Professional Documents
Culture Documents
Stroberi 3 (Luvi 2018)
Stroberi 3 (Luvi 2018)
2018
Luvi Harmayanvi Harahap1,2), Saipul Bahri Daulay1), Delima Lailan Sari Nasution1)
1)Program Studi Keteknikan Pertanian, Fakultas Pertanian Universitas Sumatera Utara
Jl. Prof. Dr. A. Sofyan No. 3 Kampus USU Medan 20155
2)Email :luviharahap@gmail.com
ABSTRACT
Identification of strawberry maturity is still done manually by the farmers. Fruits was seen visually by eyes and
responded by the brain to differentiate maturity level. This study was a non-conventional method of measurement that
used digital image processing to produce data that will be processed by artificial neural network and then processed
using computer software that can be used to determine strawberry maturity level. The input images were strawberrys
which were identified based on color histogram (RGB) and then the program was built using visual basic. The
system was trained with some strawberry image data that have different values in each classification in order to
identify the level of maturity of the strawberrys with backpropagation method. This identification system was capable
to identify the entire category of fruits with 96% correct identification. From the identification that had been done, it was
found that 80 % was ripe strawberry, half ripe was 80 %, and 70 % was raw. Results of the identifications were affected
by the shooting fruit process.
Key words : Artificial Neural Network, Image Processing, Back Propagation, Identification, Strawberry.
ABSTRAK
Identifikasi kematangan buah stroberi masih banyak dilakukan manual oleh para petani. Buah dilihat oleh mata lalu di
respon oleh otak untuk membedakan tingkat kematangnnya. Penelitian ini metode pengukurannya non-konvensional
yaitu menggunakan pengolahan citra digital (image processing) menghasilkan data yang akan diproses secara pelatihan
dengan jaringan syaraf tiruan (artificial neural network) kemudian diolah dengan menggunakan perangkat lunak komputer
sehingga dapat digunakan untuk menentukan tingkat kematangan buah stroberi. Buah stroberi diidentifikasi berdasarkan
input histogram warna citra (RGB) yang didapat dari hasil capture lalu dibangun programnya dengan visual basic.
System ini dilatih dengan beberapa gambar buah stroberi yang memiliki nilai yang berbeda dalam beberapa klasifikasi
untuk mengidentifikasi kematangan buah stroberi dengan menggunakan metode backpropagation. Sistem identifikasi ini
mampu mengenali seluruh kategori buah dengan tingkat keberhasilan identifikasi kebenaran 96%. Dari hasil identifikasi
yang telah dilakukan menghasilkan tiga output identifikasi yaitu Stroberi matang 80%, setengah matang 80%, dan
mentah 70%. Hasil identifikasi ini dipengaruhi oleh cara pengambilan gambar buah.
Kata Kunci : Jaringan Syaraf Tiruan, Pengolahan Citra, Back Propagation, Identifikasi, Stroberi.
602
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
telah dicoba dalam berbagai penelitian untuk selama pelatihan, serta kemampuan jaringan
mengenal tingkat kematangan buah stroberi untuk memberikan respon yang benar terhadap
maupun objek yang lain seperti apel dan pola masukan yang serupa (tapi tidak sama)
manggis. Ciri yang diekstraksi kebanyakan dengan pola yang dipakai selama pelatihan
adalah ciri warna RGB (red, green and blue). (Jong, 2009).
Penelitian sebelumnya dengan objek tomat dan Penelitian ini bertujuan untuk menentukan
lainnya menghasilkan keakuratan yang berbeda- persentase keakuratan implementasi metode
beda (Muis, 2009). Backpropagation dalam mengenali tingkat
Sifat dan ketahanan buah stroberi untuk kematangan buah stroberi. Untuk membangun
masing-masing varietas berbeda-beda. Kondisi sebuah sistem informasi yang mampu
ini mengakibatkan buah stroberi yang dipanen, mengidentifikasi kematangan buah stroberi
baik waktu maupun tingkatkesegaran dan berdasarkan ciri warna dengan metode jaringan
kekerasan buah tidak sama. Oleh karena itu, saraf tiruan.
