Pengembangan Aplikasi Android untuk Mengidentifikasi Kualitas Beras dengan Citra Digital

Seminar Nasional Ilmu Komputer (SNIK 2016) - Semarang, 10 Oktober 2016 ISBN: 978-602-1034-40-8

Pengembangan Aplikasi Android untuk Mengidentifikasi Kualitas Beras dengan Citra Digital Arif Budiman Harahap1, Ristu Saptono2, Esti Suryani3 1,2,3 Jurusan Informatika, FMIPA, Universitas Sebelas Maret Email: [email protected], [email protected], [email protected]

Abstrak Beras merupakan makanan pokok bagi sebagian besar masyarakat di Indonesia. Oleh karena itu, beras yang beredar di pasaran harus memiliki standar dan kualitas yang baik. Namun, harga beras yang semakin melonjak menyebabkan banyak beras dengan kualitas yang kurang baik beredar di pasaran, sehingga dibutuhkan standar kualitas beras yang dapat digunakan langsung oleh konsumen beras. Standar pengujian kualitas beras dapat dilakukan secara laboratorium dan secara visual. Pengujian secara visual adalah salah satu cara yang digunakan oleh pihak Bulog untuk menguji kualitas beras, dan dapat diterapkan secara langsung menggunakan citra beras melalui kamera smartphone konsumen beras. Proses pengujian diukur dari nilai putih, bersih, dan utuh dari citra beras yang telah dipisah dengan background. Nilai putih dan nilai bersih beras diperoleh dengan menganalisis nilai HSV pada citra beras, sedangkan nilai utuh diperoleh dengan menganalisis luas objek beras. Kemudian nilai putih, bersih dan utuh citra beras tersebut diklasifikasi ke dalam 3 kelas yaitu baik, kurang, dan buruk dengan menggunakan pohon keputusan C4.5. Hasilnya, identifikasi kualitas beras dengan citra digital dapat diaplikasikan di smartphone android dengan menggunakan metode waterfall dan telah dilakukan uji coba dengan menggunakan black box testing. Kata Kunci: Android, Beras, Decision tree, Pengolahan citra, Waterfall Abstract Rice is the staple food for most people in Indonesia. Therefore, rice on the market must have a standard and good quality. However, rice prices increase causing a lot of rice with poor quality on the market, so it needs rice quality standards that can be used directly by consumers of rice. Standard testing the quality of rice can be carried out laboratory and visually. Standard testing visual quality of rice is one of the ways used by Bulog to test the quality of rice, and can be applied directly using the image of rice through the smartphone's camera consumers of rice. The testing process can be measured from white, clean, and roundness values from image of rice that has been split with background. White and clean values of rice obtained by analyzing the value of HSV on the image of rice, while roundness obtained by analyzing the wide region of rice. Then the values of white, clean and roundness image of rice are classified into three classes i.e, good, fair and poor using C4.5 decision tree. The results, quality of rice identification with digital image can be applied in android smartphone by using the method waterfall, and has been tested by using black box testing. Keyword: Android, Rice, Decision Tree, Image Processing, Waterfall

1. PENDAHULUAN Beras merupakan makanan pokok bagi sebagian besar masyarakat Indonesia. Menurut Survei Sosial Ekonomi Nasional pada tahun 2009-2013 meskipun terjadi grafik penurunan konsumsi beras sebesar 1,62% per tahunnya, namun konsumsi beras rata-rata per tahun per kapita pada tahun 2013 mencapai 85,514 kg [1]. Besarnya beras yang dikonsumsi per tahun juga diikuti dengan harga beras yang cenderung meningkat sehingga banyak beras yang diperjualbelikan di masyarakat memiliki kualitas yang buruk. Selain itu, banyaknya masyarakat yang tidak mengetahui cara membedakan beras berkualitas baik atau buruk, dan kurangnya sosialisasi dari pemerintah membuat para pedagang beras semakin bebas menjual beras dengan kualitas yang tidak meyakinkan. Oleh karena itu, dibutuhkan sebuah standar mutu kualitas beras berskala nasional. Terdapat beberapa cara dalam menguji kualitas beras yang dapat dibagi menjadi secara laboratorium dan secara visual. Secara laboratorium, kualitas beras dapat diuji berdasarkan kadar air dan tingkat transparansi beras. Sedangkan secara visual, kualitas beras dapat diuji dari keutuhan, kebersihan, dan putihnya beras [2]. Namun untuk menguji kualitas beras secara visual dibutuhkan pengalaman dan alat yang mumpuni sehingga tidak semua konsumen beras dapat menguji beras secara visual. Maka dari itu dibutuhkan sebuah aplikasi yang dapat membantu konsumen beras dalam mengetahui kualitas beras. Pada penelitian sebelumnya, telah dilakukan identifikasi kualitas beras dengan citra digital [3]. namun belum dapat digunakan secara langsung oleh konsumen beras karena mengharuskan pengguna untuk menyimpan citra digital yang dihasilkan oleh kamera berbasis mobile ke sistem yang berbasis desktop.

