BandungBergerak.id - Indonesia bisa dibilang negeri penghasil berbagai jenis buah. Merujuk pada data Badan Pusat Statistik, Indonesia mampu menghasilkan 2,5 juta ton buah. Buah-buah tersebut tentunya akan disortir berdasarkan kualitas. Buah dengan kualitas baik akan memiliki harga yang tinggi.

Meskipun demikian, Indonesia masih melakukan seleksi buah secara manual. Akibatnya, proses seleksi memiliki berbagai kelemahan seperti rentannya kesalahan, tingkat keefektifan yang rendah, biaya yang tinggi, dan memakan waktu yang lama.

Dengan latar belakang masalah tersebut, tim dari Teknik Informatika Universitas Katolik Parahyangan (Unpar), Bandung, menceritakan penyortiran grade buah apel washington dan jeruk keprok menggunakan metode klasifikasi. Tim yang terdiri dari 6 mahasiswa mata kuliah Proyek Data Science ini bercerita dalam IF Webinar Series (IFWS) yang diselenggarakan oleh Teknik Informatika Unpar, Jumat (19/5/2023) lalu.

Almatiara Levi Utami beserta rekan timnya menyarankan mesin penyortiran buah secara otomatis yang dikhususkan untuk Indonesia. Hal ini ditujukan untuk menekan ongkos proses sortir serta meningkatkan akurasi penyortiran buah.

Almatiara mengungkap beberapa manfaat penyortiran buah secara otomatis, antara lain:  mempercepat grading untuk quality control buah di perkebunan; mengenali kualitas buah dalam jumlah yang banyak dengan lebih cepat; menghemat biaya tenaga kerja; serta menghemat biaya pelatihan untuk menyortir buah bagi tenaga kerja.

“Hal ini bertujuan untuk membuat lebih efektif dah murah, di mana mesin ini sudah lazim untuk digunakan pada negara-negara maju,” ujar Almatiara, dikutip dari laman Unpar, Rabu (24/5/2023).

Almatiara menyatakan, mesin penyortiran otomatis akan bisa mengetahui atau memprediksi kualitas buah yang dimasukkan ke dalam mesin. Mesin sortir kemudian akan menggunakan machine learning yang memanfaatkan algoritma klasifikasi untuk menebak kualitas buah. Oleh karena itu, kelompok tersebut membuat program klasifikasi yang dapat melakukan menebak kualitas buah yang menyerupai kerja mesin grading buah.

“Pada bagian mesin ini, memiliki kemampuan untuk dapat membedakan buah mana yang dimasukkan ke kelas tertentu atau dikelompokkan,” tuturnya.

Ia memberikan ilustrasi klasifikasi mesin sortir yang diawali dengan gambar buah. Gambar buah kemudian akan dimasukkan ke dalam algoritma klasifikasi sebagai classifier. Setelah melalui proses, akan dihasilkan label yang merupakan kualitas dari buah.

Baca Juga: Telkom University dan ISI Surakarta Mendukung Digitalisasi Budaya Tradisional Indonesia
Pendaftaran SMUP Sarjana Jalur Prestasi Unpad Ditutup 1 Juni 2023
Penyaluran Bantuan Kemanusiaan dalam Pendekatan Kesetaraan

Sebelumnya, untuk melatih dan mendapatkan model, data dari gambar dari buah yang akan diubah terlebih dahulu menjadi tabel bernama vektor yang berisi angka yang berdasarkan pada sifat buah seperti warna, lebar, tinggi, dan lain-lain. Vektor kemudian akan dimasukkan ke dalam algoritma.

Pada proyek ini, Almatiara mengungkap bahwa kelompoknya membagi apel menjadi 3 kelas yakni kelas ekstra, kelas I, serta kelas II. Sedangkan untuk jeruk, kelompoknya membagi menjadi 2 kelas yakni Kelas A dan Kelas B yang ditentukan dari bobot serta diameter jeruk.

Anggota tim lainnya, Dwi Lena Irawati memaparkan proses pengambilan data set yang diperoleh dari sampel berupa 10 apel washington serta 9 jeruk keprok. Pengambilan gambar buah yang berasal dari supermarket dan pasar yang dilakukan dari berbagai sisi ini kemudian dilanjutkan dengan tahap eksplorasi data.

Eksplorasi data pun mengungkap bahwa kualitas buah apel tidak bisa ditentukan dari berat, lebar, dan tinggi. Di sisi lain, sifat berat kemungkinan dapat digunakan untuk menentukan kualitas jeruk.

“Dari sini dapat kita simpulkan bahwa tidak ada perbedaan signifikan untuk berat, lebar, dan tinggi antar kualitas buah apel. Jadi, untuk eksplorasi ini kita tidak bisa menggunakan berat, lebar, dan tinggi untuk menentukan kualitas buah apel,” tutur Dewi.

Lebih lanjut, dilakukan tahapan pembersihan data set yang bertujuan agar data set yang digunakan hanya menampilkan gambar buah. Background pada gambar buah serta pantulan cahaya akan dihilangkan. Setelah itu, dilakukan ekstraksi fitur atau pengubahan gambar menjadi vektor. Ekstraksi fitur dilakukan pada warna serta dimensi buah.

“Vektor mempresentasikan warna menjadi warna dominan kemudian dengan dimensi buah kita juga bisa mencari jumlah pixel dan diameter buahnya,” ucap dirinya.

Setelah mencoba berbagai sifat yang dapat digunakan untuk mendeskripsikan apel, Dwi menyatakan bahwa  kelompoknya menemukan bahwa klasifikasi buah apel berdasarkan warna apel memberikan hasil yang terbaik. Sementara itu, Viola Kinanti mengungkap bahwa klasifikasi buah jeruk berdasarkan berat dan diameter jeruk memberikan hasil yang terbaik.

“Didapati bahwa klasifikasi buah jeruk berdasarkan berat dan diameter jeruk memberikan hasil yang terbaik,” ujar Viola.