I� PENDUGAAN UKURAN BERAS DENGAN PENGOLAHAN CITRA DAN ARTIFICML NEURAL NETWORK UNTUK EVALUASI MUTU BERAS SOSOH
Oleh: HERNIK NUR mDAYATI F01499043
2003 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR
.'
•
, '--'-�� "
•
.
,,. .' ,A .l.J .'!--...'
- .,
, -
.'
••
J
HERNIK NUR HIDAYATI. Pendugaan Ukuran Beras dengan Pengolahan Citra dan Artificial Neural Network untuk Evaluasi Mutu Beras Sosoh. Di bawah bimbingan : I Wayan Astika dan Mohamad Solahudin. 2003.
RINGKASAN ::
, '
10"'�
,--\ 'cO',
Salah satu masalah dalarn dunia perberasan nasional adalah penentuan mutu beras. Parameter yang digunakan untuk menentukan mutti beras yaitu kadar air, derajat sosoh, butir utuh, bulir patah, butir menir, butir hijau (kapur), butir kuning (rusak), benda asing, butir merah dan butir gabah. Kadar butir patah merupakan faktor perrentu paling ulama mutu beras di pasar dunia. Dengan mengetahui kandungan butir patah yang terdapat dalam suatu sampel beras maka dapat menentukan mutu beras secara fisik dan penggolongan ke tingkat ke1as tertentu. Menurut SKB Deptan-Bulog (2003) ukuran butiran beras dikelompokkan menjadi beras kepala (head rice), butir utub (whole kernel), butir patah besar (big broken), butir patah, dan butir menir. Beras kepala merupakan penjwnlahan butir utub dan butir patah besar. Butir utub adalah butir beras baik, sehat,cacat yang utuh tanpa ada bagian yang patah. Butir patah besar adalah butir beras patah, baik sehat maupun cacat yang mempunyai ukuran lebih besar atau sarna dengan 6110 (BPB2':6/1O) bagian dari ukuran panjang rata-rata butir beras utub yang dapat melewati pennukaan cekungan indented plate dengan persyaratan ukuran lubang 4.2 nun. Butir patah adalah butir beras patah, baik sehat maupun eaeat yang mempunyai ukuran lebih kecil dati 6/10 bagian tetapi lebih besar dari 2110 bagian (2/1 0
empat buah lampu TL 5 watt, dan iluminance meter merk Minolta tipe T-lH. Pada pengolahan citra dan pendugaan varietas digunakan seperangkat komputer sebagai perangkat keras dan perangkat lunak yang digunakan adalah bahasa pemrograman Visual Basic 6.0. Setelah padi digiling dan disosoh menjadi beras, diambil 100 g untuk dilakukan analisa ukuran butiran. Yaitu pemisahan antara butir utuh, butir patah besar, butir patah, dan menir dengan menggunakan ayakan menir dan indented plate standar BULOG. Butiran yang sudah dikelompokkan tersebut kemudian dianalisa kembali secara visual dengan bantuan pinset, kaca pembesar dan cawan petri untuk menghindari tercampurnya ukuran butiran lain. Sampel beras diletakkan 20 em di bawah kamera dengan resolusi citra 480
x
640. Sampel beras diletakkan di atas kertas berwama merah. Beras diletakkan
secara acak dan tidak tumpang tindih antara satu dengan lainnya sehingga memudahkan komputer 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 pemrograman Visual Basic 6.0. Dengan program ini didapatkan data-data numerik dari citra yang berupa luas (A), panjang (P), lebar (L" L" ... ,L20), lebar maksimum (Lmwl, keliling (K), dan roundness (R) yang digunakan sebagai masukan data pada
artificial neural network.