336


Padahal saat ini sebagian besar konsumen beras telah memiliki smartphone berbasis android dengan kamera yang cukup mumpuni, maka untuk memudahkan konsumen beras dibutuhkan aplikasi pengujian kualitas beras secara visual berbasis android. Penelitian lainnya tentang segmentasi citra beras juga telah dilakukan oleh Ajay, et al [4]. Penelitian dilakukan untuk mengklasifikasi beras yang utuh dengan beras yang patah menggunakan metode morfologi citra. Hasilnya menunjukkan bahwa morfologi citra cukup efisien untuk mengklasifikasi beras utuh dan beras patah. Penelitian mengenai android telah dilakukan oleh Sharma & Jha [5]. Penelitian dilakukan untuk mengidentifikasi teks dengan metode Optical Character Recognition (OCR) berbasis android. Hasil penelitian menunjukkan bahwa sistem pengenalan karakter atau teks dapat dilakukan menggunakan android dengan menggunakan kamera sebagai scanner atau input. 2. METODE Metode penelitian mengenai pengembangan aplikasi android untuk mengidentifikasi kualitas beras dengan citra digital menggunakan metode waterfall. Dalam System Development Life Cycle alur proses metode waterfall dapat dilihat pada Gambar 1.

Gambar 1. Tahapan penelitian metode waterfall 1) Analisis Dalam proses analisis ini dilakukan identifikasi business case, selanjutnya menentukan requirement (kebutuhan sistem) yang akan digunakan dalam proses pembuatan aplikasi. Selain itu, juga dilakukan studi terhadap hal yang berhubungan dengan kebutuhan sistem. 2) Desain Sistem Setelah mengetahui kebutuhan dan fitur yang akan dibuat dari proses analisis, maka selanjutnya pada desain sistem dilakukan perancangan sistem. Perancangan ini meliputi desain UI (User Interface), alur program dan rancangan sistem. Rancangan sistem nantinya akan dibuat berdasarkan diagram UML. 3) Implementasi Merupakan tahap menterjemahkan model atau desain yang telah ditetapkan pada proses analisis dan desain sistem ke dalam bahasa yang dimengerti komputer. 4) Pengujian Setelah penyelesaian proses implementasi, selanjutnya dilakukan testing. Tahapan ini ialah tahapan di mana developer harus menguji kelayakan aplikasi. Pengujian pada penelitian ini menggunakan black box testing, yaitu pengujian untuk mengetahui apakah semua fungsional sistem berjalan sesuai yang direncanakan atau tidak. 5) Deployment Tahap ini merupakan tahap terakhir dalam model waterfall. Aplikasi yang sudah selesai kemudian dilakukan pemasangan atau dijalankan serta dilakukan pemeliharaan. Pemeliharaan termasuk dalam memperbaiki kesalahan yang tidak ditemukan pada langkah sebelumnya.

