PENGENALAN BUTIRAN BERAS MENGAPUR DAN KUNINGIRUSAK DENGAN MENGGUNAKAN PENGOLAHAN CITRA
DAN JARINGAN SARAF TIRUAN
OLEH:
PUTRI LESTA PRAMESTI F01499094
2003
JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOWGI PERTANIAN
PENGENALAN BUTIRAN BERAS MENGAPUR DAN KUNINGIRUSAK DENGAN MENGGUNAKAN PENGOLAHAN CITRA DAN
JARINGAN SARAF TIRUAN
Oleh:
PUTRI LESTA PRAMESTI FOl499094
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pacia Jurusan Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
2003
JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
PUTRI LEST A PRAMESTl Pengenalan Butiran Beras Mengapur dan
KuningIRusak dengan Menggunakan Pengolahan Citra dan Jaringan Saraf Tiruan. Oi bawah bimbingan : Kudang Boro Seminar dan 1 Wayan Astika. 2003.
RINGKASAN
Salah satu masalah dalam dunia perberasan nasional adalah penentuan mutu beras. Standar mutu yang berlaku di pasar umumnya didasarkan pada karakteristik fisik buttr beras dan penampakan biji beras yang mempunyai hubungan dengan preferensi dan perbedaan harga yang jelas. Parameter yang digunakan untuk menentukan mutu beras tersebut yaitu kadar air, derajat sosoh, butir utuh, butir patah, butir menir, butir hijaulkapur, buttr kuninglrusak, benda asing, butir merah dan butir gabah. Dengan mengetahui kandungan butir mengapur dan kuninglrusak yang terdapat dalam suatu sampeJ beras maka dapat menenrukan mutu beras seeara fisik dan menggolongkannya ke dalam tingkat kelas tertentu.
Berdasarkan SKB Bulog-Deptan tahun 2003, butir kuning adalah butir beras
utuh, kepala, patah dan menir yang berwarna kuning, klming kecoklat-cok1atan atau kekuning-kuningan (kuning semu). Butir rusak adalah Butir beras utuh, kepala, patah dan menir yang msak dan bembah warna karena air, hamalpenyakit, panas dan sebab-sebab lain. Beras yang berbintik keei I tunggal yang tidak potensial (kemungkinan tidak menjadi rusak) tidak termasuk butir rusal. Butir mengapur adalah Butir beras yang separoh bagiannya atau lebih berwarna putih seperti kapur (chalky) dan bertekstur lunak
Penelitian ini bertujuan untuk meneari nilai numerik dari sepuluh parameter yang mencerminkan penampakan seeara fisik pada jenis butiran beras, yaitu intensitas komponen warna merah (R), intensitas komponen warna hijau (G), intensitas komponen warna bim, color value, indeks R, indeks G, indeks B, corak (hue), kejenuhan (saturation), dan intensitas (intensity). Berdasarkan parameter parameter tersebut kemudian dikembangkan model jarmgan saraf tiruan untuk mendapatkan komposisi beras normal, mengapur, dan kuninglrusak
Kegiatan penelitian ini dilakukan di Laboratorium Sistem Manajemen dan Mekanisasi Pertanian, Jurusan Teknik Pertanian, Insitut Pertanian Bogar. Penggilingan padi dilakukan di Laboratorium Balai Penelitian dan Pengembangan BULOG Tambun, Bekasi. Waktu penelitian adalah selama lima bulan dari bulan Mei sampai dengan bulan September 2003
Contoh padi diperoleh dari Balai Penelitian Tanaman Padi (Inlitpa Muara) Bogor sebanyak sepuluh varietas dengan berat tiap-tiap varietas satu kilogram. Kesepuluh varietas tersebut adalah Batang Gadis, Membramo, IR 64, Sintanur, Widas, Cimelati, Ciherang, Way Seputih, Cisadane, dan Gilirang_ Padi tersebut kemudian mengalami proses penggilingan menjadi beras dengan derajat sosoh 95%.