Luas butiran beras tergantung dari varietas masing-masing beras. Karena beras yang diambil pada penelitian ini banyak dan mempunyai kekhasan bentuk masing-masing. Beras yang dinyatakan butir patah pada satu varietas, luasnya mungkin akan sama dengan butir patah besar pada varietas yang lain. Begitu juga dengan keliling, keliling butir patah pada satu varietas mungkin sarna dengan keliling pada butir patah besar varietas yang lain. Untuk panjang, panjang suatu varietas berbeda dengan varietas yang lain. Misalnya butir patah pada varietas IR 64 mungkin dinyatakan sebagai butir patah besar pada varietas Widas. Dalam pemilihan sampel, beras yang diambil adalah beras normal sehingga tidak memperbandingkan lebamya, namun memperbandingkan ukuran panjang dengan panjang butir utuh pada varietas yang sama. Sehingga karakteristik dari lebar tidak tergantung dari ukuran butiran. Proses training pada artificial neural network dilakukan sampai jaringan mendapatkan nilai akurasi yang stabil. Pada penelitian ini proses training dilakukan sampai dengan 17 000 iterasi dengan nilai akurasi 98.7% yang terdiri dari akurasi pendugaan terhadap butir utuh 100%, akurasi pendugaan terhadap butir patah besar 96%, akurasi pendugaan terhadap butir patah 99.18%, dan akurasi pendugaan terhadap menir 99.35%. Karakteristik citra untuk luas (A), panjang (P), keliling (K), lebar maksimum (Lmaks), dan roundness (R) yang tumpang tindih pada masing masing ukuran butiran terhadap ukuran butiran yang lain menyebabkan hasil pendugaan ukuran butiran tertebak menjadi ukuran butiran lain. Dari nilai akurasi yang diperoleh dapat disimpulkan bahwa hobot yang dihasilkan pada model artificial
neural
network yang dikembangkan dapat digunakan untuk pendugaan ukuran butian beras. Hasil pendugaan validasi set dengan menggunakan data yang baru menghasilkan nilai akurasi 92.9 1% yang terdiri dari akurasi pendugaan terhadap butir utuh 97.4%, akurasi pendugaan terhadap butir patah besar 89.72%, akurasi pendugaan terhadap butir patah 92.9%, dan akurasi pendugaan terhadap menir 90.73%. Pada penelitian selanjutnya perlu diteliti penggunaan learning rate dan
logistic constant yang lain, sehingga mampu mengetahui hubungan keduanya dengan tingkat akurasi pendugaan.
PENDUGAAN UKURAN BERAS DENGAN PENGOLAHAN CITRA DAN ARTIFICIAL NEURAL NETWORK UNTUK EVALUASI MUTU BERAS SOSOH
SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor
Oleh: HERNIK NUR HIDAYATI F01499043
2003 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR
INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN
PENDUGAAN UKURAN BERAS DENGAN PENGOLAHAN CITRA DANARTIFICUL NEURAL NETWORK UNTUK EVALUASI MUTU BERAS SOSOH
SKRIPSI
Sebagai salah satu syarat memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor
Oleh: HERN� NUR HIDAY ATI FOl499043
Dilahirkan pada tanggai 29 J anuari 1981 di Sukoharjo
Tanggallulus: 29 September 2003
Menyetujui, Bogor,
,
g Oktober 2003
.
Dr. If. I Wayan Astika, M.Si Dosen Pembimbing I
If. Mohamad Solahudin, M.Si
Dosen Pembimbing II
RIWAYAT HInUp
Penulis bemama lengkap Hemik Nur Hidayati, dilahirkan di Sukoharjo. 29 Januari 1981 dan merupakan anak keempat dari empat bersaudara dengan ayah bemarna Ir. Daliyo dan Ibu bernama Hem Prihatin. Pada tabun 1993 penulis menyelesaikan pendidikan dasar di Sekolah Dasar Negeri 02 Singopuran, Sukoharjo.
Penulis kemudian melanjutkan pendidikan di
Sekolah Lanjutan Tingkat PertaIna Negeri I Kartasura, SukohaJjo dan lulus tabun 1996.
Kemudian melanjutkan ke Sekolah Lanjutan Menengah Atas Islam Batik I
Surakarta dan lulus tabun 1999. Pada tabun 1999, melalui Undangan Seleksi Masuk IPB (USMI), penulis diterima
di Jurusan reknik Pertanian, Fakultas Teknologi
Pertanian,
Institut
Pertanian Bogor dan menyelesaikan pendidikan program Sarjana pada tahun 2003. Selama
menempuh
studi
di
IPB,
penulis
terdaftar
sebagai
anggota
HIMATETA dan mengikuti kepanitiaan yang diadakan oleh mahasiswa atan umum. Penulis juga pemah menjadi asisten dosen uotuk roata kuliah Penerapan Komputer pada tabun 2003. Penulis melaksanakan praktek Japang di PT. Tipperary Indonesia, Lampung Timur dengan topik Manajemen Penggunaan Alat dan Mesin Pertanian pada Industri Penggemukan Sapi di PT. Tipperary Indonesia, Lampung Timur.