337


3. HASIL DAN PEMBAHASAN 3.1 Analisis Beberapa permasalahan yang sering terjadi pada pembangunan sistem informasi adalah hasil dari pembangunan sistem informasi gagal memenuhi kebutuhan pengguna dari sistem informasi tersebut. Untuk itu perlu adanya definisi kebutuhan sistem yang terdiri dari identifikasi kebutuhan pengguna dan identifikasi kebutuhan sistem [6]. a. Identifikasi Kebutuhan Pengguna: Skenario kebutuhan pengguna yang hanya terdiri dari satu macam pengguna yaitu user antara lain: 1) User dapat mengambil citra beras. 2) User dapat menggunakan sistem untuk mengidentifikasi kualitas beras yang telah diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk menggunakan pohon keputusan C4.5 berdasarkan citra beras yang diambil. 3) User dapat melihat hasil klasifikasi citra beras. b. Identifkasi Kebutuhan Sistem: 1) Sistem dapat mengidentifikasi kualitas beras sesuai dengan citra beras yang diperoleh user, kemudian mengkalsifikasikan beras tersebut ke dalam 3 kelas yaitu baik, kurang dan buruk menggunakan pohon keputusan C4.5. 2) Sistem dapat menampilkan hasil klasifikasi citra beras. 3.2 Desain Sistem Secara keseluruhan, arsitektur pengembangan sistem dapat dilihat pada Gambar 2.

Pengambilan citra

Pemisahan citra

Klasifikasi

Hasil pemisahan citra

Analisa citra

Gambar 2. Desain sistem Keterangan: a. Pengambilan citra Citra beras yang telah diambil oleh user kemudian diubah menjadi citra HSV untuk mendapatkan hasil yang lebih baik pada saat pengolahan citra. b.

Pemisahan citra Citra yang telah diubah menjadi citra HSV kemudian dipisahkan antara beras sebagai objek dengan background, termasuk penghilangan noise yang terdapat pada citra beras. Pemisahan antara beras dengan background dilakukan dengan menggunakan algoritma grabcut [7].

c.

Hasil pemisahan citra Hasilnya adalah berupa objek beras tanpa background yang kemudian setiap objek dianalisa nilai putih, bersih dan nilai utuhnya.

d.

Analisa citra Hasil dari analisa citra beras yang telah diambil ditunjukkan berdasarkan parameter citra pada Tabel 1.

338


Tabel 1. Penentuan parameter citra beras Nilai putih

Nilai bersih

Nilai utuh

Hue Saturation Batas prosentase Hue Saturation Value Utuh Tidak utuh

≥ 36° ≤ 20% 97 % 72° ≤ H ≤ 288° ≤ 40% ≥ 60% Object Region ≥ 75% Object Region < 75%

Nilai putih dan nilai bersih diperoleh berdasarkan nilai HSV setiap objek beras. Penentuan parameter ini berdasarkan pada penelitian yang telah dilakukan pada penelitian identifikasi beras dengan citra digital [3]. Nilai utuh dihitung berdasarkan nilai luas setiap objek beras. Penentuan parameter nilai utuh berdasarkan penelitian quality evaluation of rice grains using morphological methods [4]. e.

Klasifikasi Setelah diperoleh nilai putih, bersih, dan utuh, beras kemudian diklasifikasi ke dalam 3 kelas yaitu baik, kurang dan buruk. Klasifikasi dilakukan dengan menggunakan rules yang didapatkan dari pohon keputusan C4.5 berdasarkan penelitian identifikasi beras dengan citra digital [3]. Rules klasifikasi pohon keputusan C4.5 ada pada Tabel 2. Tabel 2. Rules klasifikasi pohon keputusan C4.5 Bersih Bersih Bersih Bersih Bersih Tidak bersih Tidak bersih Tidak bersih Tidak bersih

Putih Putih Putih Tidak putih Tidak putih Putih Putih Tidak putih Tidak putih

Utuh Utuh Tidak utuh Utuh Tidak utuh Utuh Tidak utuh Utuh Tidak utuh

Kelas Baik Baik Baik Kurang Kurang Kurang Buruk Buruk

3.3 Implementasi a. Pengambilan citra Citra beras diambil dengan menggunakan kamera smartphone android pengguna, kemudian diubah menjadi citra HSV. Hasilnya tampak seperti Gambar 3.

Gambar 3. Citra beras b.

Pemisahan citra Citra beras yang telah diubah menjadi citra HSV, kemudian dipisahkan antara beras sebagai foreground dan telapak tangan sebagai background. Pemisahan dilakukan dengan menerapkan algoritma grabcut, setelah dipisah kemudian ditentukan threshold untuk menghilangkan noise.

c.

