Penelitian yang dipublikasikan pada Jurnal Computers and Electronics in Agriculture 159 (2019) 16–27 telah mengkaji pengembangan metode baru berbasis jaringan syaraf tiruan untuk menguji kesegaran ikan mas (Cyprinus carpio) selama penyimpanan dengan es. Masyarakat mengkonsumsi ikan sebagai bahan makanan bernilai tinggi dan aman dalam diet hariannya. Kebiasaan konsumsi masyarakat tersebut didukung oleh fakta tingginya unsur gizi sekaligus kandungan lemak yang rendah pada ikan hasil budidaya perikanan. Karena ikan dapat mengalami kerusakan secara cepat maka penelitian untuk menguji kesegaran ikan menjadi hal yang layak dilakukan untuk menjawab isu-isu utama di sektor industri budidaya perikanan.
Sistem yang dikembangkan terdiri dari dua tahap utama yaitu menangkap citra sampel ikan dilanjutkan dengan proses pengolahan citra. Proses komputasi piksel dilakukan pada sembilan channel atau ruang warna yaitu : R, G, B, L, a, b, H, S,dan I. Pada masing-masing ruang warna tersebut dilakukan ekstraksi 6 tipe fitur tekstur citra. Selanjutnya, hibridasi algoritma machine learning Artificial Bee Colony dan Artificial Neural Network (ABC-ANN) diterapkan untuk memilih fitur tekstur citra terbaik. Sebagai langkah akhir digunakan sejumlah pengklasifikasi meliputi Support Vector Machine (SVM), k-Nearest Neighbor (kNN), dan Artificial Neural Network (ANN) untuk mengklasifikasikan citra sampel ikan mas.
Performa terbaik pengklasifikasi kNN ditunjukkan dengan tingkat akurasi mencapai 90,48% pada ukuran neighborhood (piksel bertetangga) sebanyak 8. Sementara untuk pengklasifikasi SVM melalui pengaturan parameter fungsi kernel polinomial dengan parameter C dan sigma masing-masing bernilai 1 dan 2 mampu menghasilkan performa akurasi sebesar 91,52%. Pada pengklasifikasi ANN digunakan algoritma Multi Layer Perceptron (MLP) dengan konfigurasi lapisan input (input layer) sebanyak 22 fitur tekstur citra, hidden layer (lapisan tersembunyi), dan sebagai lapisan output digunakan 4 jenis klasifikasi kesegaran ikan yang meliputi: Sangat Segar, Segar, Agak Busuk, dan Busuk. Dengan konfigurasi tersebut MLP mampu mencapai tingkat akurasi 93,01%. Hasil yang dicapai tersebut menunjukkan tingginya performa pengklasifikasi ANN sebagai salah satu metode pengujian kesegaran ikan mas yang non destruktif, riil time, cepat, akurat, dan otomatis.
Hal tersebut juga menegaskan potensi metode mesin visi yang digabungkan dengan syaraf tiruan (ANN) sebagai teknik cerdas untuk menilai kesegaran ikan. Adapun tahap penangkapan citra, pengolahan citra, seleksi fitur dan proses klasifikasi ditampilkan pada gambar berikut:
 |
| Sumber A. Taheri-Garavand, et al. (2019) |
0 comments:
Posting Komentar