Kegiatan penyiapan sampel ini menggunakan alat Moisture Tester, Grain Analys Tester, Sampel devider, timbangan Triple Heam Balance merek OHAUS, ayakan menir, Indented Plate, pinset, kaca pembesar, cawan petri, dan penyiduk. Pada kegiatan pengambilan citra digunabn kamera digit:-!-!:!-erek Fuji model Fine Pix A203, empat buah lampu TL 5 watt, dan Illuminance Meter merek Minoha tipe T
IH. Pada pengolahan citra dan pendugaan jenis butiran beras digunakan seperangkat komputer sebagai perangkat keras, sementara perangkat lunaknya adalah sistem
operasi Windows 98, bahasa pemograman Visual Basic 6.0, Adobe Photoshop 6.0,
Notepad, dan WordPad.
Setelah padi digiling dan disosoh menjadi beras, diambil 100 gram untuk
dilakukan analisa butir mengapur dan kuninglrusak. Analisa diawali dengan pemisahan antara butir utuh, butir patah besar, butir patah, dan menir (butir normal). Analisa butir mengapur dilakukan dari kelompok butir patah besar, patah, dan menir. Sementara butir kuninglrusak dianalisa dari seluruh kelompok ukuran beras dari butir utuh sampai menir. Secara visual butir yang mengandung bagian
mengapur diatas 50% dari total luas butirannya tergolong mengapur, Butiran yang
sudah dikelompokkan tersebut kemudian dianalisa kembali secara visual dengan bantuan pinset, kaca pembesar dan cawan petri.
Pengambilan citra beras dilakukan pada ketinggian 2 0 em di atas objek dengan
resolusi citra 480 x 640. Sampe\ beras diletakkan di atas kertas berwarna merah
Beras diletakkan secara acak dan tidak tumpang tindih antara satu butir dengan yang lainnya sehingga memudahkan xomputer mengenali butir demi butir. Kemudian gambar atau citranya diambil dengan menggunakan kamera digital dan disimpan
pada. file gambar berformat JPEG Program pengolahan citra beras yang digunakan
merupakan program dengan bahasa pemograman Visual Basic 6,0. Program ini
berfungsi untuk mendapatkan data-data numerik dari citra yang berupa parameter
intensitas komponen warna merah (R). hijau (G), biro (B), color value, indeks warna
merahfindeks R, indeks warna hijaulindeks G, indeks wama birulindeks B, corak
(hue), kejenuhan (saturation), dan intensitas (intensity),
Hasil pendugaan pada training set memiliki akurasi yang baik Tingkat akurasi
pendugaan terhadap training set mencapai 74.5 0%, masing-masing untuk piksel
normal mencapai 52.33%, piksel kapur mencapai 74.60%, dan piksel kuninglrusak
mencapai 93.43%. Tingkat akurasi pendugaan terhadap validasi set butiran sejenis
mencapai 94.0�/o, dengan tingkat akurasi pada butir nonnal mencapai 91 .25%, butir
kapur mencapai 98%, dan butir kuninglrusak mencapai 90%. Rendahnya akurasi
pada butir normal kemungkinan disebabkan oleh adanya beberapa butir normal dari varietas tertentu, dalam hal ini Cisadane dan Sintanur, yang memiliki komposisi warna yang hampir menyerupai butir kapumya. Oleh karena itu, jaringan saraftiruan tidak bisa menduga jenis butiran beras dengan benar. Sedangkan tingkat akurasi
pendugaan terhadap validasi set butiran campuran mencapai 100%, dengan tingkat
akurasi pada butir normal mencapai 100%, butir kapur mencapai 1 00%, dan butir
INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOWGI PERTANIAN
PENGENALAN ·BUTIRAN BERAS MENGAPUR DAN KUNINGIRUSAK DENGAN MENGGUNAKAN PENGOLAHAN CITRA DAN
JARINGAN SARAF TIRUAN
SKRIPSI
Sebagai salah satu syarat untuk memperoleh geJar SARJANA TEKNOLOGI PERTANIAN
Pada Jurusan Teknik Pt:rtanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleb:
PUTRI LESTA PRAMESTI F01499094
Dilahirkan pada tanggal 26 Agustus 1980 Di Cirebon
Tangg.llulu,· 2 1 Oktober 2003
. ,
RIWAYAT HIDUP
Pei1Ulis bernama lengkap Putri Lesta Pramesti, dilahirkan di Cirebon, 26 Agustus 1980 dan merupakan aoak keempat dari empat bersaudara dengan ayah bernama Octing Suprijadi, SH dan ibu bernama Endang Lestari.