perlakuan yang diberikan untuk setiap varietas
dapat berbeda. Kualitas stroberi ditentukan oleh
rasa (manis-asam), kemulusan kulit dan luka
BAHAN DAN METODE
mekanis akibat benturan atau hama-penyakit)
(Amarta, 2009). Bahan dan alat yang digunakan dalam
Salah satu cara untuk mengetahui tingkat penelitian ini adalah buah Stroberi Berastagi
kematangan buah stroberi melalui identifikasi Lokal yang digunakan untuk objek foto, dan data
kematangan dengan teknik jaringan saraf tiruan gambar buah Stroberi, Perangkat keras yang
adalah dengan representasi warna. Warna terdiri dari komputer, kamera SLR Nikon, latar
merupakan respon physiological dan intensitas berupa kotak. Perangkat lunak yang terdiri dari
yang berbeda. Persepsi warna dalam Microsoft Visual Basic 2012, mySQL manajemen
pengolahan citra tergantung pada tiga faktor, studio 2012, Power Point, Coreldraw 12.
yaitu spectral reflectance (menentukan
Tahapan Penelitian
bagaimana suatu permukaan memantulkan
Proses berikut merupakan tahapan yang
warna), spectral content (kandungan warna dari
dilakukan untuk membangun sistem berbasiskan
cahaya yang menyinari permukaan) dan spectral
Neural Network yang handal;
response (kemampuan merespon warna dari
- Pengumpulan data dan Pemrosesan data awal
sensor dalam imaging system) (Arham, 2004).
- Pembentukan jaringan serta proses pelatihan
Jaringan Syaraf Tiruan akan
- Proses pengujian serta proses verifikasi dan
mentransformasikan informasi dalam bentuk
validasi jaringan.
bobot dari satu neuron ke neuron lainnya.
Dalam melaksanakan penelitian ini
Informasi tersebut akan diproses oleh suatu
dilakukan langkah sebagai berikut:
fungsi perambatan dan semua bobot masukan
- Pengumpulan data berupa data gambar
yang datang dijumlahkan kemudian
stroberi berastagi dengan jarak dari objek ke
dibandingkan dengan suatu nilai ambang
kamera dan latar yang sama.
tertentu melalui fungsi aktivasi suatu neuron yang
- Pre Processing setelah gambar diambil lalu
tersambung dengannya (Muis, 2009).
diubah citra gambar menjadi format bitmap dan
Neuron-neuron dibentuk dalam suatu
dilakukan perubahan ukuran menjadi 100 x100
lapisan dan antar lapisan saling berhubungan.
piksel
Pada umumnya struktur dasar jaringan syaraf
- Fitur ekstraksi, dimana sebuah cara
tiruan terdiri dari 3 lapisan neuron, yaitu: lapisan
menampilkan presepsi warna atau Kuantifikasi
input atau masukan, lapisan tersembunyi,
sesuai parameter yang dibutuhkan yaitu RGB
lapisan output atau keluaran. Banyaknya lapisan
(red, green and blue)
tersembunyi sangat tergantung kepada
- Menentukan paradigma yang akan dibangun
kompleksitas pemrosesan dan hasil yang
pada jaringan syaraf lalu dengan menggunakan
diharapkan ( Muis, 2009).
Visual Basic Studio 2012 untuk membangun
Jaringan saraf tiruan (JST) adalah sistem
aplikasi
pemroses informasi yang memiliki karakteristik
- Perancangan struktur jaringan yaitu penentuan
mirip dengan jaringan syaraf biologis. Seperti
jumlah lapisan masukan 3 (input) (nilai RGB),
proses informasi pada otak manusia, cara kerja
50 lapisan tersembunyi, dan jumlah 3 lapisan
jaringan syaraf tiruan sama dengan cara kerja
keluaran yang akan digunakan dalam jaringan
manusia yaitu belajar melalui contoh.
- Mengisialisasi bobot dengan fungsi random,
Backpropagation melatih jaringan untuk
bias dan nilai dari tiap-tiap parameter
mendapatkan keseimbangan antara kemampuan
jaringan untuk mengenali pola yang digunakan
603
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
- Proses pelatihan, dimana melatih sistem dalam sistem mampu untuk stroberi mengenali data
bekerja sebanyak 10 data yang telah gambar
ditentukan - Proses verifikasi jaringan, ditinjau apakah
- Proses pengujian, dimana pembuktian bahwa sistem yang dibangun telah bekerja sesuai
sistem telah dibangun secara layak ditinjau dari fungsinya. Dimana dilihat dari tingkat
segi mekanis keberhasilan sistem dalam mengidentifikasi
- Proses validasi jaringan, ditinjau apakah sistem kematangan buah stroberi.
yang dibangun sesuai kebutuhan dimana
604
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
ukuran otomatis pada saat pengupload-an gambar buah stroberi. Hal ini berfungsi
gambar. untuk menjaga kestabilan citra gambar sehingga
diharapkan latar belakang dan pencahayaan
Proses Pelatihan ruangan akan sama dalam setiap pengambilan
Proses pelatihan dilakukan agar dapat gambar.
