Klasifikasi Mutu Biji Kedelai (Glycine max L.) Menggunakan Pengolahan Citra Digital Berbasis Jaringan Syaraf Tiruan

Abstract

Kedelai atau dengan nama latin (Glycine max L.) adalah salah satu tanaman pangan utama di Indonesia setelah beras dan jagung. Hampir semua penduduk Indonesia menyukai makanan yang terbuat dari kedelai sebagai bahan baku utamanya. Pemutuan biji kedelai masih dilakukan secara manual di Indonesia, menggunakan mata manusia dengan memperhatikan bentuk, warna, dan ukuran. Hal ini memiliki kelemahan, yaitu penilaian tidak objektif serta tidak konsisten karena keterbatasan visual, keterampilan, kejenuhan, dan kelelahan. Adapun teknologi yang dapat diterapkan adalah pengolahan citra digital dengan bantuan jaringan syaraf tiruan yang dapat melakukan pengenalan pola pemutuan biji kedelai. Penelitian ini bertujuan untuk menghasilkan sebuah program pemutuan biji kedelai yang lebih baik dengan menggunakan pengolahan citra digital berbasis jaringan syaraf tiruan. Sehingga pemutuan biji kedelai memiliki tingkat keseragaman dan tingkat kesalahan yang rendah. Penelitian dimulai dengan mempersiapkan data citra menggunakan kamera CCD. Sampel training biji kedelai berjumlah 2.100 yang ditentukan berdasarkan jumlah tiga kelas mutu yang terdiri dari kelas mutu super, kecil, dan reject. Masing-masing sampel training kelas mutu berjumlah 700 butir kedelai. Adapun sampel validasi berjumlah 600 yang terdiri dari 200 butir setiap kelas mutu yang digunakan untuk validasi program pengolahan biji kedelai. Variabel mutu kedelai meliputi parameter seperti ukuran, bentuk, warna dan cacat. Variabel-variabel mutu ini memiliki hubungan dengan variabelvariabel mutu citra yang akan dianalisis. Variabel mutu citra dalam penelitian ini terdiri dari area, tinggi, lebar, perimeter, indeks warna red, indeks warna green, indeks warna blue, dan area cacat. Seluruh variabel ini dianalisis menggunakan grafik boxplot, yang memberikan gambaran tentang korelasi antara variabel mutu kedelai dengan variabel mutu citra. Variabel kualitas citra tersebut dijadikan sebagai input dalam training jaringan syaraf tiruan. Terdapat enam variasi jaringan syaraf tiruan yang memiliki node lapisan tersembunyi yang digunakan adalah 10, 15, dan 20 node dengan normalisasi data input menggunakan metode minmax dan z-score. Hasil penelitian menunjukkan bahwa variasi jaringan syaraf tiruan yang memiliki nilai MSE rendah dalam proses training digunakan sebagai arsitektur jaringan terbaik. Dimana variasi terbaik yang diperoleh adalah variasi jaringan syaraf tiruan dengan jumlah node lapisan tersembunyi sebanyak 15 node dengan normalisasi data input menggunakan metode z-score. Setelah diketahui variasi jaringan syaraf tiruan terbaik, selanjutnya dilakukan integrasi dengan program pengolahan citra kedelai. Setelah dilakukan integrasi, dilakukan pengujian program menggunakan sampel citra data testing. Hasil dari pengujian dianalisis menggunakan tabel confussion matrix untuk mengetahui tingkat akurasi program pemutuan biji kedelai. Validasi program pemutuan biji kedelai menggunakan tabel confussion matrix menghasilkan tingkat akurasi total sebesar 86,10%.