PENGEMBANGAN METODE ANALISA DERAJAT SOSOH BERAS DENGAN PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN
. . ,
�'-OI!£II',
.
i
R. NOVIEI!A YVARAHNUR . " - � F01499101 2003JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
R
NOVIE NAYYARAH
NURFOl499l01.
Pengembangan Metode Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan. Di bawahbimbingan: Setyo Pertiwi dan I �ayan Astika.
2003.
' . , •
RINGKASAN
Akhir-akhir ini sering dipennasalahkan adanya kasus-kasus beras kuaIitas rendab, beras
tua,
beras turun mutu, dan beras rusak selama penyimpanan eli gudang.Kasus beras berkualitas rendah pada umumnya teryaeli
pada
beras pengadaan yang nantinya akan berkelanjutan menjadi beras turun mutu dan kemudian cenderung menjadi berasrusak.
Kasus-kasus beras tua atau heras yang meoua selamapenyimpanan dapat teryaeli baik pada pengadaan dalam negeri maupun beras import yang pada umumnya alchir-alchir ini disimpan di gudang lebih dari enam bulan, yang nantinya cenderung menjadi turun mutu (Yudawinata,
1982).
Saat ini inspeksi mutu hems dilakukan oleh tenaga inspektor yang telah berpengalaman. Metoda yang dipakai adalab mengambil sedikit sampel beras
dan
dalam karung untuk kemudian di'amati secara visual. Deogan pengalamannya inspektor clapat menentukan apakah sampel tersebut dapat diterima atau tidak ke dalam suatu' grade tertentu. Deogan latar belakang tersebut, penelitian ini dirancang dengan tujuan membangun perangkat kecerdasan buatan (berbasis komputer) untuk menggantikan fungsi inspektor dalam melakukan inspeksi mutu beras. Perkembangan sistem pengolahan citra memungkinkan dilakukan penentuan derajat sosoh beras dengan melakukan pengukuran secara tidak langsung.
Penelitian ini bertujuan untuk mengembangkan metoda analisa derajat sosoh beras. Tujuan khususnya adalah menyusun algoritma pengolahan citra untuk memperoleh nilai parameter-parameter yang mencerminkan derajat sosoh beras, yaitu nilai rata-rata intensitas warna merah (R rata-rata), nilai rata-rata intensitas
warna hijau (G rata-rata), nilOO rata-rata intensitas warna bim (B rata-rata), nHai rata
rata RGB
(CV
rata-rata), nilai rata-rata indeks wama merah(Ired
rata-rata), nilai rata rata indeks warna hijau (!ween rata-rata), nilai rata-rata indeks wama bim(Ib1ue
ratarata), nilai rata-rata indeks
Hue (H
rata-rata), nilai rata-rataSaturation
(S rata-rata), dan nHai rata-rataIntensity
(I rata-rata). Penilaian dilakukan secara visual buatan dengan pengoJahan citra(image processing)
yang dikembangkan menggunakan jaringan saraf timan(artifiCial neural network=ANN),
kemudian dibandingkan dengan hasil analisa derajat sosoh contoh sampel yang telah diwamai dengan larutao May Gmenward.Borasio
(1979)
mengembangkan teknik pewamaan dengan larutan MayGruenward. Pewamaan dengan larutan ini menyebabkan bagian kulit an sebelah luar menjadi berwarna hijau, bagian kulit ari sebelah dalam menjadi berwarna bim, sedangkan endosperm menjadi berwama merah jambu. Djasmin, S
(1986)
mengembangkan metode analisa derajat sosoh beras dengan piringan warna standar.
Beras standar yang telah diwarnai dengan lamtan May Gruenward diputar dengan
kecepatan yang cukup tinggi dan membentuk warna yang homogen. Piringan warna
standar dibuat dari berbagai kertas wama. Dengan metode tersebut maka penentuan derajat sosoh beras cukup dilakukan pengukuran satuan warnanya menggunakan
CDC (Color Difference Computer) alau dengan membandingkan
warnanyadengan
wama piringan standar yang dibuat.
