Mahasiswa Informatika UNPAR Buat Program Sortir Buah

UNPAR.AC.ID, Bandung – Indonesia merupakan negara agraris yang salah satu sektor kehidupannya berada di bidang perkebunan. Merujuk pada data Badan Pusat Statistik, Indonesia sendiri berhasil menghasilkan 2.5 juta ton buah. Buah tersebut kemudian tentunya akan disortir berdasarkan kualitas di mana kualitas yang 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. 

Hal tersebut mengemuka dalam IF Webinar Series (IFWS) yang diselenggarakan oleh Informatika Universitas Katolik Parahyangan (UNPAR) pada Jumat (19/5/2023) lalu. Dalam webinar bertajuk ‘Penyortiran Grade Buah Berdasarkan Warna atau Ukuran’ ini, tim yang beranggotakan 6 mahasiswa Informatika UNPAR angkatan 2019 dalam mata kuliah Proyek Data Science ini menceritakan penyortiran grade buah apel washington dan jeruk keprok menggunakan metode klasifikasi. 

Merespons hal tersebut, Almatiara Levi Utami beserta rekan kelompoknya menyarankan mesin penyortiran buah secara otomatis yang dikhususkan untuk di Indonesia. Hal ini ditujukan untuk menekan cost proses sortir serta meningkatkan akurasi penyortiran buah. Dirinya pun 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 dirinya. 

Almatiara menyatakan bahwa 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,” tutur dirinya. 

Dirinya pun 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. 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. 

Setelah itu, 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 dirinya. 

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. 

Sekedar informasi, kegiatan IFWS merupakan media untuk berbagi pengetahuan baik kepada mahasiswa ataupun pihak luar. Pada Jumat (26/5/2023) mendatang, Informatika UNPAR akan kembali menggelar IFWS bertema “Identifikasi Pertanyaan Penting pada Webinar dengan Data Science”. Narasumber yang berasal dari mahasiswa-mahasiswi UNPAR akan membahas aplikasi data science untuk mengidentifikasi pertanyaan penting dalam webinar. Pendaftaran webinar dapat dilakukan melalui tiny.cc/ifws dan informasi lebih lanjut dapat dilihat pada instagram @if.unpar. (KTH – Humkoler UNPAR)

Berita Terkini

UNISBA Studi Banding ke UNPAR, Gali Struktur Organisasi dan Tata Kelola

UNISBA Studi Banding ke UNPAR, Gali Struktur Organisasi dan Tata Kelola

UNPAR.AC.ID, Bandung – Universitas Islam Bandung (UNISBA) melakukan studi banding ke Universitas Katolik Parahyangan (UNPAR), Senin (10/2/2025). Melalui pertemuan yang dilakukan di Ruang Rapat Besar Rektorat UNPAR tersebut, tim UNISBA menggali lebih jauh bagaimana...

Kontak Media

Humas UNPAR

Kantor Sekretariat Rektorat (KSR), Universitas Katolik Parahyangan

Jln. Ciumbuleuit No. 94 Bandung 40141 Jawa Barat

Mei 23, 2023

X