Identifikasi Benih Padi Varietas Lokal Kalimantan Selatan
Menggunakan Jaringan Saraf Tiruan Radial Basis Fungsi dan PCA (Principle Component Analysis) Oleh : Muhammad Syahid Pebriadi
Asia merupakan tempat dimana varietas padi dunia banyak ditemukan dalam jumlah besar. Tercatat, lebih dari 107,000 aksesi di koleksi oleh International Rice Genebank (IRG) di International Rice Research Institute (IRRI). Dan sebagian besar dari jenis tanaman atau bahan peternakan dari O. sativa, O. glaberrima, dan spesies liar (Pesticide Action Network Asia and the Pacific, 2010). Sedangkan untuk konsumsi Padi di Indonesia sendiri menempati urutan ke-3 setelah China dan India (United States Department of Agriculture, 2013). Tingginya angka konsumsi disebabkan karena padi (beras) menjadi bagian yang tidak dapat dipisahkan dari budaya pangan nasional (Neraca.co.id, 2013). Indonesia juga memiliki ragam padi (Oryza sativa L.) yang cukup banyak. Tercatat, sebanyak 400 ribu ragam lebih disimpan sebagai koleksi plasma nutfah di seluruh dunia dan sebanyak 4000 ragam lebih disimpan di bank gen Balai Besar Biogen (Lestari, 2011). Ragam ini menimbulkan perbedaan kualitas benih padi yang berpengaruh pada kualitas mutu beras yang dihasilkan. Untuk menentukan kualitas suatu benih padi yang baik, dapat dilihat dari warna, tekstur dan kandungan airnya (Guzman & Peralta, 2008). Penentuan kualitas tersebut dapat dilakukan melalui proses identifikasi. Saat ini, identifikasi benih padi dapat dilakukan melalui dua cara, yaitu pengamatan secara langsung dan dengan kimiawi. Pengamatan secara langsung dilakukan melalui pengamatan warna, tekstur, panjang, ketebalan dan ada tidaknya bulu halus pada benih padi, sedangkan dengan metode kimiawi, benih padi yang dijadikan sampel identifikasi akan dihancurkan terlebih dahulu, kemudian diberi cairan kimia untuk bisa dilihat identitas gennya. Dilihat dari hasil identifikasi, kedua metode ini memiliki akurasi yang cukup baik, akan tetapi kedua cara ini juga memiliki kelemahan. Cara pengamatan memiliki tingkat subjektifitas yang relatif tinggi (Somantri, 2010), sedangkan metode kimiawi memerlukan sampel benih padi yang banyak dan cairan kimia yang mengeluarkan biaya yang mahal. Oleh karena itu, diperlukan suatu metode alternatif dalam melakukan identifikasi ragam benih padi. Salah satunya menggunakan Teknologi pengolahan Citra berbasis jaringan saraf tiruan. Teknologi ini menawarkan proses identifikasi dengan cepat, praktis, murah dan mudah. Teknologi ini telah diaplikasikan oleh beberapa peneliti untuk melakukan proses identifikasi dan klasifikasi beberapa tanaman, termasuk padi. Liu et al. (2005) memperlihatkan penggunaan teknologi pengolahan Citra untuk mengenali ragam varietas padi yang ada di Provinsi Zheijang, China memiliki akurasi 74-95%. Begitu pula dengan Guzman and Peralta (2008) yang menggunakan teknologi ini untuk mengklasifikasikan ragam varietas padi yang ada di Filipina dengan akurasi 70 persen. Penelitian ini bertujuan membuat aplikasi pengenalan Citra Digital yang dapat dipergunakan dalam pengidentifikasian ragam benih padi. Benih padi yang digunakan merupakan varietas lokal Kalimantan Selatan yang dikoleksi dari lahan rawa (Mursyidin dkk, 2013). Penelitian awal dilakukan kepada masing-masing benih padi diambil citranya, kemudian dilakukan