Selanjutnya penulis melakukan penelitian dengan topik Pendugaan Ukuran Beras dengan Pengolahan Citra dan Artificial Neural Network untuk Evaluasi Mutu Beras Sosoh.
KATA PENGANTAR
Alhamdulillab, puji syukur hanya kepada Allab SWT, sang pencipta yang patu! disemhah,
atas
segala
rahrnat
dan
hidayah-Nya
sehingga
penulis
dapat
menyelesaikan skripsi ini. Pada kesempatan ini penulis ingin menyampaikan terima kasih kepada : I, Dr. Ir. I Wayan Astika, MSi atas bimbingan yang telab diberikan.
2. Ir. Mohamad Solahudin, MSi atas saran dan bantuan moril yang diberikan selaku pembimbing pendamping. 3. Dr. Ir. Suroso, MAgr atas kesediaannya untuk menguji, kritik, dan saran yang diberikan kepada penulis. 4. Ir. Abdul Waries Patiwiri, MBA dari BULOG yang telab menyediakan fasilitas se1ama penelitian. 5. Ir. Ennan Aziz, MSc, Bapak Rahman Sugiyanto, dan Bapak Rudi dari Balai Penelitian dan Pengemhangan BULOG Tambun, Bekasi yang telah banyak membantu dalam pelaksanaan penelitian.
6. Bapak Gozali dari Lahoratorium Sistem Manajemen dan Mekanisasi Pertanian yang telah banyak memhantu dalam pelaksanaan penelitian. 7. Program Penelitian Due-Like yang telah membiayai penelitian ini. 8. Pihak-pihak yang tidak bisa penulis sebutkan satu-persatu. Akhimya kritik dan saran sangat penulis harapkan demi perbaikan tulisan selanjutnya.
Bogor, 8 Oktober 2003
Penulis
'lJapa((!!(marlium) C[)an 16u Tercinta, :Mas Pipin, :Mas 'lLJ{an, :Mas Ian C[)an 'Kjponaf(szn(u J{asna )Itas SegaCa C[)oa, Perliatian, '1(asili Sayang, C[)an Semangat 'Yang 'TeCaIi c[)i6eri(an 'Kjpaaa Penu(is. :MaYa, Putri, ;Nom, :M':Mia )ltas SegaCa 'Kj6ersamaan. Perjuangan 'Yang 'l(jta La(ui 'lJersama SeCama Ini. Jaga '1(e6ersamaan '1(ita '1(awan. 'Yusuf J{enarawan, '1(' J{enara, 'lL 'I1h"n, 'Wayan, :M' Carno )ItasSegaCa 'lJantuan C[)an C[)u(ungan :Mori( 'Y ang C[)i6er(an SeCarna Ini. :Marini, C[)essy, :Mu(ia, )lnay, Joe )ltas C[)oa, Semangat, C[)an Persalia6atannya. %nny, VU, rJJiana, (])iana, PIfen, 'Tiwi , q'ita, ryuu, rUSTOn, Ifsaf, )l6un, :Monic, :Mawan 'Yang TeCaIi :Mem6antu C[)an Teman-Ternan PEP '36 'Yang TeCaIi :Mengisi J{ari-J{ari(u SeCama Ini (f)engan '1(eceriaan. Ija, 'Yuli, J{afni, 'Ety, 'Yana, Tevi, J{enty, C[)an Teman-Teman C[)i 'Eae(weiss e1. :JIf.N )ltas SegaCa 'lJantuan, Pengertian, 'Kjsa6aran, C[)an '1(e6ersarnaan. :M'Lififi., Inara, :M' C[)eay, 'l(ftwofi., 'i(ptili, 'lJram, Lisaa, aan semua anaR:; anali.Jl'Y'V:MJIS )ltasSegaCa '1(e6ersamaanSeCama Ini Iii IIPJ3 :M')lnton, '1(' Zufji, '1(')lgus)lrij, :M')lrij, :M''Yu6i C[)an Teman-Ternan PEP '35 )ltas 'lJim6ingannya. C[)an CJ3agi Semua Pilia( 'Yang Tiaa( C[)apat Saya Se6utf(szn Satu CJ>ersatu.
