Pengembangan Metode Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan

PENGEMBANGAN METODE ANALISA DERAJAT SOSOH BERAS
DENGAN PENGOLAHAN CITRA DAN JARINGAN SARAF TIRUAN
. .

,

�'-

O£I',

.

i

. NOE!A VARAHNUR
.

"

-

�

F01499101

203

JURUSAN TEKNIK PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR

•

R

FOl499l01.

NOVE NAYYARAH R

Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf Tiruan. Di bawah
bimbingan: Setyo Pertiwi dan I �ayan Astika.

'

2003.

. ,

•

NGKASAN

Akhir-akhir ini sering diennasalahkan adanya kasus-kasus eras kuaIias
rendab, eras , eras turun mutu, dan eras rusak selama enyimpanan i gudang.
Kasus beras erkualitas rendah pada umumnya teyai a eras ean yang
nantinya akan erkelanjuan menjadi eras turun mutu dan kemudian cenderung
menjadi beras k.
Kasus-kasus eras tua atau eras yang meoua selama
enyimanan daat teyai baik pada engadaan dalam negeri maupun eras imort
yang pada umumnya achir-achir ini disiman di gudang lebih i enam bulan, yang
nantinya cenderung menjadi turun mutu (Yudawinata, 1982).
Saat ini inseksi mutu ems dilakukan oleh tenaa insektor yang telah

berengalaman. Metoda yang dipakai adalab mengambil sediit samel beras n
dalam karung untuk kemudian di'amati secara visual.
Deogan engalamannya
insektor apat menentukan aakah samel tersebut dapat diterima atau ik ke
dalam suatu ' rade tertentu. Deogan latar belakang tersebut, enelitian ini dirancang
dengan tujuan membangun erangkat kecerdasan buatan (erbasis komputer) untuk

menggantikan fungsi
insektor
dalam
melakukan
inseksi
mutu beras.
Perkembangan sistem engolahan citra memungkinkan dilakukan enentuan derajat
sosoh eras dengan melakukan engukuran secara tidak langsung.
beras.

Penelitian ini ertujuan untuk mengembangkan metoda analisa derajat sosoh
Tujuan khususnya adalah menyusun algoritma pengolahan citra untuk

memeroleh nilai parameter-parameter yang mencerminkan derajat sosoh beras,
yaitu nilai rata-rata intensitas wna merah (R rata-rata), nilai rata-rata intensitas
na

hijau (G rata-rata), nilO rata-rata intensitas waa bim (B rata-rata), nHai rata­

rata RGB (CV rata-rata), nilai rata-rata indeks wama merah

(Id rata-rata), nilai rata­

rata indeks na hijau (wn rata-rata), nilai rata-rata indeks ma bim (Ib1e rata­
rata), nilai rata-rata indeks Hue (H raa-rata), nilai rata-rata aturation (S rata-rata),
dan nHai raa-rata Intensiy (I rata-rata).

Penilaian dilakukan secara visual buatan
dengan engoJahan cira (image processing) yang dikembangkan menkan
jaringan saraf timan (artiCial neural newor=ANN), kemudian dibandingkan
dengan hasil analisa derajat sosoh contoh samel yang telah diwamai dengan laruao
May Gmenward.
Borasio (1979) mengembangkan tenik ewan denan lan May

Gruenward. Pewamaan dengan larutan ini menyebabkan bagian kulit an seelah
luar menjadi berwna hijau, bagian kulit ari sebelah dalam menjadi erwaa bim,
sedangkan endoserm menjadi ea merah jambu.
Djasmin, S (1986)
mengembangkan metde analisa derajat sosoh beras dengan piringan

a

standar.