pengolahan citra digital untuk menentukan fitur ciri yang dijadikan sebagai variabel masukan. Fitur ciri yang didapat yaitu Area, Perimeter, Major Axis, Minor Axis, Circularity, Aspect Ratio, Roundness dan Feret. Fitur ciri area, perimeter, circularity, aspect ratio dan roundness didapatkan menggunakan aturan Chain Code pada citra. Fitur ciri Major Axis, minor axis dan feret didapatkan melalui metode Region Properties dengan pendekatan bentuk elips. Fitur ciri yang didapat, digunakan sebagai inputan ke dalam jaringan saraf tiruan untuk menghitung nilai bobot pola jaringan yang terbentuk. Selanjutnya, nilai bobot ini digunakan dalam pengidentifikasian ragam benih padi. Penelitian lanjutan direncanakan dengan menambah variabel berupa fitur warna yang meliputi nilai R(Red), G(Green), B(Blue), H(Hue), S(Saturation), dan I(Intensity) yang juga pernah digunakan oleh Liu et al. (2005). Kemudian juga akan ditambahkan algoritma PCA (Principle Component Analysis) untuk menyeleksi fitur mana dari variabel yang dimasukkan tanpa mengurangi akurasi. Hasil seleksi dari algoritma PCA akan dimasukkan ke dalam algoritma Jaringan Saraf Tiruan untuk diproses. Jaringan saraf tiruan yang digunakan adalah Radial Basis Function (RBF). Jaringan saraf tiruan RBF sering digunakan dalam proses klasifikasi dan peramalan. Keunggulan dari Jaringan Saraf Tiruan ini, yaitu komputasinya yang cepat untuk menangani data dalam jumlah yang besar. Jaringan saraf tiruan ini juga mampu memberikan akurasi yang cukup memuaskan. Hasil penelitian ini berupa aplikasi pengenalan citra digital berbasis jaringan saraf tiruan yang dapat digunakan untuk pengidentifikasian ragam benih padi varietas lokal Kalimantan Selatan. Kemudian untuk pengembangannya dapat digunakan dalam pengidentifikasian ragam benih padi varietas lain.
DAFTAR PUSTAKA Guzman, J. D., & Peralta, E. K. (2008). Classification of philippine rice grains using machine vision and artificial neural networks. IAALD AFITA WCCA , 41-48. Lestari, P. (2011). Metode PCR (Polymerase Chain Reaction) Cara Mengidentifikasi Padi Bermutu Rasa Tinggi. SinarTani , 13-16. Liu, Zhao-yan, Fang Cheng, Yi-bin Ying, & Xiu-qin Rao. (2005). Identification of rice seed varieties using neural network. Journal of Zhejiang University SCIENCE B , 1095-1100. Mursyidin, D.H., Isa Azhari, BS. Daryono.2013. Laporan Kemajuan Hibah Penelitian 2012. Dirjen Dikti. Jakarta. Pesticide Action Network Asia and the Pacific. (2010). Saving The Rice Seed. PANAP RICE SHEETS , 1-16. Liu, Zhao-yan, Fang Cheng, Yi-bin Ying, & Xiu-qin Rao. (2005). Identification of rice seed varieties using neural network. Journal of Zhejiang University SCIENCE B , 1095-1100. Somantri, A. S. (2010). Menentukan Klasifikasi Mutu Fisik Beras Dengan Menggunakan Teknologi Pengolahan Citra Digital Dan Jaringan Syaraf Tiruan . Jurnal Standardisasi Vol. 12, No. 3 , 162 - 173 . Neraca.co.id. (2013, Maret 3). Konsumsi Beras Nasional Tertinggi Se-Asia. http://www.neraca.co.id/harian/article/26605/Konsumsi.Beras.Nasional.Te rtinggi.SeAsia Di akses tanggal 3 Agustus 2013 United States Department of Agriculture. (2013, Agustus 1). Milled Rice Domestic Consumption by Country in 1000 MT - Country Rankings. http://www.indexmundi.com/agriculture/?commodity=milled- rice&graph=domestic-consumption Diakses tanggal 10 Agustus 2013