Bab III
Analisis Awal
III.1. Teknik Pengambilan Gambar III.1.1. Lingkungan
Pengambilan
Gambar
Terkontrol
kontra
Tidak
Terkontrol Kontrol kualitas pengambilan citra dapat dilakukan pada dua tahap, mengatur lingkungan pengambilan citra ke dalam bentuk yang lebih mudah diukur dan atau melakukan perbaikan citra pasca pengambilan citra tersebut.
Pengaturan kondisi lingkungan citra dapat dilakukan dalam media terbatas terkontrol tertutup. Dengan pengaturan media tersebut, banyak tahapan dan parameter ukur pada citra yang dapat disederhanakan, seperti, bila telah diketahui bahwa wilayah latar memiliki warna tertentu, setiap objek dalam citra yang tidak dalam rentang warna tersebut merupakan objek di atas latar tersebut.
Pada pengambilan gambar dengan lingkungan yang tidak dikontrol akan memberikan beban tambahan kepada sistem meliputi tahapan untuk memastikan bahwa objek yang akan diekstrak dari citra merupakan objek yang diinginkan dan pengaturan tingkat kualitas citra agar sesuai dengan yang diinginkan.
Pemilihan metode pengambilan gambar terkontrol dimaksudkan agar pengaturan mutu pengolahan citra dapat dilakukan pada tahap yang sedini mungkin; bila mutu citra yang direkam ke dalam sistem dapat dijaga, maka kebutuhan akan pengolahan untuk penguatan kualitas citra dapat diminimasi. Pengaturan lingkungan yang dapat dilakukan meliputi memilih latar belakang yang mudah dibedakan dari objek dan pengaturan pencahayaan untuk mendapatkan citra yang ideal.
29
III.1.2. Pemilihan Latar Belakang Beberapa tujuan pengaturan latar belakang dari pengambilan citra adalah sebagai berikut. Latar belakang yang memiliki rentang warna yang diketahui akan lebih mudah dibedakan dengan objek yang akan diekstraksi dari citra; suatu wilayah yang ditempati selain rentang warna yang telah ditemukan adalah wilayah citra yang ditempati oleh objek.
Tujuan lain yang dapat dicapai adalah bahwa latar belakang yang baik seharusnya tidak terlalu banyak memantulkan atau pun menyerap citra. Ia memiliki rentang warna yang homogen sehingga dapat menyederhanakan proses ekstraksi objek yang diperlukan. Latar yang memiliki sifat terlalu banyak memantulkan cahaya akan menyulitkan pengaturan pencahayaan, dan bahan yang terlalu menyerap cahaya akan menurunkan tingkat pencahayaan keseluruhan, sehingga citra yang ditangkap kamera akan cenderung tidak terfokus dengan baik.
Sebagai suatu pendekatan, alangkah baiknya bila latar belakang yang dipilih merupakan latar belakang dengan warna yang bersifat matte. Warna – warna dalam kelompok tersebut memiliki tingkat pemantulan cahaya yang rendah sehingga mudah dipakai sebagai alat bantu dalam pengambilan citra.
III.1.3. Pengaturan Pencahayaan Pengaturan pencahayaan dilakukan untuk mencapai beberapa tujuan sebagai berikut. Pencahayaan dilakukan agar perangkat pengambilan citra (semisal kamera digital) mendapatkan tingkat pencahayaan yang cukup agar dapat membentuk citra dengan tingkat kualitas maksimal. Kekurangan tingkat pencahayaan dapat menghilangkan fokus perangkat pengambilan citra, dan kelebihan pencahayaan dapat menghilangkan beberapa informasi penting dari objek ukur.
Pengaturan pencahayaan juga dapat dilakukan untuk memastikan bahwa informasi yang akan diambil dari objek memiliki tingkat kepercayaan tinggi, seperti eliminasi bayangan dan perataan pencahayaan. Dalam pengambilan citra dalam 30
ruangan
tertutup,
kedua
hal
tersebut
akan
sangat
membantu
dalam
menyederhanakan proses pengolahan citra.
III.2. Hipotesa Hubungan antara Parameter Masukan dan Parameter Keluaran Karena data nilai korelasi antara parameter ukur dan parameter mutu teh hitam tidak ada, hipotesa dari keeratan hubungan antara kedua parameter tersebut didekati berdasarkan kedekatan antara parameter pengukuran dan parameter pengamatan.
