Pengembangan Metode Prediksi Tingkat Kematangan Buah Pisang Berbasis Teknik non-destruktif dan Jaringan Syaraf Tiruan (Neural Network).
Pengembangan Metode Prediksi Tingkat Kematangan
Buah Pisang Berbasis Teknik non-destruktif dan
Jaringan Syaraf Tiruan (Neural Network)
Oleh
Sandra
Nomor Kontrak : 018/SPPP/PP/DP3M/IV/2005
ABSTRAK
Masalah yang sering muncul pada komoditi ekspor buah-buahan Indonesia adalah
kualitasnya pada saat sampai di negara tujuan. Ketidak akuratan dalam hal prediksi kondosi
buah-buahan yang diekspor setelah mengalami perjalanan panjang adalah salah satu
penyebabnya. Salah satunya selalu masak ketika sampai di negara tujuan, hal ini juga terjadi
pada pisang.
Maka untuk itu diperlukan suatu sistem yang dapat menentukan tingkat kematangan
pisang secara akurat. Jaringan syaraf tiruan merupakan sebuah struktur komputasi yang
dikembangkan dari proses sistem jaringan syaraf biologi didalam otak. Unit komputasi yang
paling sederhana dalam setiap lapisan disebut noda dan terhubung satu sama lain. Pada dasarnya
jaringan syaraf tiruan terdiri dari beberapa lapisan noda yaitu sebuah lapisan input, sa
tu atau
lebih lapisan terselubung dan sebuah lapisan output. Unti komputasi yang paling sederhana
dalam setiap lapisan disebut noda dan terhubung satu sama lain. Keuntungan dari metode
jaringan syaraf tiruan adalah dapat membangun fungsi non linier dan hanya memerlukan data
masukan dan keluaran tanpa mengetahui dengan jelas proses dalam jaringan.
Penelitian ini dilakukan untuk : (1) merancang algoritma jaringan syaraf tiruan yang
sesuai untuk menduga umur dari buah pisang, berdasarkan data warna dan data pendukung
lainnya, (2) mempelajari hubungan data pengamatan non destruktif dan pengamatan destruktif
terhadap umur buah pisang, (3) membantu aspek sortasi buah pisang secara non-destruktif.
Penelitian ini dilakukan di laboratorium TPPHP Fateta IPB-Bogor sedangkan untuk
analisa kimia dilakukan di laboratorium Balai besar Telnik Pasca Penen Cimanggu Bogor. Obyek
penelitian, yaitu pisang Cavendish, dibeli dari petani di Gondang Legi, Malang. Pisang ditebang
dari pohonnya dengan hati-hati. Sebanyak 3 tandan dengan tingkat kematangan yang berbeda,
sisir pisang yang pertama dan yang terakhir tidak digunakan dan buah yang paling pinggir dalam
sisir pisang juga dibuang, masing-masing sebanyak 40 buah mewakili kelompok umur petik 90,
100, dan 105 hari.
Sitem jaringan syaraf tiruan akan menggunakan data hasil pengukuran warna, data kadar
gula, total padatan terlarut, berat dan kekerasan, yang diambil dari berbagai tingkat kematangan
buah pisang sebagai masukan dan akan mengolahnya sehingga menghasilkan keluaran berupa
tingkat kematangan buah pisang.
Jaringan syaraf tiruan yang akan dikembangkan adalah jaringan syaraf tiruan lapisan
jamak yang terdiri dari tiga lapisan yaitu lapisan input/masukan, lapisan tersembunyi dan lapisan
keluaran. Pada penelitian ini pasangan target keluaran berupa bilangan biner yang berbentuk
vektor untuk nilai keluaran tiap tingkat kematangan buah pisang. Penentuan tingkat kematangan
tersebut adalah : (1,0,0) untuk tingkat ketuaan 90 hari setelah bunga mekar (hasbm) ; (0,1,0)
untuk tingkat ketuaan 105 hari setelah bunga mekar (habn) Untuk melakukan pengujian kinerja
dari JST, maka setelah pelatihan dilakukan validasi dengan menggunakan data yang berbeda
dengan data yang digunakan pada proses program pelatihan. setelah prosesl validasi maka
didapat data hasil validasi.
