Sebagai salah satu sumber asam lemak omega 3 terbaik permintaan ikan diseluruh dunia terus meningkat. Keberadaan ikan yang sangat esensial untuk pertumbuhan dan perkembangan otak seringkali juga disubstisusi dengan sumber protein hewani dari ayam, daging, maupun ternak lainnya. Karena kebutuhan konsumen untuk dapat membeli dan mengkonsumsi ikan hasil tangkapan secara segar yang terus meningkat seringkali ikan disimpan beku sebelum di pasarkan untuk menjamin ketersediaan pasokan ikan.
Karena pentingnya jaminan keamanan ikan yang dikonsumsi maka pemeriksaan sejumlah parameter mutu terkait kesegaran ikan menjadi hal yang wajib dilakukan. Salah satu metode konvensional untuk menentukan kesegaran ikan sesuai jenisnya adalah secara visual dengan memperhatikan kondisi mata dan insang. Meskipun mudah dilakukan metode visual tersebut namun masyarakat awam cukup kesulitan untuk menentukan tingat kesegaran ikan secara akurat dibandingkan oleh petugas terlatih.
Untuk mengatasi hal tersebut sejumlah peneliti di Filipina mengembangkan perangkat lunak yang mampu mengidentifikasi tingkat kesegaran ikan termasuk menyajikan informasi umur simpan ikan 3 spesies yang memiliki tingkat konsumsi tertinggi di Filipina yaitu ikan Bandeng, Scad (Layang), dan ikan Nila. Hasil penelitian tersebut telah dipublikasikan pada Jurnal ARPN Journal of Engineering and Applied Sciences Vol.13, No. 18, September 2018.
Kontribusi utama yang dikembangkan dalam perangkat cerdas tersebut diantaranya (1) menggunakan data piksel citra mata dan insang yang tersegmentasi untuk menentukan jenis ikan dan tingkat kesegarannya secara bersamaan. (2) Menggunakan operasi pengolahan citra untuk lebih mempertegas proses segmentasi citra insang dengan citra kulit secara lebih akurat yaitu dengan memadukan metode k-mean clustering dilanjutkan canny edge detection. Algoritma k-mean clustering untuk segmentasi insang berbasis 2 channel warna yaitu red-green (a*) dan blue-yellow (b*). Algoritma ini akan memisahkan dan mengelompokkan sejumlah k piksel berdasarkan kedekatan rerata piksel tersebut. Metode edge detection menggunakan Algoritma Canny digunakan untuk menemukan batas atau tepi suatu objek sekaligus menghilangkan noise (derau) dalam citra. (3) Pada proses segmentasi citra mata ikan diterapkan algoritma yang berfungsi untuk membuat jari-jari lingkaran pada proses masking (proses menampilkan obyek yang ditargetkan sedangkan objek non-target disembunyikan) sehigga berada tepat pada titik tengah pupil mata ikan sampel. (4) Perangkat pengambilan citra berbasis android yang terdiri dari 2 komponen utama yaitu casing dan tabung. Casing yang dirancang dengan ukuran khusus untuk meletakkan smartphone sementara tabung dirancang untuk menjaga pencahayan konstan dan dapat diatur ketinggian atau jaraknya dengan sampel ikan yang diambil citranya. (5) Bahan untuk pembuatan perangkat pengambilan citra tersebut berasal dari bahan-bahan organik yang mudah terurai yaitu jagung, batang tebu, dan kentang. Selain ramah lingkungan bahan yang digunakan ini juga dapat dicetak ukuran detil yang lebih kecil dan sudut yang lebih tajam.
Hasil uji perangkat lunak dibandingkan uji organoleptik oleh panelis terlatih menunjukkan tingkat akurasi klasifikasi kesegaran sebesar 90%, 93,33%, dan 100% msing-masing untuk ikan Bandeng, Round Scad (Layang), dan Nila. Ditinjau dari hasil riset yang telah dicapai menunjukkan bahwa perangkat yang dikembangkan mampu mengidentifikasi ikan dan mengklasifikasi tingkat kesegarannya. Namun perangkat yang dikembangkan pada smartphone tersebut masih akan dikembangkan lebih lanjut agar dapat mengidentifikasi ikan dengan sumber pencahayaan yang bervariasi sekaligus menambah detil level kesegaran ikan yang diuji.
Segmentasi citra insang menggunakan metode k-mean
clustering Sumber gambar : Novotas, et al. (2018) |
Proses masking
citra mata ikan
|
Penulis : I Made Susi Erawan - Peneliti LRMPHP