Parameter ukur yang dipilih merupakan parameter ukur yang diharapkan dapat menggambarkan parameter yang biasa digunakan sebagai parameter pengamatan, seperti pada Tabel III-1. Tabel tersebut tidak memasukkan parameter bentukan seperti panjang / lebar . Hipotesa yang digunakan, bila suatu parameter ukur memiliki hubungan dengan parameter pengamatan, maka ia diduga memiliki hubungan yang erat terhadap parameter kualitas.
Tabel III-1
13
Hipotesa korelasi antara parameter ukur dan parameter pengamatan Parameter
Bentuk
Ukuran
Tip
Warna
Bau
Tekstur
Keseragaman
Luas
O13
O
O
X
X
O
O
Pusat Massa
O
X
O
X
X
X
O
Momen Inersia
O
X
O
X
X
X
O
Tinggi
X
O
O
X
X
O
O
Lebar
X
O
O
X
X
O
O
Panjang
X
O
O
X
X
O
O
Keliling
X
O
O
X
X
O
O
Kompleksitas Bentuk
O
X
O
X
X
O
O
Kebulatan
O
X
O
X
X
O
O
Warna
X
X
O
O
X
X
O
O melambangkan hubungan yang erat, X melambangkan korelasi yang lemah.
31
Parameter keseragaman belum dipakai dalam penelitian ini dikarenakan mereka akan menjadi suatu rangkaian parameter berdasarkan aras parameter apa yang menjadi patokan dalam pembentukan nilai keseragaman. Secara matematik keseragaman adalah kebalikan dari standard deviasi dari parameter yang dipilih, misal, standard deviasi luas partikel teh hitam. Bila dibentuk berdasarkan Tabel III-1, ada sepuluh macam keseragaman. Dalam pengenalan teh hitam tidak ada istilah keseragaman warna partikel, hanya ada keseragaman warna antar partikel.
III.3. Kecepatan Ekstraksi Parameter kontra Kecepatan Pengolahan Parameter Dalam membangun suatu sistem berbasis jaringan syaraf tiruan, pemilihan parameter yang digunakan juga harus memperhatikan banyaknya usaha yang diperlukan untuk mengekstraksi parameter tersebut, karena performa sistem pakar tidak hanya diperhatikan dari akurasi, namun juga kecepatan eksekusi sistem.
Sebagai gambaran dapat dilihat dalam dua kasus berikut. Sistem A menggunakan beberapa parameter dasar yang biasa digunakan dalam pengolahan citra. Parameter tersebut merupakan parameter yang mudah diekstrak sehingga kecepatan ekstraksi objek tinggi. Karena tingkat korelasi yang rendah antara parameter masukan dan parameter keluaran sistem, pelatihan jaringan syaraf tiruan membutuhkan waktu yang lama dan memberikan tingkat akurasi yang rendah. Perlu diperhatikan bahwa operasi jaringan perangkat lunak merupakan contoh operasi komputer yang mahal.
Sebagai perbandingan, sistem B menggunakan beberapa parameter hasil uji korelasi, dan parameter yang dipilih merupakan parameter yang memiliki hubungan erat dengan parameter keluaran. Beberapa parameter yang dipilih membutuhkan upaya yang besar untuk mengekstraksinya, sehingga total waktu yang diperlukan untuk melakukan ekstraksi parameter lebih besar bila dibandingkan dengan metode standard. Karena tingkat korelasi yang tinggi, waktu pelatihan yang diperlukan untuk melatih sistem B secara signifikan lebih pendek dibandingkan dengan sistem A.
32
Pertanyaan yang timbul adalah, kapan sebaiknya digunakan sistem B atau A, bila diasumsikan tingkat akurasi keduanya seimbang? Suatu saran yang baik adalah, catat jumlah waktu yang diperlukan untuk melakukan ekstraksi setiap parameter. Bila waktu yang bertambah dengan penambahan parameter lebih sedikit dibandingkan dengan waktu yang berkurang pada saat pelatihan, sebaiknya gunakan metode yang diterapkan pada sistem B.
III.4. Konsep Penyelesaian Masalah III.4.1. Kondisi Sekarang III.4.1.1.
Ketiadaan Standard Terukur
Pengamatan teh hitam hingga saat ini dilakukan oleh pengamat terlatih dengan kompetensi sesuai Lampiran 4, seperti pada Lampiran 1. Parameter yang diamati adalah seperti pada Lampiran 5. Sampel yang akan dinilai oleh pengamat adalah sampel seperti pada Lampiran 3.