Hasil pemisahan citra Pada Gambar 4 ini merupakan hasil dari pemisahan antara citra beras dengan background,sehingga objek dapat di analisa nilai putih bersih dan nilai utuhnya.

339


Gambar 4. Hasil pemisahan antara beras dengan background d. Analisa citra Hasil citra yang telah dilakukan pemisahan antara beras dengan background kemudian dianalisa sesuai dengan parameter yang telah ditentukan. Hasil analisa dapat dilihat pada Gambar 5.

Gambar 5. Analisa citra Keterangan: a) Beras dengan garis hijau menunjukkan beras yang memenuhi syarat beras utuh, putih dan bersih. b) Beras dengan garis merah menunjukkan beras yang tidak memenuhi syarat beras utuh, namun memenuhi syarat putih dan bersih. e. Klasifikasi Pada Tabel 3 di klarifikasikan hasil nilai putih, bersih dan utuh yang diperoleh dari citra beras kemudian diklasifikasi dengan menggunakan rules yang didapatkan dari pohon keputusan C4.5. Tabel 3. Klasifikasi citra beras Data Gambar

Nilai Putih

Nilai Bersih

Nilai Utuh

Kelas

Bersih (100%)

Putih (100%)

Utuh (82%)

Baik

3.4 Pengujian Pengujian yang dilakukan pada pengembangan aplikasi ini menggunakan metode Black Box Testing. Hasilnya seperti yang ditunjukkan pada Tabel 4.

340


Tabel 4. Hasil pengujian black box

4.

Functional User dapat mengambil gambar beras

Skenario User mengambil gambar beras

Input

User dapat menggunakan sistem untuk mengidentifikasi kualitas beras

Sistem melakukan pengolahan citra dan mengklasifikasi hasil citra

Citra beras

User dapat melihat hasil klasifikasi citra beras

User melihat hasil klasifikasi citra beras

-

-

Harapan Sistem dapat mengambil gambar Sistem dapat mengolah citra dan mengklasifi kasi hasil citra Sistem dapat menampilk an hasil klasifikasi citra beras

Hasil Sistem mengambil gambar

Kesimpulan Berhasil

Sistem melakukan pengolahan citra dan menampilkan hasil klasifikasi Sistem menampilkan hasil klasifikasi citra beras

Berhasil

Berhasil

SIMPULAN

Identifikasi kualitas beras berbasis dapat dilakukan dengan menggunakan metode pengembangan aplikasi waterfall. Pengambilan citra dilakukan dengan menggunakan kamera smartphone android dan kemudian diklasifikasi dengan menggunakan rules yang didapatkan dari pohon keputusan C4.5. 5.

REFERENSI

[1] Kementrian Pertanian RI. 2013. Konsumsi Rata-rata per Kapita Setahun Beberapa Bahan Makanan di Indonesia, 2009-2013. http://www.pertanian.go.id/Indikator/tabe-15b-konsumsi-rata.pdf, diakses 20 April 2016. [2] Standar Nasional Indonesia. 2015. Standar Mutu Beras. (SNI 6128-2015), Jakarta. [3] Nurcahyani, A. A. & Saptono, R. 2015. Identifikasi Kualitas Beras dengan Citra Digital. Scientific Journal of Informatics.Vol. 2(1): 63-72. [4] Ajay, G., Suneel, M., Kumar, K. K. & Prasad, P. S. 2013. Quality Evaluation of Rice Using Morphological Method. International Journal of Soft Computing and Engineering (IJSCE), Vol.2(6): 35-37. [5] Sharma, A. & Jha, S. K. 2015. Identification of Alphanumeric Pattern using Android. International Journal on Recent and Innovation Trends in Computing and Communication (IJRITCC), Vol. 3(4): 2466-2470. [6] Ian Sommerville. 2007. Software Engineering, 8th ed. Addison-Wesley, United Kingdom. [7] Rother, C., Kolmogorov, V., and Blake, A. 2004. Grabcut: Interactive Foreground Extraction using Iterated Graph Cuts. SIGGRAPH. Vol. 23(3):309-314.

341

Pengembangan Aplikasi Android untuk Mengidentifikasi Kualitas Beras dengan Citra Digital

Recommend Documents