melatih jaringan yang akan dapat
mengidentifikasi kematangan buah stroberi baik Hasil Pelatihan dan Pengujian Sistem
dilatih ataupun yang tidak dilatihkan dengan Dari hasil pelatihan dan pengujian sistem
menggunakan jaringan saraf tiruan propagasi didapatkan tingkat keberhasilan program untuk
balik. Tujuannya untuk mendapatkan mengidentifikasi kematangan buah stroberi
keseimbangan antara kemampuan tanggapan menggunakan back propagation. Tingkat
yang benar terhadap masukan yang dipakai kematangan buah stroberi dibedakan atas
untuk pelatihan jaringan (memorisasi) dan klasifikasi mentah, setengah matang dan
kemampuan memberikan tanggapan yang benar matang.
untuk masukan data yang sejenis namun tidak Pada tahap pengujian data gambar buah
identik dengan data gambar yang dipakai pada jeruk untuk menetukan tingkat keberhasilannya
pelatihan. dalam mengenali klasifikasi buah dilakukan
Proses pelatihan terdiri dari 3 tahap. Tahap perhitungan sebagai berikut:
yang pertama yaitu tahap umpan maju pola yang
digunakan untuk mencari nilai lapisan
tersembunyi dan nilai lapisan keluaran
menggunakan aktivasi yang ditentukan. Tahap
yang kedua adalah tahap mundur, jika hasil
keluaran tidak sesuai dengan target maka
dilakukan propagasi balik untuk mendapatkan
nilai error yang ada di lapisan keluaran dan
lapisan tersembunyi. Tahap yang ketiga adalah
memperbaharui nilai bobot yang ada dilapisan
Pada proses pelatihan dilakukan
tersembunyi dan lapisan masukkan untuk
menggunakan 10 data gambar buah stroberi
menentukan error yang terjadi. Setelah itu
yang mencirikan tingkat kematangan buah
lakukan lagi umpan maju dan propagasi balik jika
stroberi. Data gambar buah stroberi yang dilatih
nilai keluarannya tidak sesuai dengan nilai yang
dapat dilihat pada Tabel 2. Dari Tabel 2 terdapat
ditargetkan. Proses ini dilakukan secara berulang
3 buah stroberi untuk Mentah, 3 buah stroberi
kali sampai mendapatkan batasan error yang
untuk Setengah Matang, dan 4 buah stroberi
ditentukan dari jaringan.
yang Matang. Setelah dilakukan pelatihan, lalu
Proses Pengujian 10 data gambar buah stroberi yang telah dilatih
Proses pengujian adalah menguji jaringan tersebut dilakukan pengujian untuk
yang telah dilatih untuk mengenali data gambar mengidentifikasi kematangannya dengan
pelatihan maupun data yang tidak digunakan menggunakan persamaan sebagai berikut:
pada tahapan pelatihan jaringan. Jaringan
diharapkan dapat mengenali dan
mengidentifikasi buah stroberi yang terdapat
pada data pelatihan dan pengujian. Pada proses
pengujian hanya menggunakan tahap umpan
Tingkat Keberhasilan Hasil Pengujian
maju untuk mencari nilai keluaran lapisan
tersembunyi dan lapisan keluaran. Pada tahap ini dilakukan dengan 3 buah
Ketika jaringan diuji dengan menggunakan yaitu buah Stroberi Matang, Stroberi Setengah
data pelatihan, yang diuji adalah kemampuan Matang, dan Stroberi Mentah. Proses ini
memorisasi jaringannya, sebab kasus-kasusyang dilakukan untuk mengetahui keberhasilan hasil
dimasukkan telah dipelajari sebelumnya. Dan yang diujikan. Satu buah dilakukan pengujian
sebaliknya, pada saat jaringan diuji dengan sebanyak 10 kali perulangan sehingga didapat
menggunakan data baru, yang diuji adalah persentase tingkat keberhasilan uji buah seperti
pada Tabel 3.
kemampuan generalisasi jaringannnya.
