PERANCANGAN SISTEM IDENTIFIKASI FERTILITAS DAN DAYA TETAS TELUR ITIK BERBASIS DIGITAL IMAGE PROCESSING
Siti Cholifah, Yudha Prasetyawan Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email:
[email protected] ;
[email protected]
Abstrak Konsumsi daging itik di Indonesia dari tahun ke tahun semakin meningkat. Hal ini memengaruhi tingkat produksi daging itik yang semakin besar pula. Dalam hirarkhi itik potong diketahui bahwa dalam proses penetasan itik dilakukan identifikasi fertilitas atau ada tidaknya embrio dalam telur itik sebelum masuk ke dalam mesin penetas. Namun identifikasi fertilitas telur itik di masyarakat selama ini masih dilakukan secara manual satu per satu. Identifikasi ini akan membutuhkan waktu yang lama ketika jumlah telur yang harus diidentifikasi berjumlah banyak. Selain fertilitas telur itik, indikator telur itik tetas yang baik adalah telur itik yang berbentuk lonjong atau memiliki indeks sebesar 70-79%. Di sisi lain, penelitian menggunakan digital image processing untuk mengidentifikasi kualitas telur telah banyak dilakukan oleh beberapa peneliti. Akan tetapi penelitian yang telah dilakukan masih dalam lingkup identifikasi kualitas telur dari sisi ada tidaknya crack dan blood spot, grade, bentuk, serta warna telur. Penelitian ini mengembangkan penggunaan digital image processing untuk mengidentifikasi fertilitas dan indeks telur itik. Penelitian ini diawali dengan pembuatan hardware dan sistem identifikasi menggunakan Borland Delphi 7. Perancangan hardware menggunakan satu kamera dan dapat mengidentifikasi fertilitas dan indeks telur itik sebanyak 9 butir dalam satu kali pengamatan. Sistem alat ini juga menyimpan database yang dapat digunakan oleh industri peternakan untuk melakukan continues improvement. Database dapat diolah ke dalam bentuk control chart maupun histogram. Perancangan alat dalam penelitian ini membutuhkan biaya sebesar Rp 3.117.200. Pengujian sistem alat telah dilakukan terhadap 36 telur dengan 12 kali running. Telur diuji secara random ke dalam alat. Hasil dari pengujian sistem alat menunjukkan bahwa sistem memiliki tingkat akurasi sebesar 98%. Dengan menggunakan alat ini peternak dapat menghemat pengeluaran hingga Rp 9.790.632 per tahun. Kata Kunci: Identifikasi Kualitas, Fertilisasi Telur Itik, Digital Image Processing.
1
PENDAHULUAN
Populasi peternakan itik di Indonesia dari tahun ke tahun semakin meningkat. Hal ini diiringi dengan semakin banyaknya produksi nasional daging itik di Indonesia. Namun hingga tahun 2012 tingkat konsumsi masyarakat akan daging itik semakin tinggi yang mengakibatkan tingginya kebutuhan day old duck (DOD) (www.livestockreview.com, 2012). Peluang pengembangan usaha di bidang unggas cukup besar. Populasi itik di provinsi Jawa Timur pada tahun 2009-2012
berturut-turut adalah 3.632.813, 3.688.275, 3.884.269, dan 3.942.533 (Direktorat Jenderal Peternakan). Sedangkan untuk produksi daging itik di Jawa Timur pada tahun 20092012 yakni 2.098, 1.906, 2.481, 2.531 (Direktorat Jenderal Peternakan) Pendeteksian fertilitas telur itik saat ini masih menggunakan metode manual yakni dengan cara meneropong telur satu per satu. Berdasarkan hasil wawancara dengan pemilik peternakan itik di Mojokerto, Jawa Timur, 1