Standard yang digunakan oleh pengamat adalah seperti pada Lampiran 5. Parameter kualitas yang diamati dituliskan kembali sebagian berdasarkan Lampiran 1. 1. Warna dinyatakan dengan kehitaman, kecokelatan, kemerahan, dan keabuan. 2. Bentuk dinyatakan dengan tergulung / tidak tergulung, keriting / tidak keriting. 3. Tekstur dinyatakan dengan rapuh / tidak rapuh, padat / tidak padat. 4. Benda asing dinyatakan dengan ada / tidak ada.
Standard yang ada tidak merinci besaran terukur yang ekuivalen terhadap besaran kualitatif teramati tersebut, dan juga tidak merinci hubungan antara parameter kualitas tersebut dengan parameter kelas mutu yang menjadi tujuan dari pengamatan tersebut.
33
Dari pernyataan di atas terdefinisi sebuah masalah, besaran terukur apa yang merupakan perwakilan dari parameter kualitas amatan tersebut. Permasalahan ini didefinisikan di dalam tulisan ini dalam tujuan pada halaman 3.
Imbas dari masalah ini adalah sebagai berikut. 1. Tiadanya standard kuantitatif dapat menyebabkan perbedaan hasil penilaian antar pengamatan dan pengamat, meskipun pada dasarnya mereka mengamati parameter objek yang sama. 2. Tiadanya standard kualitatif tersebut menyebabkan pembangunan perangkat lunak sistem pakar sebagai alat bantu tidak dapat dilakukan, karena nilai dan parameter ukur yang dibutuhkan tidak teridentifikasi. 3. Tiadanya standard kuantitatif menyebabkan informasi mutu yang diinginkan konsumen tidak dapat disimpan. Selama ini, yang disimpan adalah informasi jenis dan kelas mutu teh / campuran teh yang diinginkan oleh konsumen. 4. Tiadanya
standard
kuantitatif
menyebabkan
pelatihan
sistem
pengamatan / individu pengamat harus didekati secara empirik.
III.4.1.2.
Perbedaan Kondisi Pengamatan
Pengamatan sesuai Lampiran 1 dan standard pengamat sesuai Lampiran 4 dibakukan untuk menstandardkan lingkungan pengamatan untuk mendekati konsistensi pengamatan. Pelatihan di Pusat Penelitian Tanaman teh dan Kina Gambung dimaksudkan untuk meminimasi bias tersebut.
Masalah justru timbul karena masalah laten berkaitan dengan metode standardisasi yang dipilih. 1. Penggunaan metode pengamatan oleh manusia cenderung memberikan bias yang lebih besar dibandingkan dengan pengamatan oleh alat. Alat dapat dibangun hingga melebihi kapasitas kerja manusia. 2. Perbedaan ruang pengamatan dapat memberikan faktor bias dalam pengamatan. 3. Penggunaan cahaya matahari membatasi waktu pengamatan.
34
Masalah ini tidak dituliskan dalam tujuan penelitian, karena merupakan bagian dari penjaminan kualitas perangkat lunak.
III.4.1.3.
Kebutuhan
atas
Kemampuan
Alat
untuk
Menyimpan
Informasi Penilaian Kelemahan sistem yang diterapkan hingga saat ini adalah yang dapat disimpan dari informasi tentang mutu teh yang baik adalah informasi campuran, asal, atau pun chop14 dan atau campurannya. Informasi kuantitatif tentang bagaimana teh yang baik atau parameter apa yang menentukan seberapa baik sebuah produk teh tidak dapat disimpan.
Diperlukan suatu solusi sehingga setiap orang dapat mendefinisikan apa yang dijadikan sebagai parameter kualitas produk, dan parameter tersebut harus dapat diukur sehingga dapat dipahami bersama. Contoh sederhana, sebuah teh akan diakui sebagai teh dengan warna kehitaman bila kandungan unsur warna merah pada teh tersebut adalah antara besaran pertama dan kedua (keduanya adalah besaran terukur), dengan kondisi pencahayaan, pengambilan gambar, dan lain – lain yang telah ditentukan.
Keuntungan lain yang didapat dengan pendefinisian tersebut adalah sebagai berikut. 1. Bila ukuran mutu yang diperlukan telah dapat dipenuhi, ukuran mutu tersebut dapat dipakai oleh produsen sebagai tolok ukur; kebedalakuan antara produksi teh dapat ditekan, karena pada saat itu ia akan berusaha untuk memenuhi kelas mutu, bukan memenuhi jenis produk. 2. Sebuah konjektur15, Kelas mutu dari produk akhir adalah fungsi dari kelas mutu produk penyusunnya. Metode ini biasa dipakai oleh perkebunan untuk mendaur ulang produk yang rendah mutu; ia mencampur kembali produk tersebut dengan produksi berikut yang lebih baik sehingga nilai mutu produk tetap seragam. Bila teori ini 14 15
Kode penomoran produksi teh. Penulis tidak menemukan referen terhadap teori tersebut.
