasarkan metode pengujian spektroskopi. Hasil yang diperoleh pada seluruh sampel memiliki koefisien korelasi prediksi melebihi 0,9 pada seluruh sampel dan nilai RMSE 6,81x10-7 pada pisang raja dan 1,03x10-5 pada pisang ambon. Hasil PLSR menunjukan bahwa sistem pengujian dapat digunakan untuk menguji kadar karotenoid.

---

ABSTRACTFruit reflectance spectra of banana with a wide range of carotenoids content have been studied to develop testing system using hyperspectral imaging technique. The testing system consist of a set of measuring instruments, halogen light source, and hyperspectral camera that connected to PC using Camera Link. A sample set combining three stages of maturity i.e. immature, mature, and very mature. The testing system uses Partial least square regression PLSR models to get its quantitative results. PLSR models on full spectra was used to create a model that computing relationship between HSI spectra and carotenoids contents based on spectroscopy methods. The profile map of carotenoids was distributed by applying the PLS models on pixels within the hyperspectral image, which obtained acceptable results for all sample sets with correlation coefficient of prediction over 0.9 and RMSE value 6,81x10 7 on Musa textilia and 1,03x10 5 on Musa paradisiaca. The results show that the proposed system can be used to testing of carotenoids content."

"Klaim asuransi merupakan salah satu elemen penting dalam bidang jasa asuransi. Klaim severity mengacu pada besarnya dana yang harus dikeluarkan untuk memperbaiki kerusakan yang terjadi. Besarnya klaim asuransi dipengaruhi oleh banyak faktor. Hal ini menyebabkan volume data menjadi sangat besar. Sehingga diperlukan suatu metode yang tepat dalam memprediksi besarnya klaim severity untuk data besar. Salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan tersebut yaitu Random Forest yang merupakan salah satu metode machine learning. Tesis ini mengaplikasikan model Random Forest untuk menyelesaikan masalah prediksi besarnya klaim severity pada asuransi mobil serta menganalisis pengaruh jumlah fitur yang digunakan pada model Random Forest terhadap akurasi model sebagai alternatif solusi terkait Big Data. Hasil simulasi menunjukkan bahwa model Random Forest dapat diterapkan pada kasus prediksi klaim severity yang merupakan kasus regresi dalam konteks machine learning. Dengan menggunakan 1⁄3 dari keseluruhan fitur yang ada, model Random Forest dapat menghasilkan akurasi yang setara dengan akurasi yang diperoleh ketika menggunakan seluruh fitur dalam membangun model, yaitu sekitar 99%. Hasil ini menunjukkan skalabilitas yang baik dari Random Forest terutama ditinjau dari jumlah fitur. Sehingga, model Random Forest dapat digunakan sebagai solusi untuk masalah Big Data terkait volume data.

---

The insurance claim is one of the important elements in the field of insurance services. Claim severity refers to the amount of fund that must be spent to repair the damage. The amount of insurance claim is influenced by many factors. This causes the volume of data to be very large. Therefore, a suitable method is required. Random Forest, one of the machine learning methods can be implemented to handle this problem. This thesis applies the Random Forest model to predict the amount of this claim severity on car insurance. Furthermore, analysis on the effect of the number of features used on model accuracy is conducted. The simulation result show that the Random Forest model can be applied in cases of prediction of claim severity which is a case of regression in the context of machine learning. Only by using 1⁄3 of the overall features, the accuracy of Random Forest model can produce accuracy that is comparable to that obtained when using all features, which is around 99%. This result confirms the scalability of Random Forest, especially in terms of the number of features. Hence, Random Forest model can be used as a solution to Big Data problems related to data volume."

"Masa simpan pisang mas yang singkat karena perusakan oleh bakteri dan jamur memerlukan solusi alternatif selain metode konvensional seperti penyimpanan pada suhu rendah dan perlakuan panas. Ozon dapat berfungsi sebagai disinfektan yang tidak berbahaya bagi manusia dan telah diterapkan dalam pengawetan makanan dan produk pertanian. Penyemprotan gas ozon dilakukan untuk mengurangi pertumbuhan bakteri dan jamur sehingga penurunan kualitas pisang mas akibat pembusukan dapat diperlambat. Pada penelitian ini, pisang mas diozonasi dengan variasi dosis yang dihasilkan ozonator yaitu 1 ppm, 3 ppm, dan 5 ppm dan dikontakkan dengan gas ozon selama 10 menit. Sampel disimpan pada dua kondisi penyimpanan: suhu ruang (25-28oC) dan suhu kulkas (13-14oC). Sampel disimpan selama 7 hari untuk melihat perkembangan karakteristiknya. Analisis karakteristik pisang yang dilakukan adalah parameter angka lempeng total (ALT) untuk total bakteri mesofil aerob (TBMA), kandungan kalium, perubahan massa (fresh matter loss), total padatan terlarut/total soluble solid (TSS), dan organoleptik dari pisang mas. Berdasarkan penelitian ini didapat bahwa ozon dapat memperpanjang masa simpan pisang ditinjau dari parameter karakterisasi sampel (ALT untuk TBMA, penurunan massa, total padatan terlarut, kadar kalium, dan organoleptik). Hal ini dapat dilihat dari kemampuan ozon mengurangi jumlah TBMA hingga 50% pada saat 24 jam penyimpanan, perlambatan laju penurunan massa dan kadar TSS jika dibandingkan dengan sampel kontrol, peningkatan kadar kalium pada sampel hingga 23% lebih tinggi dibanding kadar kalium awal, dan parameter organoleptik yang lebih baik dibanding sampel kontrol. Kombinasi suhu rendah dan ozonasi menghasilkan kualitas sampel pisang mas yang terbaik, dengan dosis terbaik adalah 5 ppm dan sampel disimpan pada suhu rendah, di mana jumlah TBMA pada akhir penyimpanan adalah 7,1 x 102 koloni/gram, lebih rendah dibanding sampel kontrol yang memiliki TBMA 6,6 x 103 koloni/gram.