Beras standar yang telah dinai dengan lamtan May Gruenward diputar denan
kecepatan yang cukup tinggi dan mementuk na yang homogen. Piringan a
standar dibuat dari berbagai kertas wama. Dengan metode tersebut maka enentuan
derajat sosoh beras cukup dilakukan engukun satuan nya menggunakan

CDC (Color Dfference Computer) alau dengan membandingkan na dengan
wama piringan standar yang dibuat.
Peneliian ini dilakukan pada Bulan Maret-September 2003. Pellbangan
sistem kompter dilakukan di ab. Sistem dan Manajemen Mekanisasi Pertanian,
Jurusan Teknik Pertanian, PB. Penggilingan padi dan enentuan djat sosoh

dilakukan di Balai Penelitian n Pengemhangan BULOG, Tambun. SIIgkan uji
validasi derajat sosoh dengan larutan May Gruenwald dilakukan di b. Kimia
Analitik. Jurusan Kimia, PB.
Baban yang digunakan adalah gabah dari dua varietas, yaitu R4 dan
Membramo. Kedua varietas gabah dieoleh n Kebun Percobaan M. Bogor.
Gabah tersebut digiling terlebih dahulu menjadi ems sosoh dengan beba derajat
sosoh. Peralaan yang digunakan untuk engolahan citra adalab a digital
merek Fuji Fine Pix A203. seerangkat komputer, lampu merek Phillips, yrofoam,
n sebagai erangkat lunanya adalah Microsot Visual Basic 6.0 n Wdows XP
Professional 2002. Perangkat kes yang digunakan adalab erangkat komputcr
dengan processor Pentium II 996 z, M (Random Access Memoy) 128 B.
Peralaan lain yang digunakan adalah mesin analisa gabah 3 in I Te R-3,
Illuminance meter merek Minolta untuk mengukur intensitas cahaya, mr divider
merek Tsukasa Co. LD, imbangan merek Ohaus, engukur kadar air s merek
Kett Global PM-400 Ina.
Gabah diproses terlebih dahulu dengan mesin analisa gabah yang memiliki
tiga fungsi sekaligus, yaitu emisahan gabah dengan gabah hama n kotoran,
engelupasan sekamlembuatan bems ecab kulit, n enyosohalL
Untuk
memeroleh DS (derajat 5Osoh) 80%, 85%, 90%. 95%, dan 100%, ter diaur

untuk 5 detik, 10 detik, 15 detik, 20 deik, n 25 detik. Pengambilan cira dilakukan
dengan menggunakan kamera digital. Beras ditempatkan secara acak. amun i:
ada yang hersentuhan mengingat citra akan memproses objek satu er u. Cira
wama terlebih dahulu diubah menjadi cira biner untuk membedakan na obyek
dan latar elakang. Setelah proses thresholding, dilakukan penghitungan eerapa
parameter yang hasilnya disimpan dalam sebuah le text dengan extention •.xt ada
notepad untuk kemudian digunakan sebagai daa pada proses training NN.
Model AN yang digunakan terdiri dari tiga lyer, yaitu input laer, hidden
layer, dan output lyer. Noda pada input lyer merupakan data-data nuerik yang
dihasilkan i proram image processing n noda pada output layer adalah derajat
sosoh eras sebagai basil endugaan jaringan. Sepuluh paameter yang menjadi
input adalah R rata-rata, G rata-rata, B rata-rata, CV rata-rata, Id rata-rata, Iwnrata­
rata, Ible rata-rata, H rata-rata, S rata-rata, dan I rata-rata. Sedankan enam
parameter yang menjadi output adalah PK, OS 80%. DS 85%. DS 90%, DS 95%. dan
DS 100%. Training NN dilakukan sampai tingkat akurasi endugaan terhadap
training set sabil. Pa proses training akan dipilih hobot akurasi terbaik untuk
digunakan dalam uji validasi. Hasil endugaan samel yang telab diuji dibandingkan
dengan hasil ewamaan dengan larutan May Gruenward.
Hasil engolahan citra untuk beras R-64 nenunjukkan bahwa a garis
hesar nilai R rata-rata n G 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
Id rata-rata terkecil. Nilai Ien rata-rata terkecil terdapat pada heras denan deajat
5050h 95%. Nilai Ible rata-rata senakin esar dengan meningkatnya DS (hle 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 raa-ata PK
DS 80% < DS 85% < DS 90% < DS 95% < DS 100%). Namun jika dilihat data