35
dapat dibuktikan, mutu teh dapat diperlakukan terpisah dari objek teh itu sendiri, sebagai pendukung dari keuntungan pertama.
III.4.1.4.
Kebutuhan atas Kemampuan Alat sebagai Alat Bantu Pembentukan Standard
Kondisi hingga saat ini, setiap pelanggan memberikan permintaan campuran produk yang ia inginkan sebagai standard baku dalam perdagangan, misal, ia membutuhkan teh hitam ortodoks dengan grade BOP dan standard mutu A asal perkebunan Walini. Keuntungan dari sistem ini adalah kemudahan bagi pembeli untuk mengenali objek.
Masalah yang timbul adalah dapat terjadi ketimpangan tingkat pembelian produk antar kebun, produk kebun yang satu tidak selaku produk yang lain. Masalah ini juga dihadapi oleh semua produsen barang mewah.
Pada kasus teh hitam, bila suatu produk tidak dapat dipenuhi oleh produsen, produsen tersebut dapat mengajukan campuran yang memiliki karakteristik yang mendekati produk teringinkan pelanggan tersebut. Pelanggan punya hak untuk menolak tawaran produsen tersebut. Pada kasus ini, nilai kedekatan produk pengganti terhadap produk referen dapat bersifat subjektif.
Bila komunikasi antara setiap pihak perdagangan teh dilakukan dengan berbasis mutu produk, selain ia mengirimkan permintaan jenis produk yang ia butuhkan, ia dapat memberikan informasi karakteristik terukur terhadap produk tersebut. Karakteristik tersebut diberikan sebagai suatu sumber informasi (misal, file siap eksekusi) yang digunakan oleh konsumen untuk mendefinisikan produk seperti apa yang ia inginkan; ini akan sangat memudahkan konsumen untuk mengetahui mutu seperti apa yang diinginkan oleh produsen.
Masalah lain yang mirip dan dapat ditangani dengan solusi yang sama adalah sebagai berikut.
36
1. Setiap orang dapat menetapkan sendiri standard mutu yang ia inginkan, dan dikomunikasikan terhadap setiap orang dengan bahasa yang sama. Secara tidak langsung ini justru akan dapat memperkuat posisi produsen dalam negosiasi; bila standard tersebut telah diikuti dengan baik dan hasilnya tidak sesuai dengan yang diharapkan konsumen, di luar kesalahan produksi, kesalahan tidak dapat ditimpakan pada produsen. 2. Pada produsen berbasis korporasi antar kebun, standard baku mutu teh dapat disosialisasikan kepada setiap kebun dengan bahasa yang sama. 3. Informasi mutu yang disimpan dapat menjadi alat bantu dalam pendidikan pengamat mutu teh, atau dapat pula digunakan untuk memperkenalkan baku mutu teh pada khalayak umum.
III.4.1.5.
Alternatif Penggunaan Alat
Alat bantu pengamatan fisik partikel teh hitam yang digunakan oleh para pakar telah didefinisikan pada Lampiran 1. Untuk pengamatan fisik teh hitam, mereka menggunakan alas berwarna putih, cahaya, dan alat pengamatan utama berupa mata dan hidung. Untuk pengolahan keputusan, mereka menggunakan “otak” yang telah terlatih berdasarkan pengalaman untuk mengambil keputusan kelas mutu teh hitam berdasarkan parameter pengamatan.
Bila suatu alat sistem pakar dibangun untuk mewakili pengamat tersebut, ia harus dapat mensimulasikan mata dan hidung tersebut. “mata” dan atau “hidung” pengganti tersebut harus memiliki tingkat kepercayaan yang di atas atau sama atau mendekati tingkat kepercayaan pengamatan manual. Selain itu, sebuah “otak” juga diperlukan sebagai pengendali dalam pengambilan keputusan.
Untuk pengamatan fisik teh hitam, hingga saat ini alat bantu pengamatan fisik yang digunakan adalah ayakan bertingkat, dan hanya digunakan untuk
37
memisahkan grade16 teh, bukan kelas mutu. Penggunaan alat bantu pengenalan warna dan kejernihan tidak diterapkan pada partikel teh.
Satu alat lain yang lumrah digunakan hingga saat ini adalah alat untuk mengukur berat jenis teh sebagai cara untuk mendekati tekstur teh hitam17. Keluaran dari alat tersebut dipertimbangkan, tetapi tidak menjadi parameter langsung dalam penentuan kualitas teh hitam.
