Nama :Vina Juniarti NIM : 0811010159 RESUME PENDUGAAN TINGKAT KEAMANAN JAGUNG DENGAN MENGGUNAKAN PENGOLAHAN CITRA DIGITAL

DAN JARINGAN SYARAF TIRUAN Saat ini keamanan pangan merupakan masalah utama di Indonesia. Keamanan pangan merupakan tuntutan yang tidak bias ditawar lagi. Keamanan pangan merupakan kondisi dan upaya yang diperlukan untuk mencegah pangan dari kemungkinan cemaran biologis, kimia, dan benda lain yang dapat mengganggu atau bahkan merugikan, dan membahayakan kesehatan manusia. Salah satu penyebab bahan pangan menjadi tidak aman adalah akibat tercemarnya bahan tersebut oleh toksin yang dihasilkan oleh jamur. Indonesia sebagai negara yang beriklim tropis mengakibatkan produk pertaniannya sangat rentan terhadap serangan jamur ataupun kapang yang berpotensi menghasilkan mikotoksin. Salah satu jenis mikotoksin yang berbahaya adalah aflatoksin yang bersifat karsinogenik yaitu dapat memicu timbulnya kanker bagi manusia ataupun hewan yang mengonsumsi makanan yang mengandung cemaran mikotoksin tersebut. Produk pertanian misalnya jagung, yang tercemar oleh aflatoksin maka kualitasnya akan menurun sehingga daya saingnya juga akan menurun, karena produk tersebut tidak memenuhi standar mutu dan keamanan, dan akhirnya sulit menembus pasar internasional. Tingkat pencemaran aflatoksin yang tinggi pada jagung dapat disebabkan oleh cara-cara penanganan pasca panen yang kurang baik. Kerusakan tertinggi biasanya terjadi saat perontokan jagung dengan menggunakan mesin dan jagung yang telah terkelupas kulitnya akan mudah ditumbuhi jamur dengan cepat terutama jenis aspergillus sp yang berpotensi menghasilkan mikotoksin. Identifikasi cemaran mikotoksin pada jagung, selama ini biasanya dilakukan menggunakan analisis laboratorium. Padahal cara ini cukup mahal dan membutuhkan waktu yang relatif lama. Di samping itu tidak setiap sentra produksi jagung dekat dengan pusat pengujian atau laboratorium yang dapat menguji cemaran aflatoksin. Untuk mengatasi permasalahan ini perlu adanya metode alternatif yang dapat mengidentifikasi tingkat cemaran jagung dengan mudah dan murah serta cepat pengoperasiannya misalnya dengan pengolahan citra digital dan Jaringan Syaraf Tiruan (JST). Program pengolahan citra mampu membangkitkan data-data numeric dari citra biji jagung yang berupa R, G, B, RGB rata-rata (color value), Indeks R, Indeks G, indeks B, hue (corak), Saturation (Kejenuhan) dan Intinsity(Intensitas). Yang merupakan input data pada ANN ( artificial neural network). Peralatan yang digunakan dalam metode ini adalah kamera digital, kotak pengambilan citra, lampu PL 5 watt 4 buah, dan seperangkat komputer. Jarak kamera dengan obyek adalah 15 cm.Prosesnya ada 3 tahapan yaitu pengolahan citra, penyusunan model jaringan syaraf tiruan (JST), dan validasi JST. Biji jagung diletakkan di atas kertas berwarna biru muda dan kamera diletakan tegak lurus dengan bahan uji Pengolahan citra dimulai dengan proses thresholding, yaitu proses pemisahan citra berdasarkan batas nilai tertentu. Dalam proses ini citra warna diubah menjadi citra