diketahui bahwa persentase menetasnya telur itik adalah sebesar 80%-85%. Penelitian untuk egg grading telah dilakukan oleh Dhakal dkk (Dhakal dkk, 2012). Penelitian ini mengidentifikasi telur yang micro-crack pada telur ayam. Pendeteksian titik darah (blood spot) menggunakan computer vision pada telur pernah dilakukan sebelumnya. Identifikasi dilakukan menggunakan sebuah teknik analisa warna gambar yang dikombinasikan dengan sebuah neural network detection (Patel dkk, 1998). Pada penelitian Patel dkk (1998) ini mengidentifikasi kualitas telur berdasarkan ada tidaknya blood spot, crack, dan kotoran pada telur. Tingkat akurasi pendeteksian blood spot, crack, dan kotoran pada telur masing-masing adalah sebesar 92.8%, 87.8%, dan 85%. Selain itu terdapat beberapa penelitian mengenai inspeksi dan sortir telur menggunakan digital image processing. Identifikasi telur berdasarkan ada tidaknya embrio yang dilakukan oleh Faridah dkk. Namun objek dalam penelitian ini adalah telur ayam yang berusia lima hari di dalam mesin penetas. Sedangkan penelitian lain menggunakan digital image processing adalah mengidentifikasi telur dari sisi bentuk, warna, dan ukuran (Prasetyawan dan Mustakim, 2012) Penelitian tugas akhir ini akan lebih memfokuskan dalam pembuatan alat identifikasi fertilisasi telur sebelum masuk mesin penetas. Alat yang dhasilkan bertujuan untuk dapat mengidentifikasi telur fertil sehingga nantinya hanya telur fertil yang dimasukkan dalam mesin penetas. Dengan mengidentifikasi fertilitas telur, mesin yang digunakan akan lebih efisien. Selain itu, karena pendeteksian dilakukan tanpa memasukkan telur ke dalam mesin penetas maka telur yang terdeteksi infertil dapat segera dikonsumsi. Terdapat dua parameter telur tetas dianggap baik yang akan diidentifikasi dalam penelitian ini yakni ada tidaknya embrio dalam telur (fertilitas) dan indeks telur. Indeks telur itik yang baik untuk penetasan adalah antara 70-79% (Muslim, 1992). Dalam rentang indeks telur itik tersebut bentuk telur itik adalah lonjong.
2
METODOLOGI PENELITIAN
Penelitian di awali dengan mengidentifikasi permasalahan yang ada di masyarakat. Tahapan selanjutnya pembuatan alat. Awalnya dilakukan pembuatan desain alat yang possible untuk dibuat. Memulai pembuatan alat berdasarkan desain dan melakukan sinkronisasi dengan software. Alat yang telah dibuat, diuji untuk dijalankan. Pada tahapan analisa dan intrepretasi data dilakukan analisa terhadap output dari alat. Baik dari kesesuaian alat maupun dari sisi ekonomis. Tahapan selanjutnya adalah tahapan kesimpulan dan saran berisi kesimpulan dan saran dari hasil penelitian. 3 PENGUMPULAN DAN PERANCANGAN ALAT
Objek amatan dalam penelitian ini adalah telur itik Mojosari untuk penetasan. Pada penelitian ini sistem yang dibuat dapat mengidentifikasi fertilitas dan indeks dari telur itik. Fertilitas adalah indikator ada tidaknya embrio dalam telur itik. Telur yang memiliki embrio (fertil) nantinya akan ditetaskan ke dalam mesin penetas sedangkan telur tidak berembrio (infertil) akan dikonsumsi. Untuk indeks telur itik tetas yang baik adalah sebesar 70-79%. Untuk nilai indeks telur itik dapat dihitung menggunakan rumus sebagai berikut. Indeks telur itik =
lebar telur itik × 100% panjang telur itik
Berikut contoh gambar untuk telur fertil berdasarkan ada tidaknya embrio.
Gambar 3.1 Telur Fertil (kiri) dan Telur Infertil (kanan) Sedangkan gambar berikut contoh gambar untuk telur yang memiliki indeks telur yang sesuai dan tidak sesuai dengan ketentuan telur lonjong.