Penelitian ini dilakukan pada Bulan Maret-September
2003.Pelll!l'l1lbangan
sistem komputer dilakukan di Lab. Sistem dan Manajemen Mekanisasi Pertanian,
Jurusan Teknik Pertanian, IPB. Penggilingan padi dan penentuan deajat sosoh
dilakukan di Balai Penelitian dan Pengemhangan BULOG, Tambun. SedoIIgkan uji
validasi derajat sosoh dengan larutan May Gruenwald dilakukan di
Lab.Kimia
Analitik. Jurusan Kimia, IPB.
Baban yang digunakan adalah gabah dari dua varietas, yaitu
1R-64dan
Membramo. Kedua varietas gabah diperoleh dan Kebun Percobaan Muara. Bogor.
Gabah tersebut digiling terlebih dahulu menjadi bems sosoh dengan bebempa derajat
sosoh. Peralatan yang digunakan untuk pengolahan citra adalab kamela digital
merek Fuji Fine Pix
A203.seperangkat komputer, lampu merek Phillips, styrofoam,
dan
sebagai perangkat lunaknya adalah Microsoft Visual Basic
6.0 danWmdows XP
Professional
2002.Perangkat kerns yang digunakan adalab perangkat komputcr
dengan processor Pentium
III 996 Mhz, RAM(Random Access Memory)
128 MB.Peralatan lain yang digunakan adalah mesin analisa gabah
3in
I Type IR-3,Illuminance meter merek Minolta untuk mengukur intensitas cahaya, mixer divider
merek Tsukasa Co. LTD, timbangan merek Ohaus, pengukur kadar air beras merek
Kett Global PM-400 Ina.
Gabah diproses terlebih dahulu dengan mesin analisa gabah yang memiliki
tiga fungsi sekaligus, yaitu pemisahan gabah dengan gabah hampa dan kotoran,
pengelupasan sekamlpembuatan bems pecab kulit,
danpenyosohalL
Untuk
memperoleh DS (derajat 5Osoh)
80%, 85%, 90%. 95%,dan
100%,timer
diatur
untuk
5detik,
10detik,
15detik,
20detik, dan
25detik. Pengambilan citra dilakukan
dengan menggunakan kamera digital. Beras ditempatkan secara acak. namun tidak:
ada yang hersentuhan mengingat citra akan memproses objek satu per
satu.Citra
wama terlebih dahulu diubah menjadi citra biner untuk membedakan
antaraobyek
dan latar belakang. Setelah proses thresholding, dilakukan penghitungan beberapa
parameter yang hasilnya disimpan dalam sebuah file text dengan extention
•.txt pada
notepad untuk kemudian digunakan sebagai data pada proses training
ANN.Model ANN yang digunakan terdiri dari tiga layer, yaitu input layer, hidden
layer, dan output layer.
Noda pada input layer merupakan data-data numerik yang
dihasilkan dari program image processing dan noda pada output layer adalah derajat
sosoh heras sebagai basil pendugaan jaringan. Sepuluh parameter yang menjadi
input adalah
Rrata-rata, G rata-rata, B rata-rata, CV rata-rata, Ired rata-rata, Iweenrata
rata,
Iblue
rata-rata, H rata-rata, S rata-rata, dan
I
rata-rata. Sedangkan enam
parameter yang menjadi output adalah PK, OS
80%.DS
85%.DS
90%,DS
95%.dan
DS
100%.Training
ANNdilakukan sampai tingkat akurasi pendugaan terhadap
training
set stabil. Pacla proses training akan dipilih hobot akurasi terbaik untuk
digunakan dalam uji validasi. Hasil pendugaan sampel yang telab diuji dibandingkan
dengan hasil pewamaan dengan larutan May Gruenward.