Memprediksi tingkat kematangan dengan data non-destruktif sebagai data input
dilakukan dengan dua model yang pertama input data dari pengolahan citra yaitu R, G, B, model
kedua data inpunya dari pengolahan citra R, B, G, berat, diameter. Model I dapat memprediksi
tingkat kematangan buah pisang sampai 58 %, sedangkan untuk model II dapat memprediksi
sampai 83,33 %.
JST dengan input data destruktif dibagi dua model yang pertama input data dari
pengolahan citra yaitu gula, total padatan terlarut, kekerasan, model kedua data inpunya dari
pengolahan citra R, G, B, berat, diameter, gula dan total padatan terlarut, dengan 3 0utput.
Tingkat akurasi prediksi JST model I untuk tingkat kematangan mencapai 91 %. Akurasi yang
paling rendah adalah 25 %. Akurasi JST model II dapat memprediksi ketuan pisang secara
maksimal untuk ketuaan 100 hsbm. Prediksi 90 hsbm yang maksismal terjadi untuk lapisan
tersembunyi 9 pada iterasi 1000 dan 5000 sedangkan 10-5 hsbm yang maksimal pada lapisan
tersembunyi 9 pada iterasi 5000. Akurasi yang paling sempurna adalah lapisan tersembunyi 9
dengan iterasi 5000, karena pada perlakuan ini semua tingkat ketuan pisang dapat diprediksi
secara sempurna.
Prediksi kandungan gula dengan menggunakan JST hanya menggunakan lapisan
tersembunyi 7 dengan perlakuan jumlah iterasi. JST dapat memprediksi kandungan gula pada
berbagai tingkat kematangan pisang dengan tingkat akurasi tertinggi 83,33 %.
Semakin matang buah maka semakin turun tingkat kekerasannya hubungan ini
ditunjukkan dengan persamaan regresi y = -7,5957 + 0,0996x dengan nilai R 2 = 6225, sedangkan
hubungan antara total padatan terlarut dengan tingkat kematangan ditunjukkan dengan
persamaan y = - 72,49 + 0,8492x dengan R2 = 5666.
Buah Pisang Berbasis Teknik non-destruktif dan
Jaringan Syaraf Tiruan (Neural Network)
Oleh
Sandra
Nomor Kontrak : 018/SPPP/PP/DP3M/IV/2005
ABSTRAK
Masalah yang sering muncul pada komoditi ekspor buah-buahan Indonesia adalah
kualitasnya pada saat sampai di negara tujuan. Ketidak akuratan dalam hal prediksi kondosi
buah-buahan yang diekspor setelah mengalami perjalanan panjang adalah salah satu
penyebabnya. Salah satunya selalu masak ketika sampai di negara tujuan, hal ini juga terjadi
pada pisang.
Maka untuk itu diperlukan suatu sistem yang dapat menentukan tingkat kematangan
pisang secara akurat. Jaringan syaraf tiruan merupakan sebuah struktur komputasi yang
dikembangkan dari proses sistem jaringan syaraf biologi didalam otak. Unit komputasi yang
paling sederhana dalam setiap lapisan disebut noda dan terhubung satu sama lain. Pada dasarnya
jaringan syaraf tiruan terdiri dari beberapa lapisan noda yaitu sebuah lapisan input, sa
tu atau
lebih lapisan terselubung dan sebuah lapisan output. Unti komputasi yang paling sederhana
dalam setiap lapisan disebut noda dan terhubung satu sama lain. Keuntungan dari metode
jaringan syaraf tiruan adalah dapat membangun fungsi non linier dan hanya memerlukan data
masukan dan keluaran tanpa mengetahui dengan jelas proses dalam jaringan.
Penelitian ini dilakukan untuk : (1) merancang algoritma jaringan syaraf tiruan yang
sesuai untuk menduga umur dari buah pisang, berdasarkan data warna dan data pendukung
lainnya, (2) mempelajari hubungan data pengamatan non destruktif dan pengamatan destruktif
terhadap umur buah pisang, (3) membantu aspek sortasi buah pisang secara non-destruktif.