2
Tabel 3.1 Uji akurasi hasil identifikasi ada tidaknya embrio dalam telur Jumlah Telur Jumlah Batch Berembrio (Fertil) Identifikasi Benar Software Manual I 2 2 9 II 1 1 9 III 0 0 9 IV 1 2 8 V 3 3 9 VI 2 2 9 VII 0 0 9 VIII 3 2 8 IX 0 0 9 X 0 0 9 XI 2 2 9 XII 2 2 9 Rata-rata Standar Deviasi
Gambar 3.2 Telur yang Memenuhi Indeks Tetas (kiri) dan Tidak Memenuhi Indeks Tetas (kanan) Perancangan Perangkat Lunak Alat Perancangan perangkat lunak alat dibuat menggunakan software Borland Delphi 7. Ada beberapa bagian dalam perangkat lunak alat. Berikut penjelasan mengenai bagian-bagian dalam perangkat lunak alat yang dirancang: Interface merupakan tampilan awal software. 3.1
Jumlah Identifikasi Salah 0 0 0 1 0 0 0 1 0 0 0 0
Prosentase Kebenaran 100% 100% 100% 89% 100% 100% 100% 89% 100% 100% 100% 100% 98% 0.04
Dari tabel di atas dapat dilihat bahwa sistem alat dapat memiliki tingkat akurasi sebesar 98% dan nilai error sebesar 4%. Tabel 3.2 Uji akurasi hasil identifikasi indeks telur Batch
Gambar 3.3 Interface Sistem Operator dapat mengakses sistem alat dengan masuk menggunakan nama operator dan password-nya
Gambar 3.4 Tampilan Sistem untuk Capture Online
Indeks 1
2
3
4
5
6
7
8
9
𝒙
R
1
0.747 0.753 0.714 0.700 0.832 0.738 0.672 0.714 0.819 0.743 0.161
2
0.782 0.738 0.732 0.729 0.722 0.780 0.923 0.692 0.630 0.748 0.294
3
0.800 0.685 0.780 0.796 0.895 0.783 0.825 0.694 0.780 0.782 0.210
4
0.799 0.809 0.799 0.784 0.707 0.832 0.759 0.680 0.761 0.770 0.153
5
0.743 0.753 0.720 0.789 0.733 0.743 0.799 0.684 0.774 0.748 0.115
6
0.705 0.837 0.734 0.731 0.721 0.791 0.795 0.893 0.787 0.777 0.188
7
0.743 0.717 0.820 0.807 0.691 0.925 0.827 0.694 0.780 0.778 0.234
8
0.765 0.726 0.756 0.792 0.810 0.797 0.785 0.706 0.840 0.775 0.133
9
0.943 0.695 0.811 0.784 0.733 0.720 0.733 0.722 0.782 0.769 0.248
10
0.743 0.713 0.837 0.717 0.764 0.717 0.841 0.699 0.740 0.752 0.142
11
0.825 0.697 0.781 0.801 0.684 0.780 0.805 0.892 0.807 0.786 0.208
12
0.742 0.724 0.820 0.921 0.692 0.811 0.820 0.702 0.781 0.779 0.229 𝒙
0.767
𝑹
0.193
Setelah dilakukan uji paired t-test menggunakan SPSS 18 dengan tingkat kepercayaan 95% untuk data indeks telur itik diketahui bahwa nilai sig. (2-tailed) adalah sebesar 0.191. Karena nilai sig. (2-tailed) adalah sebesar 0.191 > 0.05 maka terima Ho. Ho adalah pernyataan bahwa antara data manual dan sistem alat adalah sama.
3.2
Hasil uji validasi dan output alat Uji validasi ini dilakukan untuk mengetahui apakah sistem alat dapat berfungsi sesuai kondisi riil. Selain itu, dilakukan pengujian tingkat akurasi alat dalam melakukan identifikasi dan dapat diketahui nilai error alat.
3
Tabel 3.3 Total Biaya Present Value Challenger dan Defender
Xbar-R Chart of C1, ..., C9
Sample M e a n
UC L=0.8294 0.80
Thn
__ X=0.7674 0.75
0 1
LC L=0.7053
0.70 1
2
3
4
5
6
7 Sample
8
9
10
11
12
2 UC L=0.3347
Sample Range
1
0.1
2
LC L=0.0339 0.0 1
2
3
4
5
6
7 Sample
8
9
10
11
3
12
Gambar 3.5 Hasil Xbar-R Chart untuk Indeks Telur
4
UCL=1
Proportion
0.9
_ P=0.8426
0.8
0.7 0.6
0.5
LCL=0.4784 2
3
4
5
6 7 Sample
8
9
10
11
Biaya Operasional Tahunan
Nilai Sisa (Rp)
-4,097,023
-4,097,023
-4,097,023
-4,097,023
-4,097,023
2,000,000
-250,000 Defen der
Net Cash Flow (Rp) -3,117,200
NPV
12,363,051
-2,097,023 -250,000
-13,887,655
-13,887,655
-13,887,655
-13,887,655
-13,887,655
50,000
37,213,637
-13,837,655
Analisa dan Interpretasi Data