Alat – alat lain yang selama ini dipergunakan bukan merupakan alat bantu yang dapat mewakili pengamat untuk mengambil keputusan; ia tidak terlibat langsung dalam proses penilaian.
Untuk mewakili sistem penilaian teh hitam, “mata” dan “hidung” yang dapat dipertimbangkan untuk penggunaan adalah sebagai berikut. 1. Alat berbasis pengolahan citra. Alat ini akan dapat mewakili mata dari pengamat. Penelitian awal telah dilakukan (Borah & Bhuyan, Nondestructive testing of tea fermentation, 2005). Karena teh merupakan objek kecil, diperlukan kamera dengan kemampuan super makro untuk mendapatkan detail objek. 2. Alat berbasis foto reseptor, untuk mendapatkan informasi kandungan molekul volatil dari teh untuk menggambarkan bau. Alat ini hingga saat ini bukan alat yang lumrah digunakan di luar lingkungan penelitian. 3. Alat berbasis hidung elektronis. Alat ini digunakan untuk mendeteksi keberadaan zat volatil spesifik (setiap sensor yang digunakan dapat menangani suatu jenis zat volatil tertentu). Alat ini juga belum lumrah digunakan di luar lingkungan penelitian. Penelitian awal telah dilakukan (Borah, Machine vision for tea quality monitoring with special emphasis on fermentation and grading, 2005).
16 17
Kelas ukuran. Definisi tekstur teh pada Lampiran 5, dan tidak seperti definisi tektur umum.
38
4. Alat berbasis pembebanan. Alat ini hanya data mengambil informasi berat dan berat jenis, sehingga banyak parameter penting dalam pengamatan teh hitam yang akan luput dari pengamatan, pengecualian bila alat tersebut dapat membangun peta pembebanan, sehingga informasi bentuk fisik objek dapat diketahui. Alat ini belum lumrah digunakan. 5. Alat berbasis ayakan bertingkat, sebagaimana yang telah digunakan hingga saat ini.
III.4.1.6.
Masalah Laten18 Teknik Pengambilan Citra
Masalah ini hanya timbul pada usaha pembangunan perangkat penilaian mutu produk berbasis pengolahan citra. Ada dua paradigma yang dapat dipilih untuk membangun perangkat pengenalan pola tersebut. 1. Mengenali objek berdasarkan keunikan dari objek tersebut. Model ini digunakan untuk mengamati objek dengan keseragaman ciri tinggi. 2. Mengenali objek berdasarkan keunikan dari lingkungan pengamatan objek tersebut. Model ini dipakai untuk mengenali objek di mana lingkungan pengamatan dapat diatur.
Teh merupakan suatu objek amatan yang berukuran kecil, sehingga penggunaan paradigma pengamatan pertama tidak perlu dilakukan; dapat digunakan suatu media pengambilan citra di mana parameter lingkungan dari media tersebut dapat diatur. Selain itu, diperlukan suatu alat khusus untuk mengambil informasi detail teh, yakni kamera super makro.
Teh juga merupakan objek yang keseragaman sifat fisik antar objek rendah, lebih lanjut pada Lampiran 2. Hanya keseragaman ukuran dan warna fisik yang dapat dicapai untuk sebuah grade objek berdasarkan standard berlaku (Badan Standardisasi Nasional, 2000).
18
Laten dalam arti masalah ini pasti akan timbul bila metode tersebut digunakan.
39
Hal lain yang harus ditangani adalah bagaimana memastikan mutu citra, informasi di dalam citra, dan konsep ekstraksi informasi objek.
III.4.1.7.
Masalah Laten Sistem Pakar berbasis Jaringan Syaraf Tiruan
Ada beberapa hal yang harus diperhatikan dalam pemilihan jaringan syaraf tiruan yang digunakan. 1. Jaringan syaraf tiruan memiliki bentuk yang sangat beragam, dan masing – masing dirancang untuk menyelesaikan model masalah. 2. Jaringan syaraf tiruan membutuhkan sumber daya perangkat keras yang lebih besar bila dibandingkan dengan penggunaan metode logis biasa. 3. Jaringan syaraf tiruan membutuhkan fase adaptasi terhadap pola sistem yang ia tiru (proses ini dinamakan proses pelatihan)19. 4. Performa perangkat lunak berbanding lurus dengan kecocokannya terhadap masalah yang ia pelajari.
