Pengembangan Metode Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan

(1)

PENGEMBANGAN METODE ANALISA DERAJAT SOSOH BERAS DENGAN PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN

. .

O£I',

. NOE!A VARAHNUR

. " - �

F01499101

203

JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

(2)

R NOVE NAYYARAH R FOl499l01. Pengembangan Metde Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan. Di bawah

bimbingan: Setyo Pertiwi dan I �ayan Astika. 2003.

' . , •

NGKASAN

Akhir-akhir ini sering diennasalahkan adanya kasus-kasus eras kuaIias

rendab, eras , _{eras turun mutu, dan eras rusak selama enyimpanan i gudang.}

Kasus beras erkualitas rendah pada umumnya teyai

a

eras ean yang

nantinya akan erkelanjuan menjadi eras turun mutu dan kemudian cenderung

menjadi beras k. _{Kasus-kasus eras tua atau eras yang meoua selama}

enyimanan daat teyai baik pada engadaan dalam negeri maupun eras imort

yang pada umumnya achir-achir ini disiman di gudang lebih i enam bulan, yang

nantinya cenderung menjadi turun mutu (Yudawinata, 1982).

Saat ini inseksi mutu ems dilakukan oleh tenaa insektor yang telah

berengalaman. Metoda yang dipakai adalab mengambil sediit samel beras n

dalam karung untuk kemudian di'amati secara visual. Deogan engalamannya

insektor apat menentukan aakah samel tersebut dapat diterima atau ik ke

dalam suatu' rade tertentu. Deogan latar belakang tersebut, enelitian ini dirancang dengan tujuan membangun erangkat kecerdasan buatan (erbasis komputer) untuk menggantikan fungsi insektor dalam melakukan inseksi mutu beras. Perkembangan sistem engolahan citra memungkinkan dilakukan enentuan derajat sosoh eras dengan melakukan engukuran secara tidak langsung.

Penelitian ini ertujuan untuk mengembangkan metoda analisa derajat sosoh

beras. Tujuan khususnya adalah menyusun algoritma pengolahan citra untuk

memeroleh nilai parameter-parameter yang mencerminkan derajat sosoh beras, yaitu nilai rata-rata intensitas wna merah (R rata-rata), nilai rata-rata intensitas

na hijau (G rata-rata), nilO rata-rata intensitas waa bim (B rata-rata), nHai rata

rata RGB (CV rata-rata), nilai rata-rata indeks wama merah (Id rata-rata), nilai rata rata indeks na hijau (wn rata-rata), nilai rata-rata indeks ma bim

(Ib1e

rata

rata), nilai rata-rata indeks Hue (H raa-rata), nilai rata-rata aturation (S rata-rata), dan nHai raa-rata Intensiy (I rata-rata). Penilaian dilakukan secara visual buatan

dengan engoJahan cira (image processing) yang dikembangkan menkan

jaringan saraf timan (artiCial neural newor=ANN), kemudian dibandingkan

dengan hasil analisa derajat sosoh contoh samel yang telah diwamai dengan laruao May Gmenward.

Borasio (1979) mengembangkan tenik ewan denan lan May

Gruenward. Pewamaan dengan larutan ini menyebabkan bagian kulit an seelah luar menjadi berwna hijau, bagian kulit ari sebelah dalam menjadi erwaa bim,

sedangkan endoserm menjadi ea merah jambu. Djasmin, S (1986)

mengembangkan metde analisa derajat sosoh beras dengan piringan a standar.

Beras standar yang telah dinai dengan lamtan May Gruenward diputar denan

kecepatan yang cukup tinggi dan mementuk na yang homogen. Piringan a

standar dibuat dari berbagai kertas wama. Dengan metode tersebut maka enentuan

(3)

CDC (Color Dfference Computer) alau dengan membandingkan na dengan

wama piringan standar yang dibuat.