Hasil pengolahan citra untuk beras
IR-64rnenunjukkan bahwa
secaragaris
hesar nilai
Rrata-rata
danG 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
Ired rata-rata terkecil. Nilai Igreen rata-rata terkecil terdapat pada heras dengan derajat
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 rata-rata PK
< DS 80% < DS 85% < DS 90% < DS 95% < DS 100%). Namun jika dilihat data
per butir bems. tidak ada kisaran nilai yang
khas
antara masing-masing derajat sosoh.HasH pengolahan citra untuk beras Membramo menunjukkan bahwa secara garis besar nilai R rata-rata, dan G rata-rata PK < DS 80% < DS 85% < DS 90% <
DS 100% < DS 95%. Nilai
B
rata-rata danCV
rata-rata semakin besar denganmeningkatnya DS
(B
rata-rata danCV
rata-rata PK < DS 80% < DS 85% < DS 90% < DS 95% < DS 100%). NilaiI""
rata-rata semakin kecil dengan meningkatnya DS(I""
rata-rata PK > DS 80% > DS 85% > DS 90% > DS 95% > DS 100%). NilaiIgreen
rata-rata DS 80% > PK > DS 85% > DS 90% > DS 95% > DS 100%. NilaiIbluc
semakin besar dengan meningkatnya DS
(.4,lue
rata-rata PK < DS 80% < OS 85% <DS 90% < DS 95% < DS 100%). Nilai S rata-rata dan
1
rata-rata PK < DS 80% <DS 85% < DS 90% < DS 100% < DS 95%. Sedangkan nilai H rata-rata semakin
besar dengan meningkatnya DS (H rata-rata PK < DS 80'% < DS 85% < DS 90"10 <
DS 95% < DS 100%). Seperti halnya beras IR-64, jika dilihat data per bulir beras
tidak ada kisaran nilai yang
khas
aotara masing-masing derajat sosoh.Akurasi pendugaan ANN terhadap data
training
beras 1R-64 mencapai 45.46% (persentase error pendugaan 54.54%). Akurasi pendugaan ANN terhadap datatraining
beras Memhmmo mencapai 55.35 % (persentase error pendugaan 44.65%). Secara keseluruhan data validasi bems IR-64 yang berhasil menduga sebanyak 63 dari 304 data (akurasi pendugaan 20.73%). Sedangkan untuk beras Membramo secara keseluruhan data validasi yang berhasiI menduga sebanyak 117 dari 300 data (akurasi pendugaan 39%). Hasil validasi ini belum menunjukkan pola pendugaan 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 sarna keputihannya. Selain itu hasil penyosohan tidak merata, ada beras yang tersosoh dengan baik dan ada yang tidak. Hal tersebut diperkuat dengan hasil pewarnaan beras dengan larutan May Gruenward. Sampel beras sosoh dengan DS 100% tidak semuanya berwam
a merah jambu (seluruh lapisan kulit an telahterlepas), terdapat pula beras dalarn derajat sosoh lain. Hal yang sarna juga terjadi pada sampel beras dengan DS 80%, DS 85%, DS 90%, dan DS 95%.
Kesimpulan dad penelitian ini adalah metode yang dikembangkan belum dapat menganalisa derajat sosoh dengan tepat. Parameter-parameter yang digunakan kurang dapat mencenninkan derajat sosoh beras per butir. Namun jika dianalisa per sampel ada beberapa parameter yang dapat mencenninkan derajat soso� yaitu
Hue
dan indeks
wama
biru untuk varietas IR-64. Sedangkan pada sampel berasMembramo nilai rata-rata parameter untuk keseluruhan sampel yang dapat mencenninkan derajat sosoh adalah
B, CV, Ired, Ib1ue,
danHue.
Pada penelitian lebih lanjut, sebaiknya beras yang dianalisa adalah beras per sampel karena hasil penyosohan setiap butir tidak merata, ada pennukaan butir beras yang tersosoh dengan baik dan ada yang tidak. Penelilian Iebih lanjut juga dapat dilakukan dengan menggunakan input dari parameter yang telah dapat mencerminkan derajat sosoh.INSTITVT PERTANIAN BOGOR FAKULTAS TEKNOLOGI 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
28Juni
1981di Bandung
Tanggal lulus: Nopember
2003.
�
ye!ujui,
�
<
�
;;
'
;
1\i
�;.,
cit
ber
2003+ �� '.
'I �A
•"
t
<tr: '� \�\�g
.··�'�/b:::::::::::?'--""�.""�-'/
Dr. If. Set yo Pertiwi. MA
dt
\
(),
, i
Dr. If. I Wayan Astika, M.Si
�"\ , .,Dosen Pembimbing I
<'.,...'''
