Ikan
berperan sebagai salah satu komoditas penting sebagai sumber protein untuk
manusia. Fungsi tersebut dapat dicapai dengan mempertahankan tingkat
kesegarannya. Sejumlah faktor kimia, biologi, dan fisik dapat mempercepat
penurunan kesegaran ikan. Untuk memenuhi tuntutan konsumen akan tersedianya
ikan segar, perlu dikembangkan suatu metode yang bersifat non destruktif, mudah
penggunaannya, dan tingkat akurasi yang tinggi.
Metode penilaian kesegaran ikan
berbasis sensori manusia masih menjadi yang terbaik dan paling akurat dibanding
sejumlah metode lain. Namun untuk mencapai akurasi seperti yang diharapkan,
metode sensori tersebut sangat dipengaruhi sejumlah faktor seperti tahap
preparasi sampel yang memadai dan ketersediaan tim panelis yang cukup
berpengalaman, sehingga membutuhkan waktu yang cukup lama untuk menentukan
kesegaran ikan.
Untuk mengatasi keterbatasan metode
sensori tersebut perlu dikembangkan suatu metode yang dapat membantu mengatasi
kelelahan yang dialami manusia selama proses pemeriksaan mutu kesegaran ikan
secara visual. Sornam et al. (2017)
dari Department of Computer Science, University of Madras, telah
mengembangkan perangkat lunak untuk mendeteksi kesegaran ikan berbasis image processing (pengolahan citra).
Perangkat lunak yang dikembangkan
meliputi modul penangkapan citra ikan. Setelah citra ditangkap terdapat modul
untuk melakukan konversi ruang warna citra yang sesuai dengan persepsi mata
manusia. Citra yang telah dikonversi tersebut selanjutnya disegmentasi untuk
memisahkan area objek utama dengan area background.
Proses segmentasi ini dilakukan melalui modul segmentasi berbasis clustering. Proses segmentasi akan
menghasilkan area insang dan mata (ROI) yang akan diekstrak untuk mendapatkan
informasi statistik atau sering disebut sebagai tahap ekstraksi fitur. Setelah
tahap ekstraksi fitur, terdapat modul untuk menjalankan proses klasifikasi sehingga
dapat ditentukan status akhir tingkat kesegaran ikan yang diuji.
Kelebihan perangkat lunak pengolahan
citra yang dikembangkan tersebut terletak pada proses ekstraksi fitur
menggunakan domain transformasi wavelet
melalui aplikasi filter Haar serta aplikasi Fuzzy Logic dalam proses
klasifikasi tingkat kesegaran ikan. Filter Haar ini mampu menguraikan hingga
beberapa level piksel ROI dari citra ikan pada tingkat kesegaran tertentu
sehingga didapatkan fitur statistik yang memiliki ciri pembeda. Fitur statistik
yang dihasilkan tersebut akan digunakan sebagai input pada Fuzzy Logic dengan
output berupa 3 level kesegaran ikan
yaitu busuk, cukup segar, dan sangat segar. Penggunaan Fuzzy Logic
memiliki kelebihan yaitu mampu menangani ketidakjelasan batas nilai pada
masing-masing tingkat kesegaran ikan sekaligus memungkinkan peneliti untuk
memasukkan domain kepakaran berdasarkan pengalaman dan pengetahuan yang
dimiliki untuk membentuk fungsi keanggotaan sekaligus batas nilai yang dimiliki
pada tiap tingkat kesegaran ikan yang dikehendaki.
Penelitian yang dipublikasikan dalam
Asian Journal of Computer Science And Information Technology (AJCSIT) tersebut
menunjukkan penggunaan wavelet dengan
fuzzy logic mampu membedakan secara
nyata 3 tingkat kesegaran ikan yang diuji. Penelitian lanjutan diperlukan untuk
menguji akurasi sistem pada jumlah sampel dan jenis ikan yang lebih banyak
serta penambahan input yang lebih kompleks pada Fuzzy Logic sehingga nantinya
diharapkan aplikasi image processing
yang dikembangkan tersebut mampu menjadi terobosan penentuan kesegaran ikan
dengan cepat dan akurat. Secara
garis besar proses pengolahan citra hingga klasifikasi kesegaran ikan
ditunjukkan pada Gambar berikut :
 |
| Gambar 1. Proses Pengolahan Citra hingga Klasifikasi Kesegaran Ikan Sumber: Modifikasi dari Sornam et al., (2017) |
Penulis : I Made Susi Erawan (Peneliti Pertama LRMPHP)
0 comments:
Posting Komentar