Peneliian ini dilakukan pada Bulan Maret-September 2003. Pellbangan sistem kompter dilakukan di ab. Sistem dan Manajemen Mekanisasi Pertanian, Jurusan Teknik Pertanian, PB. Penggilingan padi dan enentuan djat sosoh dilakukan di Balai Penelitian n _{Pengemhangan BULOG, Tambun. SIIgkan uji} validasi derajat sosoh dengan larutan May Gruenwald dilakukan di b. Kimia Analitik. Jurusan Kimia, PB.

Baban yang digunakan adalah gabah dari dua varietas, yaitu R4 dan Membramo. Kedua varietas gabah dieoleh n _{Kebun Percobaan M. Bogor.} Gabah tersebut digiling terlebih dahulu menjadi ems sosoh dengan beba derajat sosoh. Peralaan yang digunakan untuk engolahan citra adalab a digital merek Fuji Fine Pix A203. seerangkat komputer, lampu merek Phillips, yrofoam, n sebagai erangkat lunanya adalah Microsot Visual Basic 6.0 n Wdows XP Professional 2002. Perangkat kes yang digunakan adalab erangkat komputcr dengan processor Pentium II 996 z, M (Random Access Memoy) 128 B. Peralaan lain yang digunakan adalah mesin analisa gabah 3 in I Te R-3, Illuminance meter merek Minolta untuk mengukur intensitas cahaya, mr divider merek Tsukasa Co. LD, _{imbangan merek Ohaus, engukur kadar air}s _merek Kett Global PM-400 Ina.

Gabah diproses terlebih dahulu dengan mesin analisa gabah yang memiliki tiga fungsi sekaligus, yaitu emisahan gabah dengan gabah hama n kotoran, engelupasan sekamlembuatan bems ecab kulit, n enyosohalL Untuk memeroleh DS (derajat 5Osoh) 80%, 85%, 90%. 95%, dan 100%, ter diaur untuk 5 detik, 10 detik, 15 detik, 20 deik, n ₂₅_{detik. Pengambilan cira dilakukan} dengan menggunakan kamera digital. Beras ditempatkan secara acak. amun i: ada yang hersentuhan mengingat citra akan memproses objek satu er u. Cira wama terlebih dahulu diubah menjadi cira biner untuk membedakan na obyek dan latar elakang. Setelah proses thresholding, dilakukan penghitungan eerapa parameter yang hasilnya disimpan dalam sebuah le text dengan extention •. xt ada notepad untuk kemudian digunakan sebagai daa pada proses training NN.

Model AN yang digunakan terdiri dari tiga lyer, yaitu input laer, hidden layer, dan output lyer. Noda pada input lyer merupakan data-data nuerik yang dihasilkan i _{proram image processing}n _{noda pada output layer}_{adalah derajat} sosoh eras sebagai basil endugaan jaringan. Sepuluh paameter yang menjadi input adalah R rata-rata, G rata-rata, B rata-rata, CV rata-rata, Id rata-rata, Iwnrata rata,

Ible

rata-rata, H rata-rata, S rata-rata, dan

I

rata-rata. Sedankan enam parameter yang menjadi output adalah PK, OS 80%. DS 85%. DS 90%, DS 95%. dan

DS 100%. Training NN dilakukan sampai tingkat akurasi endugaan terhadap

training set sabil. Pa proses training akan dipilih hobot akurasi terbaik untuk digunakan dalam uji validasi. Hasil endugaan samel yang telab diuji dibandingkan dengan hasil ewamaan dengan larutan May Gruenward.

Hasil engolahan citra untuk beras R-64 nenunjukkan bahwa a garis

hesar nilai R rata-rata n G rata-rata PK < DS 80% < DS 85% < DS 95% < DS

100% < DS 90%. Nilai B rata-rata dan CV rata-rata PK < DS 80% < DS 85% <

DS 95% < DS 90% < DS 100%. Beras dengan derajat s050h 100% memiliki nilai

(4)

rata-rata PK < DS 80% < DS 85% < DS 90% < DS 95% < DS 100%). Nilai S rata-rata

dan I rata-rata PK < DS 80% < OS 85% < DS 95% < DS 90% < DS 100%.