<

er butir ems. tidak ada kisaran nilai yang s antara masing-masing derajat sosoh.
HasH engolahan citra untuk eras Membramo menunjukkan bahwa secara
garis besar nilai R rata-raa, dan G raa-rata PK < DS 80% < DS 85% < DS 90% <

DS 100% < DS 95%. Nilai B rata-rata dan CV rata-rata semakin esar dengan
meningkanya DS (B rata-rata dan CV rata-rata PK < DS 80% < DS 85% < DS 90%
< DS 95% < DS 100%). Nilai I" rata-raa semakin kecil dengan meningkatnya DS

(I" rata-rata PK > DS 80% > DS 85% > DS 90% > DS 95% > DS 100%). Nilai

Ien rata-rata DS 80% > PK > DS 85% > DS 90% > DS 95% > DS 100%. Nilai Iblc

semakin esar dengan meningkatnya DS (,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 8% < DS 85% < DS 90"10 <
DS 95% < DS 100%). Seeti halnya eras R-64, jika dilihat data er buir eras

tidak ada kisaran nilai yang s aotara masing-masing derajat sosoh.

Akurasi endugaan AN terhadap daa training beas R4 mencapai
45.46% (ersentase error endugaan 54.54%). Akurasi endugaan NN terhadap
data training eras Memhmmo mencaai 55.35 % (ersentase error endugaan
44.65%). Secara keseluruhan data validasi ems R-64 yang berhasil menduga

sebanyak 63 dari 304 data (si ndugaan 20.73%). Sedangkan untuk beras
Membramo secaa keseluruhan data validasi yang berhasiI menduga sebanyak 117
dari 300 data (akurasi endugaan 39%). Hasil validasi ini belum menunjukkan ola

endugaan 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 sana keputihannya. Selain itu hasil enyosohan tidak meraa, ada
beras yang tersosoh dengan baik dan ada yang tidak. Hal tersebut dierkuat dengan
hasil ewanaan beras dengan larutan May Gruenward. Samel eras sosoh denan
DS 100% tidak semuanya bema merah jambu (seluruh lapisan kulit n telah
terleas), terdapat pula beras daln derajat sosoh lain. Hal yang sna juga terjadi
pada samel beras dengan DS 80%, DS 85%, DS 90%, dan DS 95%.
Kesimpulan dad enelitian ini adalah metode yang dikembangkan belum
dapat menganalisa derajat sosoh dengan tepat. Parameter-parameter yang dian
kurang dapat mencenninkan derajat sosoh beras er butir. Namun jika dianalisa er

samel ada eberaa parameter yang dapat mencenninkan derajat soso� yaitu Hue
Sedangkan ada samel eras
dan indeks a biru untuk varietas R-64.

Membramo

nilai

rata-rata

parameter

untuk

keseluruhan

samel

yang

dapat

mencenninkan derajat sosoh adalah B, CV, Ird, Ib1ue, dan Hue. Pada eneliian lebih
lanjut, sebaiknya eras yang dianalisa adalah beras er samel karena hasil
enyosohan setiap butir tidak meraa, ada pennukaan butir eras yang tersosoh
dengan baik dan ada yang tidak. Penelilian Iebih lanjut juga dapat dilakukan dengan
menggunakan input dari parameter yang telah daat mencerminkan derajat sosoh.

INSTITVT PERTANIAN BOGOR
FAKULTAS TENOLOGI 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 28 Juni 1981
di Bandung

Tanggal lulus: Nopember 2003

�� i�,t
'I �A
""�". �-/
:
'
:
:
::
/
b
�
'
�
·
� \�t\�g
. �ye!ujui,

<

+

t

r

;;' ;

ber 2003
'.
"

��

:

'

•

.

,
)
Dr. If. Setyo Pertiwi. MA \
�\
Dosen Pembimbing I

,i

, .,
'.'''

<

-v

"

·'·

Dr. If. I Wayan Astika, M.Si
Dosen Pembimbing II

RWAYAT HDUP

Penulis bemama lengkap R. Novie Nayyarah Nur, dilabirkan di Bandung, 28
JUDi 1981.
eama R. Munirul Islam dan ibu emama R. Aini Nurhayati.
Pada tabun 1993enulis menyelesaikan endidikan dasar di Sekolab Dasar
Negeri 167 Palembang.