Tabel 3 menunjukkan terdapat 10 buah
Perancangan Mekanik Latar Buah stroberi Matang. Setelah dilakukan pelatihan, lalu
Dalam perancangan mekanik digunakan 10 data gambar buah stroberi yang telah dilatih
latar kotak sebagai setting tempat pengambilan tersebut dilakukan pengujian untuk
605
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
606
Keteknikan Pertanian J.Rekayasa Pangan dan Pert., Vol.6 No. 3 Th. 2018
Pada saat pengujian buah stroberi keberhasilan pengujian 86% dari 30 data
setengah matang presentase keberhasilan yang gambar yang diuji.
di dapat mencapai 80% dengan error pada pada 2. Dari hasil identifikasi pengujian yang telah
angka 20%. Pengujian error pada saat pengujian dilakukan menghasilkan tiga output
ke 1 yang hasilnya menyatakan bahwa buah identifikasi yaitu stroberi matang 80%,
stroberi tersebut adalah buah stroberi mentah setengah matang80%, dan mentah70%
yang merupakan buah stroberi setengah matang dan seluruh data gambar 96% dapat
dan pada pengujian ke 4 yang hasilnya tidak dikenali.
terdeteksi. 3. Identifikasi kematangan buah stroberi
matang dan mentah pada sistem ini lebih
Tabel 5. Data keberhasilan uji buah stroberi akurat dibanding identifikasi stroberi
mentah setengah matang karena pengaruh warna
Hasil yang hampir sama dengan matang yang
No. Bobot Klasifikasi
identifikasi hanya berbeda sedikit, matang dengan
1 0.197643 Mentah Benar warna merah sedangkan setengah matang
2 0.197643 Mentah Benar dengan warna merah dengan sedikit pudar.
3 0.197643 Mentah Benar 4. Identifikasi terhadap data gambar buah
4 0.357808 Mentah Benar stroberi yang telah dilatih 100% data
5 0.697102 Setengah matang Salah gambar dapat dikenali dengan tingkat
6 0.197643 Mentah Benar identifikasi keberhasilan 100%.
7 0.697102 Setengah matang Salah 5. Sistem identifikasi kematangan buah
8 0.539701 Setengah matang Salah stroberi “ISM” menggunakan 10input,
9 0.269924 Mentah Benar 100hidden layer dan 3 output dengan target
10 0.459946 Mentah Benar 10 digit binar dan maksimal pelatihan yang
disesuaikan dengan kapasitas hardware.
Tabel 5 menunjukkan terdapat 10 buah 6. Sistem identifikasi kematangan buah
stroberi Mentah. Setelah dilakukan pelatihan, lalu stroberi “ISM” menggunakan 0,0073 error
10 data gambar buah stroberi yang telah dilatih minimum, 0,05 ratio pelatihan dan
tersebut dilakukan pengujian untuk menggunakan 5000 iterasi (pengulanagan).
mengidentifikasi kematangannya dengan 7. Format gambar yang di gunakan pada
menggunakan persamaan sebagai berikut: system ini adalah PNG (Portable Network
Graphics).
DAFTAR PUSTAKA
Pada saat pengujian buah stroberi mentah Amarta, L. 2009. Tentang Strawberry on Farm.
presentase keberhasilan yang di dapat mencapai http://Strawberryfarm.com.
70% dengan error pada pada angka 20%. Arham, Z. 2004. Evaluasi Mutu Jeruk Nipis
Pengujian error pada saat pengujian ke 5 dan ke (Citrus Aurantifolia Swingle) Dengan
7 dan ke 8 yang hasilnya menyatakan bahwa Pengolahan Citra Digital dan Jaringan
buah stroberi tersebut adalah buah stroberi Syaraf Tiruan. Pascasarjana IPB. Bogor.
setengah matang yang merupakan buah stroberi
mentah. Dari pengataman perbedaan warna Badan Perencanaan Pembangunan Nasional.
pada stroberi setengah matang dan mentah 2000. Tentang Stroberi (Fragaria chiloensis
memeiliki sedikit kesamaan. Sehingga membuat L / F. vesca L.). http://www.ristek.go.id/
system sulit membedakan antara mentah dan Diakses pada tanggal 3 Januari 2015.
setengah matang.
Jong, J.S. 2009. Jaringan Syaraf Tiruan &
Pemrogramannya Menggunakan Matlab.
KESIMPULAN Penerbit Andi. Yogyakarta.
1. Penelitian ini berhasil membangun Muis, S. 2009. Identifikais Pola Sinyal
perangkat lunak yang dengan Menggunakan Teknik Neurn
mengimplementasikan algoritma back Networks. Graham Ilmu, Jakarta.
propagationdalam mengindetifikasi tingkat
kematangan buah stroberi berdasarkan Nugroho, A. 2009. Algoritma dan Struktur Data
warna RGB menggunakan kamera dengan C#. Andi Offset. Yogyakarta.
pocketdengan tingkat identifikasi
607