Sedangkan nilai H rata-rata semakin besar dengan meningkatnya DS (H raa-ata PK

< DS 80% < DS 85% < DS 90% < DS 95% < DS 100%). Namun jika dilihat data

er butir ems. tidak ada kisaran nilai yang s _{antara masing-masing derajat sosoh.}

HasH engolahan citra untuk eras Membramo menunjukkan bahwa secara garis besar nilai R rata-raa, dan G raa-rata PK < DS 80% < DS 85% < DS 90% <

tidak ada kisaran nilai yang s _{aotara masing-masing derajat sosoh.}

Akurasi endugaan AN terhadap daa training beas R4 mencapai

45.46% (ersentase error endugaan 54.54%). Akurasi endugaan NN terhadap

data training eras Memhmmo mencaai 55.35 % (ersentase error endugaan

44.65%). Secara keseluruhan data validasi ems R-64 yang berhasil menduga

sebanyak 63 dari 304 data (si ndugaan 20.73%). Sedangkan untuk beras Membramo secaa keseluruhan data validasi yang berhasiI menduga sebanyak 117

dari 300 data (akurasi endugaan 39%). Hasil validasi ini belum menunjukkan ola endugaan yang jelas karena tidak terlihat adanya parameter yang khas yang dapat dijadikan acuan untuk menduga derajat sosoh beras dan secara visual pun sulit terlihat hampir sana keputihannya. Selain itu hasil enyosohan tidak meraa, ada beras yang tersosoh dengan baik dan ada yang tidak. Hal tersebut dierkuat dengan hasil ewanaan beras dengan larutan May Gruenward. Samel eras sosoh denan

DS 100% tidak semuanya bema merah jambu (seluruh lapisan kulit n telah

terleas), terdapat pula beras daln derajat sosoh lain. Hal yang sna juga terjadi pada samel beras dengan DS 80%, DS 85%, DS 90%, dan DS 95%.

Kesimpulan dad enelitian ini adalah metode yang dikembangkan belum dapat menganalisa derajat sosoh dengan tepat. Parameter-parameter yang dian kurang dapat mencenninkan derajat sosoh beras er butir. Namun jika dianalisa er samel ada eberaa parameter yang dapat mencenninkan derajat soso� yaitu Hue

dan indeks a _{biru untuk varietas} _R-64. _{Sedangkan ada samel eras}

(5)

INSTITVT PERTANIAN BOGOR FAKULTAS TENOLOGI PERTANIAN

PENGEMBANGAN METODE ANALISA DERAJAT SOSOH BERAS DENGAN PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN

SKRIPSI

Sebagai salah satu syarat untuk memperoieh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Jurusan Teknik Pertanian

Fakultas Teknologi Pertanian

Institut Pertanian Bogor

Oleh

R. NOVIE NAYYARAH NUR F01499101

Dilahirkan pada tanggal 28 Juni 1981

di Bandung

Tanggal lulus: Nopember 2003

2003

'. •

" '

�

.

Dr. If. Set )

,

, i

Dr. If. I

M.Si , .,

Dosen Pembimbing I <

'.''' Dosen Pembimbing II

(6)

RWAYAT HDUP

Penulis bemama lengkap R. Novie Nayyarah Nur, dilabirkan di Bandung, 28

JUDi 1981. Penulis merupakan anak kedua dari emat bersaudara dengan ayah

eama R. Munirul Islam dan ibu emama R. Aini Nurhayati.

Pada tabun 1993 enulis menyelesaikan endidikan dasar di Sekolab Dasar Negeri 167 Palembang. Penulis kemudian melanjutkan endidikan di Sekolab Lanjutan Tingkat Pertama Negeri 3 _{Tanjung Karang, Lampung dan lulus tabun}_1996.