Dosen Pembimbing II
RIWAYAT HIDUP
Penulis bemama lengkap
R.Novie Nayyarah Nur, dilabirkan di Bandung,
28JUDi 1981.
Penulis merupakan anak kedua dari empat bersaudara dengan ayah
bernama
R.Munirul Islam dan ibu bemama
R.Aini Nurhayati.
Pada tabun 1993 penulis menyelesaikan pendidikan dasar di Sekolab Dasar
Negeri
167Palembang. Penulis kemudian melanjutkan pendidikan di Sekolab
Lanjutan Tingkat Pertama Negeri
3Tanjung Karang, Lampung dan lulus tabun
1996.Penulis kemudian melanjutkan ke Sekolah Menengah Atas Negeri
5Bogor dan lolus
pada tabun
1999.Pada tahun 1999, melalui Undangan Seleksi Masuk IPB (USMl), penulis
diterima di Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Institut
Pertanian Bogor. Penulis menyelesaikan program Sarjana pada tahun
2003.Selama menempuh pendidikan di IPB, penulis terdaftar di Himpunan
Mabasiswa Teknik Pertanian (HIMATETA) dan alctif mengikuti kegiatan
kemahasis
waan.
PenuIis terdaftar sebagai anggota Intematonal Assosiation of
Agricultural Student (IAAS) dan aktif mengikuti kegiatan selama tabun
2000-2001.Penulis pernah menjadi asisten dosen untuk mata kuliah Penerapan Komputer pada
tahun
2003.Penulis melaksanakan praktek lapang di PT
lORO,Bandung dengan topik
Aspek Keteknikan pada Budidaya Tanamsn Paprika di PT. JORO Bandung.
Selanjutnya penulis melakukan penelitian dengan topik
Pengembangan Metode Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan.KATA PENGANTAR
AlhamduliIlah, segala puji dan syukur bagi Allah swt. karena berkal karunia Nya penulis dapat menyelesaikan skripsi ini. Loa
haula walaa quwwata ilia bil/ah,
liada kekuatan dan daya upaya melainkan dari Allah. Penelilian mengenai ANN menyadarkan penulis betapa segala sesualu ciptaan Allah jaub lebih cepal, lebih akurat, dan lebih sempuma,
masya Allah.
Skripsi ini khusus penulis persembahkan untuk keluarga tercinta Penulis juga mengucapkan terima kasih kepada :I . Dr. Ir. Setyo Pertiwi, MAgr selaku dosen pembimbing akademik yang lelah membimbing, baik selama perkuliahan maupun dalam pembuatan skripsi.
2. Dr. Jr. J Wayan Aslika, MSi dan Jr. Mohammad Solahudin, Msi unluk segala bimbingan
dan
saran selama penelitian dan penyusunan skripsi.3. Dr.
Ir.
Suroso, MAgr selaku dosen penguji skripsi atas kesediaan dan masukannya.4.
Ir. Abdul Waris Paliwiri, MBA dari BULOG yang lelah memberi IJIn penggunaan fasilitas BULOG.5. Ir. Erman Aziz, MSc, If. Rochman, dan Mas Rudi di Balai Penelitian dan Pengembangan BULOG, Tambun, Bekasi, yang lelah membanlu dalam peneJitian.
6. Dr. Ir. Latifah dan Bu Nunung dari Lab. Kimia Analitik yang memberi ijin penggunaan fasilitas lab dan membantu dalam pembuatan larutan untuk uji validasi.
Bogor, November 2003 Penulis
DAFTARISI
Hal
KATA PENGANTAR
. ..
. . . ..
. . . .. . . ..
. . . ...
. ..
. . . . ..
..
. . . ..
. . . IIIDAFTAR TABEL
. . ..
. . . ..
. . . ..
. . . . ..
. . ..
. . . ..
. . . ..
. . ...
. . ..
. . . ..
. . . VIDAFTAR GAMBAR
...
. . . ..
. ...
. . . ..
. . . ..
. . . ..
. . . ..
. . . VIIDAFTAR LAMPIRAN
. . . ..
. . . . ..
..
. . . . ..
. . . ..
. ..
..
. . . ..
. . . IXI. PENDAHULUAN .
. . . ..
. . ..