biner. Lalu proses selanjutnya adalah penghitungan parameter antara lain R, G, B, RGB rata-rata (color value), Indeks R, Indeks G, indeks B, Hue(corak), saturation(kejenuhan), dan intensity (disingkat HSI) dari tiap-tiap pixel citra jagung dapat dibedakan menjadi biji sangat aman, biji aman, biji kurang aman maupun biji tidak aman. Sifat mutu jagung berdasarkan hasil pengolahan citra dapat dilihat berdasarkan beberapa karakteristik yaitu karakteristik RGB(Red, Green, Blue) dan juga karakteristil HIS(Hue, Saturation, Intensity).Berdasarkan karakteristik RGB tingkat cemaran jagung untuk biji sangat aman, biji aman, biji kurang aman, dan biji tidak aman adalah berbedabeda untuk tiap sebaran warna, misalnya rata-rata sebaran warna Merah (Red) dari biji yang sangat aman, biji man, biji kurang aman, dan biji tidak aman masing-masing adalah 175.68, 172.65, 176.23,dan 158.65. jika dilihat maka perbedaannya cukup signifikan dan yang tertinggi adalah bijikurang aman dan terendah adalah biji tidak aman. Sedangakan unutuk sebaran warna Hijau (green) sebarannya masing-masing untuk biji sangat aman, biji aman, biji kutang aman , dan biji tidak aman adalah 143.61, 143.92, 143.36, dan 134.01. Nilai tertinggi adalah pada biji man dan nilai terendah ndalah untuk biji tidak aman. Karakteristik warna hijau memiliki nilai-nilai yang hampir mirip untuk kategori biji sangat aman, biji aman, biji kurang aman, sedangkan perbedaanya dengan biji tidak aman sangat signifikan. Perbedaannya lebih memudahkan program dalam membedakan ketiga jenis jagung (biji sangat aman, biji aman, dan kurang aman)dengan biji jagung yang tidak aman berdasarkan warna hijau, tetapi sangat sulit untuk membedakan antara biji sangat aman, biji aman, dan biji kurang aman karena memiliki karakteristik warna hijau yang hamper sama. Untuk sebaran warna Biru (Blue) nilainya untuk biji sangat aman, biji aman, biji kurang aman, dan biji tidak aman masing-masing adalah 61.48, 68.79, 61.12, dan 63.91. Nilai tertinggi adalah pada biji aman, dan terendah adalah pada biji kurang aman, sehingga dimungkinkan bahwa kedua jenis biji ini lebih mudah dibedakan berdasarkan warna biru. Namun demikian untuk jagung sangat aman dan kurang aman rata-ratanya hampir sama sehingga akan menyulitkan dalam proses pemisahan. Karakteristik berikutnya yang juga menentukan mutu jagung adalah karakteristik HSI (Hue, Saturation, Intensity). Rata-rata sebaran nilai Hue untuk biji sangat aman, biji aman, biji kurang aman, dan biji tidak aman masing-masing adalah 4.18E+14, 3.39E+14, 3.76E+14, 3.01E+14,. Dari sini dapat dilihat bahwa rata-rata tertinggi adalah pada biji sangat man, dan terendah adalah pada biji tidak aman, sehingga perbedaan nilai hue ini akan memudahkan dalam membedakan biji sengat aman dan biji tidak aman. Sedangkan untuk sebaran nilai S (Saturation), rata-ratanya untuk biji sangat aman, biji aman, biji kurang aman, dan biji tidak aman masing-masing adalah 0.56, 0.51, 0.55, dan 0.49. Nilai tertinggi dimiliki oleh biji sangat aman dan terendah oleh biji tidak aman. Jika dilihat perbedaan karakteristik kejenuhan pada tiap-tiap kategori biji kecil sekali, sehingga ada indikasi bahwa system pemrograman citra akan mengalami kesulitan dalam membedakan jenis biji jagung ini berdasarkan tingkat kejenuhan warnanya. Sebaran nilai I (Intensity ) rata-ratanya untuk biji sangat aman, biji aman, biji kurang aman, dan biji tidak aman masing-masing adalah 127.35, 128.97, 127.42, dan 119.18. Nilai tertinggi adalah pada biji aman dan terendah adalah pada biji tidak aman, sehingga dimungkinkan kedua kategori ini lebih mudah dibedakan berdasarkan intensitasnya. Nilai parameter-parameter tesebut seringkali tumpang tindih antara satu jenis jagung dengan jenis yang lain dapat menyebabkan ANN salah menduga saat validasi.