Pada tahun 1 993 penulis menyelesaikan pendidikan dasar di Sekolah Dasar Negeri 01 , Jakarta Timur. Penulis kemudian meianjutkan pendidikan Sekolah Lanjutan Tingkat Pertama 194, Duren Sawit, Jakarta Timur dan lulus tahun 1996. Kemudian melanjutkan ke Sekolah Lanjutan Menengah Atas di Sekolah Indonesia Islamabad Pakistan dan lulus tahun 1999.
Pada tahun 1999, melalui Undangan Seleksi Masuk IPS (USMI), penulis diterima di Jurusan Teknik Pertanian, Institut Pertanian Bogar dan menyelsaikan pendidikan program Sarjana pada tahun 2003.
Penulis melaksanakan praktek lapang di PTPN. VIII Perkebunan Gunung Mas, jawa Barat dengan topik Sistem Manajemen Produksi Teh Hitam CTC di PTPN VIII. Perkebuna_n Gunung Mas, Jawli Barat. Selanjutnya penulis melakukan penelitian dengan topik Pengenalan Butiran Beras Mengapur dan KuninglRusak dengan menggunakan Pengolahan Citra dan Jaringan SarafTiruan.
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT atas rahmat dan hidayat-Nya sehingga Penulis dapat menyelesaikan hasil penelitian dan studi pustaka yang dilakukan dari mulai bulan Mei sampai dengan bulan September. Penulis ingin mengucapkan terima kasih kepada :
1 Dr. Ir. Kudang Boro Seminar, M,Sc. selaku pembimbing akademik yang telah memberikan banyak pengarahan dan semangat dalam penyusunan skripsi ini.
2. Dr. Ir. I Wayan Astika, M,Si. selaku dosen pembimbing kedua, karena beliau telab mernberikan kesempatan kepada Penulis uotuk melakukan penelitian ini dan memberikan bimbingan seJama penyusunan skripsi ini.
3. Dr. If. Suroso, M.Agr. selaku dosen penguji skripsi.
4. Ir. Abdul Waries Patiwiri, JvffiA dari BULOG.
S Ir. Erman Aziz, M.Sc., Bapak Rahman Sugiyanto, dan Mas Rudi di Balai Peneltian dan Pengembangan BULOG, Tambun, Bekasi yang telah banyak membantu dalam pelaksanaan peneltian.
6. Bapak Gozali yang telah memberikan banyak bantuan selama penelitian.
7. Program peneltian Due-Like yang telah membiayai penelitian.
Penulis menyadari bahwa masih banyak kekurangan dal�1Jl penyusunan skripsi ini, oleh karena itu kritik dan saran yang membangun sangat diharapkan.