Di samping itu, jaringan syaraf tiruan juga memiliki keunikan masing – masing. 1. Jaringan syaraf tiruan perseptron dan Hopfield serta turunannya dirancang khusus untuk permasalahan biner. Ia tidak dapat menyelesaikan permasalahan berbasis kontinu (kecuali dengan modifikasi tertentu). 2. Sebagian
besar
jaringan
syaraf
tiruan
tidak
memiliki
sifat
kedapatsusunan. Pengecualian untuk ini adalah jaringan perseptron dan turunannya. 3. Jaringan syaraf tiruan dengan pelatihan berbasis kompetisi (Hopfield, Hebbian, Hopman) secara definitif dirancang untuk persamaan biner. 4. Jaringan syaraf tiruan menuntut kelengkapan dari masukan yang ia butuhkan untuk dapat menghasilkan keluaran yang ia inginkan. Pengecualian untuk jaringan Hopfield. 19
(Supriana & Zacharias, 2007) mengatakan bahwa jaringan syaraf tiruan Hopfield tidak memiliki teknik pembelajaran, sedangkan (Rich & Knight, 1991) dan (Heaton Research, inc, 2005) mengatakan bahwa sistem belajar berdasarkan masukan data yang ia terima sebelumnya, dan sistem terlatih secara mendekati instan.
40
5. Struktur jaringan syaraf tiruan tidak berubah berdasarkan waktu. Pengecualian untuk ini adalah jaringan dapat kembang. Pada jaringan Hopfield, suatu simpul dapat “mati”, namun bukan berarti hilang atau berpindah. 6. Jaringan syaraf tiruan memerlukan semua masukan diberikan dalam waktu yang sama atau periode masukan yang tetap. Pengecualian untuk ini adalah jaringan syaraf impulsif. Semua batasan performa jaringan syaraf tiruan ini harus dijadikan pertimbangan dalam proses pemilihan.
III.4.2. Konsep Penyelesaian Masalah III.4.2.1.
Pengembangan Standard Parameter
Langkah berikut dilakukan untuk mendapatkan standard parameter yang digunakan dalam penentuan mutu teh hitam. 1. Sistem yang dibangun harus dapat menambang sebanyak mungkin parameter ukur umum yang mungkin digunakan. 2. Pada setiap parameter ukur yang digunakan, sistem harus dapat memberikan informasi pada pemilih parameter besar keeratan hubungan parameter tersebut dengan parameter mutu. 3. Parameter terpilih diujikan dengan melihat performanya dalam penentuan mutu teh hitam; apakah dengan menggunakan parameter tersebut terjadi perbaikan performa pemutuan. 4. Bila telah terbukti performa penentuan mutu berjalan dengan baik, dapat dilakukan kalkulasi mundur untuk menentukan standard selang nilai mutu teh hitam.
Yang perlu diperhatikan dalam percobaan penentuan standard adalah apakah pola data dari parameter tersebut cukup teratur untuk dapat diterapkannya standard pengamatan tersebut.
41
III.4.2.2.
Pengembangan Standard Kondisi Pengamatan
Masalah yang akan diberikan solusi pada pengembangan standard kondisi pengamatan adalah bagaimana agar kondisi pengamatan teh hitam dapat menjadi seragam.
Dalam pembangunan kondisi pengamatan yang baik, hal – hal berikut harus dapat diatasi. 1. Bagaimana agar pengamatan dapat dilakukan kapan pun tanpa pengaruh dari lingkungan. Cara sederhana untuk mendapatkan kondisi ini adalah dengan menggunakan media pengamatan yang tidak mendapatkan pengaruh sekitar. Media pengamatan tersebut berupa media tertutup. 2. Penggunaan media terkontrol dapat meminimasi perbedaan kondisi pengamatan. Selain itu, beberapa macam kondisi pengamatan seperti pencahayaan dan pelataran dapat diujicobakan untuk mendapatkan hasil yang optimal. 3. Kondisi pengamatan yang memberikan hasil pengamatan optimal dapat diterapkan sebagai standard pengamatan.
Penulis mengusulkan penggunaan suatu media pengamatan tertutup dengan model pencahayaan terkontrol. Alat tersebut memiliki tiga kompartemen terpisah untuk pengamatan masing – masing, yakni butiran, cairan teh, dan sisa seduhan teh hitam.
Penelitian ini hanya menangani tampak fisik teh hitam, namun keluaran yang dihasilkan dirancang agar dapat digabungkan dengan mudah dengan komponen pengamatan lainnya.
III.4.2.3.
