IDENTIFIKASI TINGKAT MUTU KEDELAI (Glycine Max) BERDASARKAN KENAMPAKAN FISIK MENGGUNAKAN PENGOLAHAN CITRA DIGITAL

ZULFA LUTHFI M. , Dr. Atris Suyantohadi, STP, MT; Dr. Nafis Khuriyati, STP, M.Agr

2016 | Skripsi | S1 TEKNOLOGI INDUSTRI PERTANIAN

Kedelai banyak digunakan sebagai bahan baku berbagai macam produk olahan yang banyak dikonsumsi oleh masyarakat Indonesia. Proses klasifikasi mutu atau grading dapat meningkatkan nilai tambah kedelai sendiri tersebut, namun sebagian besar proses grading masih dilakukan secara manual sehingga hasilnya dipengaruhi oleh kondisi operator yang dapat mempengaruhi akurasi pengambilan keputusan dalam penilaian mutu kedelai tersebut. Penelitian ini bertujuan untuk mengidentifikasi mutu kedelai berdasarkan kenampakan fisik kedelai menggunakan pengolahan citra digital. Algoritma pengolahan citra berbasis komputer dirancang agar properti citra dapat diekstrak sehingga dapat digunakan untuk mengklasifikasikan parameter mutu kedelai dari tiap butir kedelai. Analisis variansi kemudian dilakukan untuk menentukan parameter yang dapat membedakan tiap parameter mutu. Parameter tersebut kemudian dilatih menggunakan jaringan saraf tiruan backpropagation sehingga dapat melakukan proses klasifikasi. Hasil penelitian ini menunjukkan bahwa parameter height, width, dan area digunakan sebagai input dalam jaringan saraf tiruan. Output dari jaringan saraf tiruan tersebut yaitu lima kondisi mutu fisik kedelai yaitu butir normal, rusak, keriput, belah, dan warna lain. Komposisi dari parameter-parameter tersebut akan menentukan tingkat mutu kedelai. Arsiteksur jaringan yang dikembangkan terdiri dari 1 input layer dengan 3 neuron, 1 hidden layer dengan 9 neuron, dan 1 output layer dengan 5 neuron. Model ini dapat mengidentifikasi mutu kedelai dengan tingkat akurasi 96,90 persen.

Soybean has widely used by the Indonesian as raw material for various kinds of products. Grading can improve the value-added of soybean. Most of the soybeans grading is done manually. It depends on the operators condition which may affect the accuracy of decision making in assessing the level quality of soybean. This research aimed to identify soybean qualities based on soybeans physical appearance using image processing. A computer-based image processing algorithm was designed to extract the image atributes that can be used to classify soybean qualitiy parameters from each soy grain. ANOVA was conducted to determine which atributes can distinguish each quality parameters. The parameters trained to classify soybeans quality grades with artificial neural network backpropagation. Results of this research showed that height, width, and area values selected and be used as inputs for artificial neural network. The output values from the artificial neural network consisted of five physical quality condition of soybean which were normal, damaged, wrinkles, cracked, and another color of soy grain. The composition of physical quality condition determined the quality of soybean. The network architecture was developed with three layers which consisted of an input layer with three neural cells, a hidden layer with nine neural cells, and an output layer with five neural cells trained by backpropagation. By this model, soybean qualities could be identified with 96,60 percent accuracy.

Kata Kunci : citra digital, kedelai, kenampakan fisik, mutu