Identifikasi fertilitas telur dalam sistem dilihat berdasarkan ada tidaknya titik dalam kuning telur. Pada awalnya sistem akan mengidentifikasi luas area masing-masing telur yang akan diproses. Setelah mendapatkan area masing-masing telur, sistem akan mengidentifikasi ada tidaknya embrio dalam telur dengan membandingkan threshold citra objek amatan dengan master. Sistem alat yang telah dibuat mampu mengidentifikasi fertilitas telur dengan baik yakni dengan confidence level sebesar 98%. Pembacaan sistem untuk indeks telur adalah berdasarkan threshold yang telah ditentukan sebelumnya. Dengan nilai grayscale tertentu akan tercipta gambar threshold yang akan menentukan ukuran telur dan mengkalkulasinya menjadi indeks telur. Ketika telur amatan yang diuji memilliki ketebalan cangkang diatas rata-rata telur kebanyakan, maka warna telur akan gelap. Gelapnya gambar telur yang dihasilkan akan memengaruhi pembacaan threshold dari sistem. Perbaikan yang bisa dilakukan untuk permasalahan sedikitnya prosentase telur berembrio adalah menambahkan jumlah pejantan dalam kandang, meningkatkan kualitas pakan ternak, mengganti pejantan dan betina yang sudah tidak produktif, dan memeriksa kesehatan hewan ternak. Penyebab telur memiliki indeks di luar ketentuan adalah faktor genetis dan ketidaknormalan oviduk (indukan). Dari penyebab ini maka dapat dilakukan perbaikan dalam peternakan seperti mengecek dan mengganti indukan. Dampak dari indeks telur akan berpengaruh terhadap bentuk telur. Bentuk telur tidak hanya mempengaruhi daya
P Chart of C1 1.0
Challe nger
0
_ R=0.1843
0.2
Investasi Awal (Rp) -3,117,200
3
0.3
1
Nama
12
Gambar 3.6 Hasil P Chart untuk Telur Tidak Berembrio Dari gambar Xbar-R Chart dapat dilihat bahwa hampir seluruh indeks telur itik dalam penelitian ini masih dalam batas kontrol. Namun untuk P Chart terdapat beberapa data yang tepat berada pada batas kontrol.
Gambar 3.7 Histogram Prosentase Telur Berdasarkan histogram di atas dapat dilihat bahwa prosentase telur ditolak masuk mesin penetas adalah sebesar 0.93. Sedangkan penyebab telur ditolak ada dua faktor yakni telur infertil dan indeks telur yang tidak sesuai. Sehingga perbaikan yang dapat dilakukan peternak adalah memperbaiki faktor penyebab terbesar telur itik ditolak masuk mesin penetas. Dari gambar histogram di atas diketahui bahwa penyebab terbesar telur itik ditolak masuk mesin penetas adalah telur infertil yakni sebesar 85%. 4
Akan lebih baik jika semua nilai data berada pada nilai 𝑅 . Karena hal ini mengindikasikan tidak adanya gap antar data. Untuk hasil P chart diketahui bahwa data masih dalam batas kontrol. Walaupun demikian ada beberapa data yang tepat berada pada UCL. Data dapat dikatakan sangat jelek dan harus diperbaiki. Karena data yang tepat berada pada UCL cenderung akan keluar dari batas kontrol. Oleh sebab itu pengontrolan untuk fertilitas telur lebih diperhatikan. Selain itu juga dilakukan penghitungan uji kelayakan investasi dan dapat diketahui bahwa penggunaan alat ini sangat layak. Pada proses awal dapat dilihat bahwa total pembuatan alat adalah Rp 3.117.200. Jika menggunakan alat (challenger) peternak menghabiskan biaya sebesar Rp 12.363.051. Sedangkan jika peternak tetap pada proses manual identifikasi maka biaya yang dikeluarkan peternak adalah sebesar Rp 37.213.637. Dari hasil ini dapat diketahui bahwa dengan menggunakan alat ini peternak akan lebih untung karena mengeluarkan biaya jauh lebih rendah dibandingkan dengan menggunakan proses manual. Penghematan yang bisa didapatkan peternak adalah sebesar Rp 9.790.632 per tahun. Nilai ini cukup besar sehingga dapat menguntungkan peternak.