Penelitian ini dilakukan di laboratorium TPPHP Fateta IPB-Bogor sedangkan untuk
analisa kimia dilakukan di laboratorium Balai besar Telnik Pasca Penen Cimanggu Bogor. Obyek
penelitian, yaitu pisang Cavendish, dibeli dari petani di Gondang Legi, Malang. Pisang ditebang
dari pohonnya dengan hati-hati. Sebanyak 3 tandan dengan tingkat kematangan yang berbeda,
sisir pisang yang pertama dan yang terakhir tidak digunakan dan buah yang paling pinggir dalam
sisir pisang juga dibuang, masing-masing sebanyak 40 buah mewakili kelompok umur petik 90,
100, dan 105 hari.
Sitem jaringan syaraf tiruan akan menggunakan data hasil pengukuran warna, data kadar
gula, total padatan terlarut, berat dan kekerasan, yang diambil dari berbagai tingkat kematangan
buah pisang sebagai masukan dan akan mengolahnya sehingga menghasilkan keluaran berupa
tingkat kematangan buah pisang.
Jaringan syaraf tiruan yang akan dikembangkan adalah jaringan syaraf tiruan lapisan
jamak yang terdiri dari tiga lapisan yaitu lapisan input/masukan, lapisan tersembunyi dan lapisan
keluaran. Pada penelitian ini pasangan target keluaran berupa bilangan biner yang berbentuk
vektor untuk nilai keluaran tiap tingkat kematangan buah pisang. Penentuan tingkat kematangan
tersebut adalah : (1,0,0) untuk tingkat ketuaan 90 hari setelah bunga mekar (hasbm) ; (0,1,0)
untuk tingkat ketuaan 105 hari setelah bunga mekar (habn) Untuk melakukan pengujian kinerja
dari JST, maka setelah pelatihan dilakukan validasi dengan menggunakan data yang berbeda
dengan data yang digunakan pada proses program pelatihan. setelah prosesl validasi maka
didapat data hasil validasi.
Memprediksi tingkat kematangan dengan data non-destruktif sebagai data input
dilakukan dengan dua model yang pertama input data dari pengolahan citra yaitu R, G, B, model
kedua data inpunya dari pengolahan citra R, B, G, berat, diameter. Model I dapat memprediksi
tingkat kematangan buah pisang sampai 58 %, sedangkan untuk model II dapat memprediksi
sampai 83,33 %.
JST dengan input data destruktif dibagi dua model yang pertama input data dari
pengolahan citra yaitu gula, total padatan terlarut, kekerasan, model kedua data inpunya dari
pengolahan citra R, G, B, berat, diameter, gula dan total padatan terlarut, dengan 3 0utput.
Tingkat akurasi prediksi JST model I untuk tingkat kematangan mencapai 91 %. Akurasi yang
paling rendah adalah 25 %. Akurasi JST model II dapat memprediksi ketuan pisang secara
maksimal untuk ketuaan 100 hsbm. Prediksi 90 hsbm yang maksismal terjadi untuk lapisan
tersembunyi 9 pada iterasi 1000 dan 5000 sedangkan 10-5 hsbm yang maksimal pada lapisan
tersembunyi 9 pada iterasi 5000. Akurasi yang paling sempurna adalah lapisan tersembunyi 9
dengan iterasi 5000, karena pada perlakuan ini semua tingkat ketuan pisang dapat diprediksi
secara sempurna.
Prediksi kandungan gula dengan menggunakan JST hanya menggunakan lapisan
tersembunyi 7 dengan perlakuan jumlah iterasi. JST dapat memprediksi kandungan gula pada
berbagai tingkat kematangan pisang dengan tingkat akurasi tertinggi 83,33 %.
Semakin matang buah maka semakin turun tingkat kekerasannya hubungan ini
ditunjukkan dengan persamaan regresi y = -7,5957 + 0,0996x dengan nilai R 2 = 6225, sedangkan
hubungan antara total padatan terlarut dengan tingkat kematangan ditunjukkan dengan
persamaan y = - 72,49 + 0,8492x dengan R2 = 5666.