---

The short shelf life of pisang mas due to bacteria and fungi requires alternative solutions other than conventional methods such as storage at low temperatures and heat treatment. Ozone has a disinfectant property that is harmless to humans and has been applied in the preservation of food and agricultural products. The usage of ozone in form of ozone gas spraying is done to reduce the growth of bacteria and fungi so that the decline in the quality of mas bananas due to spoilage can be slowed down. In this study, banana mas was ozonated with various doses produced by ozonator: 1 ppm, 3 ppm, and 5 ppm and contacted with ozone for 10 minutes. Samples were stored in two storage conditions: room temperature (25-28oC) and low temperature (13-14oC). The samples were then stored for 7 days to see the change of their characteristics. The analysis of banana characteristics carried out was the total plate count (TPC), potassium content, fresh matter loss, total soluble solids/sugar content, and organoleptic properties of banana mas. This can be seen from the ability of ozone to reduce the amount of bacteria by up to 50% during 24 hours of storage, slowing down the rate of mass and TSS levels reduction, increasing potassium levels by up to 23% higher than the initial potassium levels, and organoleptic parameters are better than the control sample. The combination of low temperature and ozonation resulted in the best quality of banana mas sample, with the best dose of 5 ppm and the sample were stored at low temperature, where the amount of bacteria at the end of storage was 7.1 x 102 colonies/gram, lower than control sample that have 6.6 x 103 colonies/gram."

"Pisang mas merupakan buah yang popular karena merupakan salah satu sumber dari vitamin dan mineral bagi tubuh manusia. Meskipun demikian, pisang mas tergolong komoditas yang sangat mudah rusak diakibatkan bakteri pembusuk. Ozon dapat berfungsi sebagai disinfektan yang tidak berbahaya dan telah diterapkan dalam pengawetan makanan. Pada penelitian ini, pisang mas sebagai sampel diawetkan dengan memanfaatkan gas ozon dengan variasi durasi kontak dan frekuensi penyemprotan. Penelitian ini bertujuan untuk mengetahui pengaruh penyemprotan ozon dalam menjaga kualitas pisang mas. Sampel diozonasi dengan dosis 3 ppm, variasi durasi kontak 3 menit, 5 menit, dan 10 menit dan frekuensi penyemprotan 1 kali, 2 kali, dan 3 kali. Parameter kualitas yang dievaluasi berupa nilai Total Bakteri Mesofil Aerobik, kandungan kalium, perubahan massa, total padatan terlarut, dan organoleptik. Sampel disimpan selama 7 hari untuk melihat perkembangan karakteristiknya. Gas ozon dengan durasi 10 menit dan frekuensi 1 kali menghasilkan nilai yang lebih rendah (3,45x10³ CFU/g) dibandingkan sampel kontrol (6,20x10⁴ CFU/g) dan menekan penurunan kekurangan massa dan total padatan terlarut sebesar 5,33% dan 16,67 % dalam penyimpanan 168 jam. Selain itu, gas ozon mampu menaikkan jumlah kandungan kalium sebesar 23% dan menghasilkan nilai organoleptik yang lebih baik dibandingkan sampel kontrol

---

Lady finger banana is a popular fruit which is source of vitamins and minerals for the human body. Lady finger bananas are classified as a commodity that is easily damaged by rotting bacteria. Ozone can function as a disinfectant that is not harmful and has been applied in food preservation. In this study lady finger bananas as a sample were preserved to extend its shelf life using ozone with variations in contact duration and frequency of spraying. This study aims to determine the effect of ozone spraying on maintaining the quality of lady finger bananas. Sample was ozonated at dose of 3 ppm, contact duration of 3 minutes, 5 minutes and 10 minutes and frequency of 1 time, 2 times, and 3 times. The quality parameters evaluated by its total mesophyll aerobic bacteria, potassium content, fresh matter loss, total soluble solid, and organoleptic. Sample was stored for 7 days to see the development of its characteristics. Ozone gas with duration of 10 minutes and frequency of 1 time resulted lower values (3,45x10³ CFU/g) than the control (6,20x10⁴ CFU/g), suppress the decrease in fresh matter loss and total soluble solid up to 5.33% and 16.67% in 168 hours storage. In addition, ozone gas increased the amount of potassium content up to 23 % and resulted a higher organoleptic test value than the control"