tetas telur namun juga akan memengaruhi konsumen dalam membeli telur. Dengan menggunakan software SPSS 18 didapatkan hasil bahwa nilai sig. 2 tailed untuk data penghitungan indeks telur manual dan sistem adalah 0.191. Nilai sig. 2 tailed dibandingkan dengan nilai 0.05 karena dalam running software SPSS 18 menggunakan confidence level sebesar 95%. Oleh karena nilai sig. 2 tailed ini lebih besar dari pada 0.05 maka terima Ho yang artinya data antara pengukuran manual dengan software tidak berbeda secara signifikan. Sedangkan untuk uji tingkat akurasi pada sistem dalam mengidentifikasi fertilitas telur dapat diketahui bahwa sistem alat dapat membaca feilitas telur dengan baik dengan tingkat akurasi 98%. Dari 108 telur yang dideteksi oleh sistem alat hanya 2 telur yang salah identifikasi. Dalam penggunaannya, sistem memiliki error sebesar 0.04. Hal ini terjadi karena terkadang sistem alat salah mengidentifikasi fertilitas telur. Kesalahan identifikasi telur embrio dibaca tidak berembrio. Kejadian ini bisa disebabkan oleh ketebalan telur lebih besar diatas rata-rata telur kebanyakan. Cangkang telur yang terlalu tebal akan mempersulit cahaya lampu led super bright white untuk menembus isi dalam telur. Kesalahan identifikasi telur tidak berembrio dibaca berembrio. Hal ini dapat terjadi dikarenakan oleh ketebalan telur yang lebih tipis dibandingkan telur kebanyakan. Cahaya lampu led super bright white dapat dengan mudah menembus cangkang telur yang terlalu tipis sehingga terbaca telur fertil. Faktor lain yang memengaruhi kesalahan identifikasi telur fertil dibaca infertil adalah warna telur yang cenderung gelap. Selain itu peletakan telur yang tidak horizontal sempurna cenderung akan menghasilkan gambar lebih redup. Untuk hasil R chart lebih terlihat perbedaan nilai indeks antar data. Terlihat dari grafik tersebut bahwa terjadi perbedaan signifikan antar data di dalam satu batch. Walaupun dalam R chart data masih di dalam batas kontrol akan tetapi gap nilai indeks antar data masih cukup besar. Dari 12 kumpulan data (batch) yang dimasukkan, hampir semua data berada jauh dari nilai 𝑅 .
5
KESIMPULAN DAN SARAN
Berikut akan dipaparkan hasil akhir dari penelitian yakni kesimpulan penelitian. Kesimpulan Kesimpulan dari penelitian ini adalah sebagai berikut. 1. Alat yang dibuat mampu melakukan identifikasi fertilitas telur berdasarkan dua indikator telur tetas yang baik yakni ada tidaknya embrio dalam telur dan indeks telur antara 70-79% 2. Berdasarkan hasil penelitian, identifikasi yang dilakukan sistem lebih cepat dan murah daripada proses identifikasi (peneropongan) manual Saran Subbab ini berisi beberapa saran untuk melakukan pengembangan penelitian. Di dalam subab ini juga dipaparkan 5
kekurangan selama penelitian ini berlangsung. Berikut saran penelitian. 1. Dalam pengembangan ilmu identifikasi bahan makanan dalam penelitian ini adalah telur, sebaiknya lampu yang digunakan adalah lampu infra merah agar kualitas bahan makanan dapat lebih terjaga 2. Pengembangan identifikasi fertilitas telur tidak hanya menggunakan dua indikator 3. Penelitian selanjutnya diharapkan dapat meng-capture untuk telur dengan ketebalan cangkang yang berbeda-beda
Wakhid, A. (2010). Buku Pintar Beternak dan Bisnis Itik. Tangerang: PT. AgroMedia Pustaka.
Daftar Pustaka Anonim. (2012). Permintaan Daging Bebek Tinggi, Harga DOD Meroket. www.livestockreview.com. Faridah, N. A. (2008). Aplikasi Mesin Visi dalam Pendeteksian Fertilitas Telur. King, D. F. (1939). The Detection of Infertile Eggs and Its Application to Hatchery Management. Montgomery, D. C. (1991). Introduction to Statistical Quality Control. New York: John Wiley & Sons, Inc. Muslim, A. (1992). Budidaya Mina Itik. Yogyakarta: Kansius. Mustaqim, Y. P. (2010). Automated visual grading and inspection for egg. Journal of Industrial Engineering. Journal of Industrial Engineering , 1-8. Prasetyawan Yudha, A. M. (2012). Automated Visual Grading and Inspection for Egg. The 5th International Seminar on Industrial Engineering and Management (5th ISIEM). Manado. Sumantri. (n.d.). Teknis Penetasan Telur Semi Insentif. Balai Penelitian Ternak Po Box 221 Bogor 16002 . Sun, D. W. (2009). Eggs and Egg Products. In Infrared Spectroscopy for Food Quality Analysis and Control. USA: Elsevier Inc. V Patel, M. C. (1998). Development and evaluation of an expert system for egg sorting. Computer adn Electronics in Agriculture , 97-116. 6