Penulis kemudian melanjutkan ke Sekolah Menengah Atas Negeri 5 Bogor dan lolus pada tabun 1999.

Pada tahun 1999, melalui Undangan Seleksi Masuk IPB (USMl), enulis

diterima di Jurusan Teknik Peranian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penulis menyelesaikan program Sarjana pada tahun 2003.

Selama menempuh endidikan di IPB, enulis terdaar di Himpunan Mabasiswa Teknik Petanian (HIMATETA) dan actif mengikuti kegiatan kemahasisan. PenuIis terdaar sebagai anggota Intematonal Assosiation of

Agricultural Student (IAAS) dan aktif mengikuti kegiatan selama tabun 2000-2001.

Penulis eah menjadi asisten dosen untuk mata kuliah Penerapan Komputer pada tahun 2003.

(7)

KATA PENGANTAR

AlhamduliIlah, segala puji n syukur bagi Allah swt. karena erkal karunia Nya enulis dapat menyelesaikan skripsi ini. a haula walaa quwwata ia b/ah,

liada kekuatan n daya upaya melainkan dari Allah. Peelilian mengenai ANN

menyadarkan enulis betapa segala sesualu ciptaan Allah jaub lebih ceal, lebih

akurat, dan lebih sempuma, maya Allah. Sripsi ini khusus enulis ersembahkan

untuk keluarga tercinta Penulis juga mengucapkan terima kasih kepada :

I . Dr. Ir. Setyo Pertiwi, MAr selaku dosen embimbing akademik yang lelah membimbing, baik selama erkuliahan maupun dalam embuatan skripsi.

2. _{Dr. Jr. J Wayan Aslika, MSi dan Jr. Mohammad Solahudin, Msi unluk segala}

bimbingan n saran selama enelitian dan penyusunan skripsi.

3. _Dr.

Ir.

_{Suroso, MAgr selaku dosen enguji skripsi atas kesediaan dan}

masukannya.

4. Ir. Abdul Waris Paliwiri, BA dari BULOG yang lelah memeri IJIn

penggunaan fasilitas BULOG.

5. Ir. Erman Aziz, MSc, . Rochman, dan Mas Rudi di Balai Peneliian n

Pengembangan BULOG, Tambun, Bekasi, yang lelah membanlu dalam eneJitian.

6. Dr. Ir. Latifah dan Bu Nunung dari Lab. Kimia Analitik yang memberi ijin enggunaan fasilitas lab dan membantu dalam pembuatan laruan untuk uji

validasi.

(8)

DAFTARISI

Hal

KATA PENGANTAR . ... . . ... . . .. . . ... . . .... ... . . . ... . . . . ... . . III

DAFTAR TABEL . . ... . . ... . . ... . . . ... . ... . . ... . . ... . .... . ... . . ... . . I

DAFTAR GABAR .... . . ... .... . . ... . . ... . . ... . . ... . . VII

DAFTAR LAPRAN . . . ... . . . ... . . . ... . . ... ... . . . ... . . IX

I. PENDAHULUAN .. . . ... . ... . . ... . . ... . . ... . . ... . . . . ... . . . . ... ... . . . ... 1

A _{LATAR BELAKANG ... ... ...}. B TUJUAN ... . ... 3

II. TINJAUAN PUSTAKA ... ... . A _{MUTU BERAS ... ... .} 4 4 1. Umum . . . .. . . 4

2��b� 5 B. JARINGAN SARAF TRUAN . . . .. ... ... 8

C.WARNA . . . ... . . ... . .... . . . ... . . . ... . . ... . . . ... . ... . . . . ... . ... . .... ... . . 11

D. PENGOLAHAN CITRA . ... ... ... 12

lII. ETODE PENELITIAN ... ... ... ... . 15

A _{TEPAT DAN WAKTU ... ... 15}

B. BAHAN DAN ALAT ... ... 15

C. TATA LAKSANA... 18

I. _{Penggilingan dan Penentuan Derajat Sosoh Becas}... ... 18

2. Pengambilan n Pengolahan Citra . . . ... . . ... . . . ... . ... 19

3. _{Penyusunan Program Jaringan SarafTiruan (ANN)}. . ... . . ... ... 21

4. Uji Validasi . . . ... . . . . ... ... . . .. . . ... . .... . . . ... . . ... .. 24

(9)