Bogar, Desember 2003
Penulis
DAFfARISI
KATA PENGANTAR ... ... v
DAFTAR lSI ... ... VII DAFTAR TABEL ... . . ... IX DAFTAR GAMBAR ... ... X DAFT AR LAMPIRAN ... xi I. PENDAHULUAN ... . A. LATAR BELAKANG ... . B. TUJUAN ... 2
II. TINJAUAN PUSTAKA ... 3
A. BERAS ... . . ... 3
1 . Mutu Beras ... ... . 3
2. Butir Mengapur ... 4
3. Butir KuningIRusak ... 7
B. PENGOLAHAN CITRA ... ... 7
C. JARINGAN SARAF TIRUAN ... .11
D. APUKASI PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN DALAM BIDANG PERTANIAN ... 13
III. METODOLOGI PENELITIAN ... . 16
A.WAKTU DAN TEMPAT ... 16
B. BAHAN DAN ALA T ... ... . ... ... 16
C. METODOLOGI PENELITIAN ... .... 21
I. Penyiapan Sampel Beras ... ... . . . ... 21
2. Penelitian Pendahuluan ... . ... 24
3. Pengolahan Citra Beras . ... ... . . . . ... . . . . ... 25
a. Pengukuran Parameter RGB dan Color Value ... 25
b Pengukuran Parameter Indeks R, Indeks G, dan Indeks B ... 25
c. Pe�gukuran Parameter HSI ;... ... ... 26
4. Data pada Proses Pelatihan (Training)... 27
5. Penyusunan Model dan Training Jaringan SarafTiruan ... ... . 27
6. Validasi Model Jaringan SarafTiruan ... 30
IV. HASIL DAN PEMBAHASAN ... ... ... 31
A. PENGOLAHAN CITRA BERAS ... 31
B. KARAKTER!STIK CITRA BERAS . . . ... . . ... 31
I. Karakteristik Nilai RGB dan C% r Value ... . ... . . ... ... 33
2. Karakteristik Nilai Indeks R, Indeks G, dan Indeks B ... 37
3. Karakteristik Nilai HSI ... ... . . ... 39
C. PROSES TRAINING FADA JARINGAN SARAF T1RUAN ... 41
D. DATA PADAVALIDASI ... 44
E. PROSES PENDUGAAN OLEH JARINGAN SARAF T1RUAN ... ... 45
F. KELEBIHAN DAN KELEMAHAN SISTEM ... :... 47
I. Kelebihan sistem ... . . ... 47
2 . Kelemahan Sistem ... . ... 47
V. K ESIMPULAN DAN SARAN ... ... ... 48
DAFT AR PUSTAKA ... . ... 49
LAMPIRAN ... ... 51
DAFTAR TABEL
Tabel 1 . Persyaratan khusus kualitas heras untuk pengadaan dalam
negeri tahun 2003 ... ,' 4
Tabel 2. Model warna .... , ... ,... II Tabel3. Perangkat Lunak Komputer ... 17
Tabel 4 . Alat-alat penyiapan samf:lel heras ... 17
Tabel 5. Alat-alat dalam pengambilan dan pengolahan citra ... 20
Tabel 6. Analisa kadar air gabah dan heras ... 22
Tabel 7. Pengaturan peralatan dalam pengambilan citra beras ... 24
Tabel 8. Nilai sebaran intensitas komponen wama merah (R) pada butir normal, kapur, dan kuninglrusak ... ,... 34
Tabel 9. Nilai sebaran intensitas komponen wama hijau (G) pada butir normal, kapur, dan kuninglrusak ... 35
Tabel 10. Nilai sebaran intensitas komponen wama biru (8) pada butir normal, kapur, dan kuninglrusak ... 36
Tabel II. Nilai sebaran color value pada butir normal, kapur, dan kuninglrusak... 37
Tabel12. Nilai sebaran indeks R pada butir nonnal, kapur, dan kuninglrusak ... :... 37
Tabel 13. Nilai sebaran indeks G pada butir normal, kapur, dan kuninglrusak ... 38
Tabel 14. Nilai sebaran indeks 8 pada butir normal, kapur, dan kuninglrusak ... 39
Tabel 15. Nilai sebaran hue pada butir nonnal, kapur, dan kuninglrusak 40 Tabel 16. Nilai sebaran saturation pada butir nonnal, kapur, dan kuninglrusak ... ,... 40
Tabel 17. Nilai sebaran intensity pada butir normal, kapur, dan kuninglrusak ... 41
Tabel18. Hasil pendugaanjenis butiran beras dengan jaringan saraf tiruan pada proses training ... ... ... ... 4 4 Tabel 19. Hasil pendugaan jenis butiran beras dengan menggunakan jaringan saraftiruan pada validasi set butiran sejenis ... 45 Tabel 20. Hasil pendugaan jenis butiran beras dengan menggunakan
jaringan saraftiruan pada validasi set butiran campuran ... 4 5 Tabel 21. Konversi hasil pendugaan pada validasi set ke dalam satuan
berat (gram) ... ... ... ... ... 4 7