Pemilihan Alat
Untuk pengamatan fisik baik partikel, air seduhan, dan sisa seduhan teh hitam, digunakan suatu kamera jarak dekat dengan ketelitian maksimum, agar dapat mengambil detail dari butiran teh. 42
Untuk pengamatan aroma, penggunaan perangkat spektroskop dapat membantu, namun karena alat tersebut tidak dapat dibuat portabel, alternatif lain masih harus dikembangkan agar dapat diterapkan untuk pengamatan aroma teh hitam.
Penulis mengusulkan sebuah alat pengamatan mutu teh hitam berupa sebuah media tertutup dengan tiga kompartemen, masing – masing untuk pengamatan fisik partikel teh hitam, pengamatan hasil seduhan, dan pengamatan residu seduh teh hitam. Sistem kontrol dirancang untuk mengambil kesimpulan berdasarkan hasil pengamatan di ketiga kompartemen tersebut.
Secara umum, setiap kompartemen memakai sebuah lensa dan sebuah sensor aroma. Kamera untuk pengamatan air seduhan dan sisa seduhan teh hitam dapat menggunakan lensa biasa, namun untuk mendapatkan detail ukuran fisik teh hitam, penggunaan lensa super makro dibutuhkan.
Penelitian ini hanya mencakup pengamatan fisik teh hitam, sehingga rangkaian masalah berkaitan dengan pengamatan cairan seduhan panas maupun pengamatan residu tidak ditangani dalam penelitian ini.
III.4.2.4.
Penanganan Masalah Pengambilan Citra
Masalah yang berkaitan dengan mutu citra sebagian besar telah ditangani oleh media pengambilan citra terkontrol. Penguatan citra dapat memperbaiki mutu citra, namun juga mengaburkan sebagian informasi yang tersimpan pada citra objek.
Tahap penambangan parameter merupakan tahapan yang paling banyak memakan sumber daya perangkat keras. Bila merujuk pada Lampiran 7, ada lebih dari 4000 parameter yang ditambang dan disimpan ke dalam basis data. Bila suatu set sampel terdiri dari beberapa objek, kebutuhan akan sumber daya memori untuk menyimpan data objek akan sangat besar. Di lain pihak, bila jumlah data yang
43
disimpan ditekan, kebutuhan akan sumber daya kekuatan hitung akan sangat besar.
Untuk menangani ini, sebaiknya pembangunan perangkat lunak dilaksanakan dalam dua tahap. Tahap pertama adalah untuk memaksimasi informasi yang didapatkan dari dalam citra objek. Tahap kedua dirancang untuk meningkatkan efikasi pemakaian sumber daya perangkat keras.
III.4.2.5.
Penanganan Masalah Jaringan Syaraf Tiruan
Jaringan syaraf tiruan yang dipertimbangkan telah dijabarkan pada bab II.5. Pengamatan teh secara mendasar merupakan pengamatan yang berbasis komponen; keputusan yang diberikan pada tahap akhir membutuhkan rangkaian keputusan dari tahapan sebelumnya. Pengamatan teh juga bersifat kontinu, meskipun penentuan mutu selama ini bersifat diskrit. Garis kontinu itu sendiri terbentuk karena adanya titik kesulitan pengambilan keputusan antara setiap nilai mutu.
Karena hal tersebut, penggunaan jaringan syaraf tiruan berbasis biner (perseptron, Hopfield, dan lain – lain) tidak dapat digunakan. Di samping itu, penggunaan jaringan syaraf tiruan tidak dapat susun (Sebagian besar jaringan syaraf tiruan non supervisi) tidak efektif untuk pengamatan komponen.
Pola hubungan antara parameter ukur teh hitam dan parameter mutu teh hitam tidak diketahui sebelumnya, sehingga penggunaan jaringan syaraf tiruan non statistik tidak efektif untuk digunakan. Selain itu, pola data diharapkan memiliki jumlah parameter yang tetap, sehingga jaringan syaraf tiruan dengan pelatihan berbasis kompetisi tidak efektif untuk diterapkan.
Pilihan jaringan syaraf tiruan yang diperlukan untuk mengsimulasikan pengamatan teh hitam adalah adalah jaringan syaraf tiruan dengan pola pelatihan
44
dengan pemberian contoh, sehingga semua jaringan syaraf tiruan dengan pola pelatihan tersebut dapat digunakan.