Pada tahapan taining JST yang menggunakan 10 lapisan input, 20 hidden layer, dan 4 output layer menggunakan 410 data yang terdiri dari 105 biji sangat aman, 95 biji aman, 105 kurang aman dan 105 biji tidak aman menghasilkan nilai akurasi 74%, terdiri dari 74% biji sangat aman, 62% biji aman, 71%biji kurang aman dan 87% biji tidak aman. Biji yang tidak aman lebih mudah dikenali dibandingkan dengan jenis biji yang lain karena memiliki nilai karakteristik yang khas daripada yang lain. Sedangkan biji yang lain biasanya karakteristiknya hampir sama sehingga kurang dapat dikenali.

RESUME QUALITY AS INFLUENCE BY COLOR (KUALITAS DIPENGARUHI OLEH WARNA) Penampilan adalah salah satu komponen utama dari kualitas. Penampilan suatu produk atau bahan makanan termasuk di dalamnya adalah ukuran, bentuk, tekstur, massa, tingkat kecemerlangan, warna dan yang lainnya. Disini warna termasuk factor yang mempengaruhi persepsi konsumen akan kualitas suatu produk pangan. Warna didefinisikan sebagai efek dari gelombang cahaya dalam skektrum visual dari 390-790 nm. Penilaian konsumen akan suatu produk makanan dipengaruhi oleh warna karena warna sejak lama telah digunakan sebagai indikator dari proses dinamis yang berlangsung di dalam produk tersebut. Warna berfungsi sebagai indikator tingkat kematangan ataupun tingkat kesegaran suatu produk. Penilaian warna pada makanan untuk tiap-tiap orang adalah berbeda, misalnya penilaian orang atas seberapa baik suatu makanan telah dimasak, atau untuk menentukan tingkat kematangan pada buah tomat, semakin merah buah tomat artinya buah tersebut semakin matang dan kadar gulanya pun semakin meningkat. Metode Pengukuran warna dapat dilakukan secara langsung misalnya dengan hasil pengamatan dari subjek yang lebih menyukai orange jus yang diwarnai orange daripada yang orange jus yang diwarnai kuning walaupun rasanya sama dan kedua warnanya masih dalam range yang wajar untuk orange jus. Pada produk tomat, dan lemon serta cranberry memberikan nilai deskripsi dalam indikasi tidak langsung dari kualitas. Misalnya dunia industri menginginkan bahan baku (misalnya tomat, lemon) yang dianggap lebih berkualitas dengan membedakan warnanya, dimana warna dipengaruhi oleh kandungan pigmen. Interaksi antara warna dan indra yang lain sangatlah penting, karena seperti yang kita tahu bahwa warna mempengaruhi penerimaan suatu produk oleh konsumen pada berbagai cara. Misalnya pada wine yang berwarna pink lebih manis daripada yang berwarna putih, merah cerah, merah gelap, ataupun yang berwarna colelat terang yang sama komposisinya. Efek dari pencahayaan pada objek akan mempengaruhi persepsi warna. Misalnya ketika cahaya hijau ditimpakan pada selembar kertas putih maka kertas tersebut akan berwarna hijau. Hal yang sama terjadi pada produk makanan, dan mungkin saja membuat suatu produk makanan terlihat lebih baik dengan mengatur pencahayaan. Contohnya pencahayaan di supermarket di desain untuk membuat produk makanan terlihat lebih bagus daripada sebelumnya. Pada produk daging diberikan cahaya dengan menempatkan reflector yang dicat merah didekat display supaya daging terlihat lebih merah. Penampilan suatu produk dapat misalnya warnanya dapat digunakan untuk menbedakan kandungan pigmennya. Misalnya kandungan karotenoid pada produk lemon dan tomat dapat dapat diprediksi dari warnanya, tetapi tidak secara akurat.