PENENTUAN MUTU UDANG VANNAME (LITOPENAEUS VANNAMEI) MENGGUNAKAN TEKNOLOGI PENGOLAHAN CITRA DIGITAL DENGAN METODE MORFOLOGI BERBASIS ANALISIS DIMENSI

Sumardi Sumardi, Aji Bijaksana Abadi

Abstract


Kalimantan utara merupakan produsen utama udang dengan capaian 9.900 ton atau sekitar 57,56 persen dari total produksi udang se-Kalimantan, Dimana Kota Tarakan sebagai pemasok utamanya, sehingga disebut Kota Perikanan. Ekspor udang untuk wilayah Tarakan adalah Jepang hingga 75% dan sisanya USA dan Cina. udang vaname yang jauh lebih unggul terhadap penyakit dengan angka hidup yang tinggi daripada udang windu. Upaya peningkatan kualitas tersebut dapat dilakukan melalui proses sortasi dan grading yang merupakan tahapan pasca panen setelah proses pemisahan kepala udang, udang akan dikelompokan berdasarkan ukuran (besar, kecil dan sedang) sesuai dengan permintaan pasar. Penelitian kali ini akan mengusulkan sistem penentuan kriteria mutu udang Vanname (Litopenaeus vannamei) menggunakan teknologi pengolahan citra digital dengan metode morfologi berbasis analisis dimensi. Secara garis besar metode morfologi akan digunakan untuk menentukan citra udang vaname terhadap backgorund dengan menggunakan dilasi dan erosi sebagai pemisahannya, dengan demikian tepi citra dapat ditentukan dengan baik pada perhitungan pixel per metric, kemudian analisis dimensi akan mengolah panjang, lebar dan luasan dari citra biner hasil morfologi udang vaname berdasarkan perbandingan pixel dengan panjang referensi sebenarnya, sehingga akan diperoleh kriteria mutu udang Vanname secara otomatis dan dapat bekerja secara real-time. Hasil pengukuran panjang sebagai parameter penentu kategori udang memiliki akurasi sebesar 96.7% dengan persentase akurasi pada penentuan kategori sebesar 53.3%.


Keywords


Udang Vanname; Sortasi; Grading; Pengolahan Citra Digital

Full Text:

PDF

References


Muklis, “kaltara antaranews,†2020. [Online]. Available: https://kaltara.antaranews.com/berita/473410/kaltara-sebagai-produsen-utama-udang-di-kalimantan. [Accessed 16 February 2021].

Uno, “rakyatkaltara prokal,†2020. [Online]. Available: https://rakyatkaltara.prokal.co/read/news/19358-black-tiger-jatuh-alihkan-permintaan-ke-udang-vaname.html. [Accessed 16 February 2021].

Amri, K., Budi Daya Udang Vaname, Gramedia Pustaka Utama, 2013.

Putro, S, “Peran Mutu Dalam Menunjang Ekspor Udang Nasional.,†Squalen Bulletin of Marine and Fisheries Postharvest and Biotechnology, vol. 3, no. 1, pp. 1-6, 2008.

Caritasillah, S and Sutoko, “Rancang Bangun Sistem Deteksi Ukuran Udang Vaname (Litopenaeus Vannamei) Dengan Metode Hitung Pixel (Pixel Count),†in Prosiding Seminakel, 2019.

Framita,R., Kuncoro, E and Purnomo,R.H., “Penggunaan Mikrokontroler Tipe Arduino Uno R3 Untuk Proses Pemutuan Udang Vanname (Litopenaeus vannamei) BERDASARKAN BOBOT,†Doctoral dissertation, Sriwijaya University, 2017.

Sugianto, A, “Pemutuan Buah Cabai Merah Besar (Capsicum Annuum L.) Menggunakan Pengolahan Citra Digital Dan Jaringan Syaraf Tiruan,†2012.

Somantri, E.A., Darmawati and Astika, I “Identifikasi Mutu Fisik Beras Dengan Menggunakan Teknologi Pengolahan Citra Dan Jaringan Syaraf Tiruan (Identification of physical quality of rice by using technology image processing and artificial neural network),†Jurnal Penelitian Pascapanen Pertanian, vol. 10, no. 2, pp. 95-103, 2017.

Sitorus, S. H., & Ristian, U., “Penerapan Metode Decision Tree Untuk Mengklasifikasikan Mutu Buah Jeruk Berdasarkan Fitur Warna Dan Ukuran.,†vol. 9, no. 1, p. 11, 2021.

Al Rivan, M. E., & Sung, G. R., “Identifikasi Mutu Buah Pepaya California (Carica Papaya L.) Menggunakan Metode Jaringan Syaraf Tiruan,†Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 10, no. 1, pp. 113-119, 2021.

Tomasevic, I., Tomovic, V., Ikonic, P., Lorenzo Rodriguez, J. M., Barba, F. J., Djekic, I., Nastasijevic, I., Stajic, S., & Zivkovic, D., “Evaluation of poultry meat colour using computer vision system and colourimeter: Is there a difference?,†British Food Journal, vol. 121, no. 5, pp. 1078-1087, 2019.

Zhang, D., Lillywhite, K. D., Lee, D.-J., & Tippetts, B. J., “Automatic shrimp shape grading using evolution constructed features.,†Computers and Electronics in Agriculture, vol. 100, pp. 116-122, 2014.

Thanasarn, N., Chaiprapat, S., Waiyakan, K., & Thongkaew, K., “Automated discrimination of deveined shrimps based on grayscale image parameters,†Journal of Food Process Engineering, vol. 42, no. 4, 2019.

Liu, Z., “Soft-shell Shrimp Recognition Based on an Improved AlexNet for Quality Evaluations,†Journal of Food Engineering, vol. 266, 2020.

Ghasemi-Varnamkhasti, M., Goli, R., Forina, M., Mohtasebi, S. S., Shafiee, S., & Naderi-Boldaji, M., “Application of Image Analysis Combined with Computational Expert Approaches for Shrimp Freshness Evaluation,†International Journal of Food Properties, vol. 19, no. 10, pp. 2202-2222, 2016.

Afrinanda, L., & Ilyas, I., “Perancangan Sistem Klasifikasi Udang Beracun Pada Jenis Udang Tenggek Menggunakan Metode K-Nearest Neighbor (K-NN).,†Jurnal Ilmiah Badan Perencanaan Pembangunan Daerah Kabupaten Indragiri Hilir, vol. 6, no. 1, pp. 1-7, 2020.

Lin, H.-Y., Lee, H.-C., Ng, W.-L., Pai, J.-N., Chu, Y.-N., Liou, C.-H., Liao, K.-C., & Kuo, Y.-F., “Estimating shrimp body length using deep convolutional neural network,†2019.

Poonnoy, P., & Asavasanti, S., “Implementation of coupled pattern recognition and regression artificial neural networks for mass estimation of headlessâ€shellâ€on shrimp with random postures,†Journal of Food Process Engineering, vol. 44, no. 8, 2019.

Jana, S., Parekh, R., & Sarkar, B., “De novo approach for automatic volume and mass estimation of fruits and vegetables,†Optik, 2020.




DOI: https://doi.org/10.35334/jeb.v8i2.2310

Refbacks

  • There are currently no refbacks.


Address:

Gedung D Lt. 3 Kampus Universitas Borneo Tarakan. Jl. Amal Lama No. 1, Tarakan, Kalimantan Utara, Indonesia. Kodepos: 77123.

Email: elektrika@borneo.ac.id
Hp : +62 813-5064-4775

 

All Publications

by JEB (Jurnal Elektrika Borneo)

are licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License