Penulis kemudian melanjutkan endidikan di Sekolab

Lanjutan Tingkat Pertama Negeri 3 Tanjung Karang, Lampung dan lulus tabun 1996.
Penulis kemudian melanjutkan ke Sekolah Menengah Atas Negeri 5 Bogor dan lolus
pada tabun 1999.
Pada tahun 1999, melalui Undangan Seleksi Masuk IPB (USMl), enulis
diterima di Jurusan Teknik Peranian, Fakultas Teknologi Pertanian, Institut
Pertanian Bogor. Penulis menyelesaikan program Sarjana pada tahun 2003.
Selama menempuh endidikan di IPB, enulis terdaar di Himpunan
Mabasiswa Teknik
kemahasisan.

Petanian (HIMATETA) dan

actif mengikuti kegiatan

PenuIis terdaar sebagai anggota Intematonal Assosiation of

Agricultural Student (IAAS) dan aktif mengikuti kegiatan selama tabun 2000-2001.
Penulis eah 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 enulis melakukan penelitian dengan topik

Pengembangan Metode

Analisa Derajat Sosoh Beras dengan Pengolahan Citra dan Jaringan Saraf
Tiruan.

KATA PENGANTAR

AlhamduliIlah, segala puji n syukur bagi Allah swt. karena erkal karunia­
Nya enulis dapat menyelesaikan skripsi ini. a haula walaa quwwata ia b/ah,
liada kekuatan n daya upaya melainkan dari Allah.

Peelilian mengenai ANN

menyadarkan enulis betapa segala sesualu ciptaan Allah jaub lebih ceal, lebih
akurat, dan lebih sempuma, maya Allah. Sripsi ini khusus enulis ersembahkan
untuk keluarga tercinta Penulis juga mengucapkan terima kasih kepada :
I.

Dr. Ir. Setyo Pertiwi, MAr selaku dosen embimbing akademik yang lelah
membimbing, baik selama erkuliahan maupun dalam embuatan skripsi.

2.

Dr. Jr. J Wayan Aslika, MSi dan Jr. Mohammad Solahudin, Msi unluk segala
bimbingan n saran selama enelitian dan penyusunan skripsi.

3.

Dr.

Ir.

Suroso, MAgr

selaku dosen enguji skripsi

atas

kesediaan

dan

masukannya.

4. Ir. Abdul Waris Paliwiri, BA dari BULOG yang lelah memeri IJIn
penggunaan fasilitas BULOG.
5.

Ir. Erman Aziz, MSc, . Rochman, dan Mas Rudi di Balai Peneliian n
Pengembangan

BULOG,

Tambun,

Bekasi,

yang

lelah

membanlu

dalam

eneJitian.
6.

Dr. Ir. Latifah dan Bu Nunung dari Lab. Kimia Analitik yang memberi ijin
enggunaan fasilitas lab dan membantu dalam pembuatan laruan untuk uji
validasi.

Bogor, Novemer 2003

Penulis

III

DAFTARISI

Hal
KATA PENGANTAR .
..

DAFTAR TABEL

...

.

...............

DAFTAR GABAR ..
.

DAFTAR LAPRAN
I.

II.

..............

PENDAHULUAN .

.

.

........

. ..

...........

. . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

..

.

.....

. .
...

............

.

......

. .
...

.........

..............................

.......... ..................................

.................

.

............

.

.

.

.

.

. ..
...

...........

.....

....

........

..
.

....

.....

.

.

.

.

..

..

.

... . ..

.. .
.

.

......

........

....

. ..
..

......

..

.....

.

. ..
.

.

.

.

......

.

.....

. . . . . . . . . ......

........

.

.......

.............

......

. .
..

.

...

.....

.

A

LATAR BELAKANG ............................................... ........... ................

B

TUJUAN ...................................................................

I

VII

IX

1

.

..................

.

TINJAUAN PUSTAKA .......................................................... ...........
A

.

III

3
4

.

