Pendugaan biji kakao terfermentasi, berjamur, dan tak terfermentasi dengan pengolahan citra dan artificial neural network untuk evaluasi mutu biji kakao

Abstract

Kakao telah menjadi komoditas perdagangan dan sumber penerimaan devisa negara yang cukup penting pada dekade terakhir. Produksi biji kering kakao Indonesia secara signifikan terus meningkat, namun mutu yang dihasilkan sangat rendah. Hal ini dikarenakan kurang terfermentasi, tidak cukup kering, ukuran biji tidak seragam, kadar kulit tinggi, keasaman tinggi, cita rasa sangat beragam dan tidak konsisten, namun disisi lain kakao Indonesia juga mempunyai keunggulan yaitu mengandung lemak cokelat dan dapat menghasilkan bubuk kakao dengan mutu yang baik. Upaya pemerintah untuk menentukan daya saing komoditas ekspor Indonesia adalah dengan mengembangkan pengendalian mutu yang mengarah tercapainya jaminan mutu di Indonesia yaitu melalui Standar Nasional Indonesia (SNI). Untuk dapat bersaing dalam hal mutu, pada masa mendatang inspeksi terhadap mutu cokelat harus dilakukan pada semua produk cokelat yang akan diproduksi menjadi suatu bahan jadi yang memiliki cita rasa tinggi. Penelitian ini bertujuan membangun perangkat kecerdasan buatan (berbasis komputer) untuk mengetahui biji berjamur dan biji tak terfermentasi dengan menggunakan parameter nilai rata-rata intensitas warna merah (R), nilai rata-rata intensitas warna hijau (G), nilai rata-rata intensitas warna biru (B), perbedaan nilai indeks hue (H), saturation (S), dan Intensity (I). Penilaian mutu dilakukan secara visual buatan dengan pengolahan citra (image prcessing) yang dikembangkan menggunakan jaringan syaraf tiruan (artificial neural network) kemudian dibandingkan dengan contoh standar dari varietas yang bersangkutan. Proses training pada Artificial Neurak Network (ANN) dilakukan sampai jaringan mendapatkan nilai akurasi yang stabil. Pada penelitian ini training dilakukan sampai dengan 7000 iterasi dengan menggunakan 514 biji kakao. Jumlah butir yang diduga dengan tepat sebanyak 504 data atau tingkat akurasi 98.05%. Tingkat akurasi yang dicapai adalah 99.36% untuk biji kakao terfermentasi, 98.30% untuk biji kakao berjamur, 79.17% untuk biji kakao tak terfermentasi. Validasi ANN dilakukan dengan mengenali 506 data baru. Data yang berhasil diduga dengan tepat adalah 448 data atau tingkat akurasi sebesar 88.54%. Tingkat akurasi tersebut terdiri dari 95.62% biji kakao terfermentasi, 81.72% biji kakao berjamur, 71.43% biji kakao tak terfermentasi. Tingkat akurasi untuk biji kakao tak terfermentasi rendah karena sebagian besar dari selang warna R rata-rata, G rata-rata, B rata-rata untuk biji kakao tak terfermentasi berada pada selang biji terfermentasi, selang warna H rata-rata biji kakao tak terfermentasi berada pada selang biji kakao terfermentasi, dan sebagian besar dari selang warna S rata-rata, I rata-rata untuk biji kakao tak terfermentasi berada pada selang biji kakao terfermentasi. Jumlah biji kakao tak terfermentasi yang dipakai dalam training kurang sehingga tingkat pengetahuan sistem kurang. Oleh karena itu untuk penelitian selanjutnya diperlukan contoh biji kakao tak terfermentasi yang lebih banyak, agar tingkat pengetahuan sistem akan meningkat.