Berdasarkan kebutuhan pengamatan teh hitam, didapatkan kumpulan kebutuhan jaringan syaraf tiruan untuk teh hitam sebagai berikut. 1. Pengamatan teh bersifat komponensial, oleh sebab itu diperlukan jenis jaringan syaraf tiruan yang dapat disusun komponen, namun penelitian ini hanya mencakup salah satu komponen pengamatan mutu teh hitam. 2. Pengamatan teh memiliki pola penilaian kontinu, karena banyak keadaan di mana terjadi kerancuan antar beberapa jenis mutu. Diperlukan jenis jaringan syaraf tiruan yang memiliki pola pikir yang sesuai. 3. Calon Ahli dilatih dengan pengamatan sampel, sehingga jenis jaringan syaraf tiruan yang dipilih adalah jaringan syaraf tiruan dengan pembelajaran pemberian contoh. 4. Calon Ahli dilatih bertahap hingga tingkat kesalahan pengamatan minimal, oleh sebab itu pelatihan jaringan syaraf tiruan yang digunakan dilakukan dengan metode gradasi menurun. 5. Penilaian mutu teh hitam membutuhkan hasil pengamatan semua komponen, oleh sebab itu, jaringan syaraf tiruan yang dibutuhkan adalah jaringan syaraf tiruan di mana ia dapat menangani seluruh masukan dalam satu waktu20. 6. Hubungan masukan dan keluaran sistem tidak diketahui sebelumnya, sehingga diperlukan jenis jaringan syaraf tiruan yang dirancang untuk dapat mempelajari pola tersebut. 7. Kelas mutu merupakan entitas yang berbeda dengan kelas ukur, sehingga diperlukan suatu jaringan syaraf tiruan yang melakukan pembedaan perlakuan antara masukan dan keluaran sistem.
20
Sebenarnya ini dapat dianggap bukan syarat, mengingat semua jaringan syaraf tiruan memenuhi batasan ini.
45
Jaringan syaraf tiruan yang diamati adalah sebagai berikut. Keterangan yang diberikan menunjukkan masalah apa yang membuat jaringan syaraf tiruan tersebut tidak terpilih. 1. Jaringan syaraf tiruan searah a. Perseptron (berbasis biner) b. Jaringan syaraf tiruan propagasi balik c. Adaline (berbasis biner) 2. Jaringan Kohonen (Tidak dapat disusun secara modular, dan masukan dan keluaran sistem diperlakukan sama) 3. Jaringan Syaraf Rekuren a. Jaringan Syaraf Siklis 1. Jaringan Hopfield 1. Statistik (Tidak dapat disusun secara modular, berbasis biner, pelatihan berbasis kompetisi, masukan dan keluaran sistem diperlakukan sama) 2. Non Statistik (Tidak dapat disusun secara modular, berbasis biner, pelatihan berbasis kompetisi, hubungan
menuntut antar
pengetahuan
parameter,
masukan
akan dan
keluaran sistem diperlakukan sama) 3. Mesin Boltzmann (Tidak dapat disusun secara modular,
masukan
dan
keluaran
diperlakukan sama) b. Jaringan Syaraf Rekuren 1. Jaringan Elman (Berbasis biner) 2. Jaringan Jordan 3. Jaringan Rekuren dengan Model Mental 4. Jaringan Syaraf Impulsif 5. Jaringan Syaraf dapat Kembang
46
sistem
Jaringan syaraf tiruan impulsif sebenarnya juga dapat digunakan untuk membangun alat pengamatan ini, namun akan lebih mudah untuk merancang agar sistem dapat mendapatkan semua parameter masukan yang dibutuhkan dalam setiap periode dibandingkan mengandalkan kemampuan jaringan syaraf tiruan untuk melakukan pemasukan data pada waktu acak. Penggunaannya dapat dikatakan berlebihan.
Yang paling cocok untuk diterapkan dalam pengamatan teh hitam adalah komposisi modular dari jaringan syaraf tiruan dapat kembang, namun karena natur dari sistem, tidak mungkin dilakukan pembandingan performa antar jaringan syaraf tiruan untuk memenuhi tujuan penelitian, mengingat kontrol struktur jaringan berada tidak berada di tangan pengguna.
Ide penggabungan beberapa jaringan syaraf tiruan diambil dari jaringan Jordan dan Rekuren dengan Model Mental (wujud akhir berupa jaringan syaraf tiruan modular). Jaringan syaraf tiruan paling sederhana yang dapat dipakai adalah jaringan syaraf tiruan propagasi balik.
Penulis tidak mendapatkan cukup referen sebagai argumen apakah penggunaan jaringan syaraf tiruan ingatan holografis asosiatif dan jaringan syaraf dinamis dapat dipertimbangkan dalam pengamatan teh hitam.
47
