7/27/2019 SINOPSI RENCANA PENELITIAN

1/4

SINOPSIS RENCANA PENELITIAN

Identifikasi Benih Padi Varietas Lokal Kalimantan Selatan

Menggunakan Jaringan Saraf Tiruan Radial Basis Fungsidan 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

7/27/2019 SINOPSI RENCANA PENELITIAN

2/4

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

7/27/2019 SINOPSI RENCANA PENELITIAN

3/4

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 SyarafTiruan. 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

7/27/2019 SINOPSI RENCANA PENELITIAN

4/4