. . . ..
. . . ..
. . . ..
. . . ....
..
...
. . . ..
...
. . . ..
. ..
. . . . ..
. 1A
LATAR BELAKANG ... ... ...
. BTUJUAN ...
. ... 3II.
TINJAUAN PUSTAKA ... ...
. AMUTU BERAS ... ... .
4 41. Umum
. . . .. . .4
2��b�
5
B. JARINGAN SARAF TIRUAN
. . . ..
... ... 8C.WARNA
. . . ..
. . . ..
..
..
. . ...
. . . . ..
..
. . . ..
. . . ..
. . . . ....
. . ...
..
. . . .....
. . ..
. . ...
. ..
. . . 11D. PENGOLAHAN CITRA
.... ... ...
12
lII. METODE PENELITIAN ... ... ... ... .
15A
TEMPAT DAN WAKTU ... ... 15
B. BAHAN DAN ALAT ... ... 15
C. TATA LAKSANA...
18I.
Penggilingan dan Penentuan Derajat Sosoh Becas
... ... 182.
Pengambilan dan Pengolahan Citra
. . . ..
..
..
. . . ..
...
. . . ..
. . ...
193.
Penyusunan Program Jaringan SarafTiruan (ANN)
. . ..
. . . ..
. ...
.. 21
4. Uji Validasi
. . . ..
..
..
. . . ..
. ..
. . . .. . . ..
..
.....
. . ...
. . . . ..
. . . ...
..
. ..
24IV. HASILDAN PEMBAHASAN . . . . .. . . .. . . ... . . 25
A. SAMPEL BERAS . . .... ... .... ... .... .... ... ... .... ... .... ... ... ... 25
B. PENGOLAHAN CITRA BERAS SOSOH . . . 25
I. Karakteristik Nilai RGB . . . 27
2. Karakteristik Indeks RGB . . . .. . . .. . . 33
3. Karakteristik Nilai HSI . . . .. . . .. . .
38
C. PELATIHAN JARINGAN SARAF TIRUAN
(TRAINING ANN)
. . . 43I.
Training
ANN beras IR -64 ... 442.
Training
ANNheras
Membramo . . . 45D. V ALIDASI JA.RINGAN SARAF TIRUAN . . . .. . . 47
V. KESIMPULAN DAN SARAN . . . .. . . .. . . 49
A. KESIMPULAN ... 49
B. SARAN . . . .. . . .. . . 50
DAFTARPUSTAKA .. . . 51
LAMPIRAN . . . .. . . 5
3
DAFTAR TABEL
Hal Tabel I. Persyaratan kualitas beras pengadaan dalam negeri tahun 2003... 2
Tabel2. Hasil pengukurau berat katu!... 19
Tabel 3. Kondisi setting peralatan pengambilan citra ... 20
Tabel4. Nilai rata-rata RGB keseluruhan sampel pada berbagai derajat
sosoh beras IR-64 ... 29
Tabel5. Selaug nilai RGB pada berbagai derajat sosoh beras IR-64 ... 30
Tabel 6. Nilai rata-rata RGB keseluruban sampel pada berbagai derajat
sosoh heras Membramo ... 33
Tabel 7. Selaug nilai RGB pada berbagai derajat sosoh beras Membramo ... 33
Tabe! 8. Nilai rata-rata
Ired.
Igreen. dan Iblue keseluruhan sampel padaberbagai derajat sosoh beras IR-64 ... 35
Tabel 9. Selang nilai indeks RGB pada berbagai derajat sosoh beras
IR-64 . . . .. . . 35
Tabel 10. Nilai rata-rata
lred.lgreen.
dan [blue keseIuruhan sampel padaberbagai 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 IR-64 ... 40
Tabel 14. Nilai rata-rata HSI keseluruhan sampel pada berbagai derajat sosoh beras Membrarno ... 42
Tabe1 15. Selaug nilai HSI pada berbagai derajat sosoh beras Membramo ... 42
Tabel 1 6. Hasil dugaan data training ANN pada berbagai derajat sosoh
beras IR-64 ... ... 44
Tabel 17. Akurasi training ANN pada berbagai derajat sosoh beras
Membramo ... 4 6