IV. HASILDAN PEMBAHASAN . . . . .. . . .. . . ... . . 25

A. SAMPEL BERAS . . .... ... .... ... .... .... ... ... .... ... .... ... ... ... 25

B. PENGOLAHAN CITRA BERAS SOSOH . . . 25

I. Karakteristik Nilai RGB . . . 27

2. _{teristik Indeks RGB}. . . .. . . .. . . 33

3. _{Karakteristik Nilai HSI}. . . .. . . .. . . 38

C. PELATIHAN JARINGAN SARAF TRUAN (TAINING ANN) . . . 43

I. Training ANN beras R -64 ... 44

2. _Training_ANNes Membramo . . . 45

D. V ALIDASI JNGAN SARAF TRUAN . . . .. . . 47

V. KESIPULAN DAN SARAN . . . .. . . .. . . 49

A. KESIPULAN ... 49

B. SARAN . . . .. . . .. . . 50

DAFTARPUSTAKA .. . . 51

LAPIRAN . . . .. . . 53

(10)

DAFTAR TABEL

Hal Tabel I. _{Persyaratan kualitas beras engadaan dalam negeri tahun 2003... 2}

Tabel2. Hasil engukurau berat katu!... 19

Tael 3. Kondisi setting eralatan engambilan citra ... 20

Tael4. Nilai raa-rata RGB keseluruhan samel pada beragai derajat

sosoh beras R-64 ... 29

Tabel5. Selaug nilai RGB pada erbagai derajat sosoh beras R-64 ... 30

Tabel 6. Nilai rata-rata RGB keseluruban samel pada berbagai derajat

sosoh heras Membramo ... 33

Tabel 7. Selaug nilai RGB pada berbagai derajat sosoh beras Membramo ... 33

Tabe! 8. Nilai rata-rata

Id.

Igen. dan Iblue keseluruhan samel pada

berbagai derajat sosoh beras R-64 ... 35

Tabel 9. Selang nilai indeks RGB pada berbagai derajat sosoh beras

R-64 . . . .. . . 35

Tabel 10. Nilai rata-rata

ld.lgen.

dan [blue keseIuruhan samel pada

berbagai derajat sosoh beras Membramo ... 37

Tabel 11. Selang nilai indeks RGB pada berbagai derajat sosoh heras

Membramo ... 38

Tabel 12. Nilai rata-rata HSI keseluruhan sampel pada berbagai derajat sosoh beras IR-64 ... 39

Tabel \3. Selang nilai HSI pada berbagai derajat sosoh beras R-64 ... 40

Tael 14. Nilai rata-raa HSI keseluruhan sampel pada berbagai derajat sosoh beras Membrno ... 42

Tae1 15. Selaug nilai HSI pada berbagai derajat sosoh beras Membramo ... 42

Tabel 1 6. Hasil dugaan data raining AN pada berbagai derajat sosoh

beras R-64 ... ... 44

Tabel 17. Akurasi training AN pada berbagai derajat sosoh eras

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(27)

(28)

(29)

(30)

(31)

(32)

(33)

(34)

(35)

(36)

(37)

(38)

(39)

(40)

(41)

(42)

(43)

(44)

(45)

(46)

(47)

(48)

(49)

(50)

(51)

(52)

(53)

(54)

(55)

(56)

(57)

(58)

(59)

(60)

(61)

(62)

(63)

(64)

(65)

(66)

(67)

(68)

(69)

(70)

(71)

(72)

(73)

(74)

(75)

(76)

(77)

(78)

(79)

(80)

(81)

(82)

(83)

(84)

(85)