MUTU BERAS .................................................................... .......... .

4

1. Umum

4

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . .

2��b�

5

B. JARINGAN SARAF TRUAN
C.WARNA

.......

.

..........

. . . ..
.

.

...

.....

...........

..
.

........

.

. ......................

..

.......

.

.....

................

... .. .
...

.

......

....

...

. .. .
...

..

...

8
11

...................... ........................ ...........

12

lII. ETODE PENELITIAN .......... ....................... ...................... ........... .

15

D. PENGOLAHAN CITRA

A

.

TEPAT DAN WAKTU........................ ............................................ 15

B. BAHAN DAN ALAT ................................ ............................................ 15
C. TATA LAKSANA........................................................................

18

I.

Penggilingan dan Penentuan Derajat Sosoh Becas ................

18

2.

Pengambilan n Pengolahan Citra

3.

Penyusunan Program Jaringan SarafTiruan (ANN)

4. Uji Validasi

. . . . . .......

...
.

.

......

. .
..

.....................

. . . . . . .. . . .

IV

............

...
.

.

....

...

. . .... ..
.

.

...

.

. .
..

..........

.............

.....

.

.........

. .. 19
...

. .. . 21
..

.

.. . . 24
.

..

IV. HASILDAN PEMBAHASAN

A. SAMPEL BERAS

..

. . . . .. . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . .

.

..........

25

............................................................................... 25

B. PENGOLAHAN CITRA BERAS SOSOH

..........................................

25

. . . . . . . . . . . . . ..................... . . . . . . ..........................

27

I.

Karakteristik Nilai RGB

2.

teristik Indeks RGB

3.

Karakteristik Nilai HSI

. . . . . . . . .. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . .

C. PELATIHAN JARINGAN SARAF TRUAN (TAINING ANN)

......

33

38
43

I. Training ANN beras R-64 ................................................................ 44
2.

Training ANN es Membramo

............. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .........

D. V ALIDASI JNGAN SARAF TRUAN
V. KESIPULAN DAN SARAN

45

. . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . .. . . . . . .

49

A. KESIPULAN ...................................................................................... 49
B. SARAN

. . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

DAFTARPUSTAKA.
LAPIRAN

............ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

v

50
51
53

DAFTAR TABEL

Hal
Tabel I.

Persyaratan kualitas beras engadaan dalam negeri tahun 2003.......

Tabel2.

Hasil engukurau berat katu!............................................................. 19

Tael3.

Kondisi setting eralatan engambilan citra..................................... 20

Tael4.

Nilai raa-rata RGB keseluruhan samel pada beragai derajat
sosoh beras R-64 ............................................................................... 29

Tabel5.

Selaug nilai RGB pada erbagai derajat sosoh beras R-64........... ... 30

Tabel 6.

2

Nilai rata-rata RGB keseluruban samel pada berbagai derajat
sosoh heras Membramo...................................................................... 33

Tabel 7.

Selaug nilai RGB pada berbagai derajat sosoh beras Membramo..... 33

Tabe! 8.

Nilai rata-rata Id. Igen. dan Iblue keseluruhan samel pada
berbagai derajat sosoh beras R-64 .................................................... 35

Tabel9.

Selang nilai indeks RGB pada berbagai derajat sosoh beras
R-64

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

Tabel10. Nilai rata-rata ld.lgen. dan [blue keseIuruhan samel pada
berbagai derajat sosoh beras Membramo............................. ............. 37
Tabel11. Selang nilai indeks RGB pada berbagai derajat sosoh heras
Membramo......................................................................................... 3 8
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 R-64 ................ 40
Tael14. Nilai rata-raa HSI keseluruhan sampel pada berbagai derajat sosoh
beras Membrno................................................................................ 42
Tae1 15. Selaug nilai HSI pada berbagai derajat sosoh beras Membramo....... 42
Tabel1 6. Hasil dugaan data raining AN pada berbagai derajat sosoh
beras R-64 ...................... ......................................................... ........ 44
Tabel17. Akurasi training AN pada berbagai derajat sosoh eras
Membramo......................................................................................... 4 6

VI