Deteksi Benih Varietas Padi Menggunakan Gelombang Near Infrared dan Model Jaringan Saraf Tiruan Detection of Rice Seed Varieties Using Near Infrared Spectroscopy and Artificial Neural Network

Jonni Firdaus, Usman Ahmad, Sulawesi Bptp, Badan Tengah, Pertanian Litbang, Lasoso, Biromaru, Sulawesi Sigi, Indonesia Tengah
unpublished
Seed is an important input component in rice production. Of the many varieties that had been release, the distinction among varieties is not always clear. Among a large number of varieties error may happen in seed processing, storage and distribution, because of the similarity of their physical shape and size, and the seed appearances are difficult to be distinguished. An alternative to distinguish rice seed varieties is using near infrared (NIR) as sensors and using artificial neural network
more » ... al neural network (ANN) as data processor. This research was aimed to study the accuracy of NIR spectroscopy and ANN for detecting rice seed varieties. NIR reflectances (1000-2500 nm) of seeds of 12 varieties were given pretreatment data such as first derivative, second derivative, normalization and standard normal variates. The pretreatment data were used as input in ANN models. Each variety consisted of 12 samples, each sample was 40 grams. ANN model used backpropagation multilayer perceptron with three layers as input, hiden, and output. Network weights were estimated using gradient descent algorithm. The wave form of NIR spectra was similar among varieties, but had different absorptions in intensities, so they could be used for determining the rice seed varieties. The best model was an ANN with standard normal variate pretreatment as input data. The accuracy of varieties prediction was 100% for training, 99.1% for testing and 98.1% for validation. Results showed that the NIR spectra and ANN model can be used as detection methods in rice varieties. ABSTRAK Benih merupakan salah satu komponen penting dalam peningkatan produksi padi. Saat ini sudah banyak varietas unggul yang telah dihasilkan. Setiap varietas memiliki keunggulan masing-masing, sesuai dengan tujuan perakitannya. Semakin banyak varietas dikhawatirkan terjadi kesalahan dalam identifikasi pada saat prosesing, penyimpanan, dan pendistribusian benih, karena bentuk fisik dan ukurannya hampir sama dan penampakan visual yang sulit dibedakan. Salah satu cara untuk mendeteksi benih varietas padi adalah menggunakan gelombang near infrared (NIR) sebagai sensor dan jaringan saraf tiruan (JST) sebagai alat pemroses data. Penelitian ini bertujuan untuk mengetahui manfaat gelombang NIR yang dikombinasikan dengan JST untuk mendeteksi benih padi. Reflektan NIR (1000-2500 nm) dengan pretreatment berupa turunan pertama dan kedua, normalisasi, dan standard normal variate dari 12 varietas padi yang digunakan sebagai data input dalam membangun model JST. Setiap varietas terdiri dari 12 unit sampel dengan bobot setiap sampel 40 g. Model JST yang digunakan adalah backpropogation multilayer perceptron dengan tiga lapisan, yaitu input, hidden, dan output. Estimasi bobot jaringan menggunakan algoritma gradient descent. Hasil penelitian menunjukkan bentuk gelombang NIR hampir sama antarvarietas namun memiliki intensitas penyerapan yang berbeda, sehingga dapat dijadikan dasar dalam penentuan varietas menggunakan NIR. Model terbaik adalah JST dengan input pretreatment data standard normal variate dengan akurasi pendugaan varietas 100%, 99,1%, dan 98,1% masing masing untuk data set training, testing, dan validasi. Dengan demikian, gelombang NIR dan JST dapat digunakan sebagai metode pendeteksian varietas padi. Kata kunci: Padi, varietas, benih, near infrared, jaringan saraf tiruan. PENDAHULUAN Benih merupakan salah satu komponen penting dalam produksi padi. Saat ini sudah banyak varietas unggul padi yang telah dilepas, baik oleh lembaga penelitian pemerintah, universitas maupun swasta. Setiap varietas memiliki keunggulan masing-masing, sesuai dengan tujuan perakitannya, seperti potensi hasil, ketahanan terhadap hama penyakit atau stress lingkungan serta rasa dan sifat fungsional. Semakin banyak varietas padi yang dilepas dikhawatirkan akan terjadi kesalahan dalam identifikasi pada saat prosesing, penyimpanan, dan pendistribusian benih, karena bentuk fisik dan ukurannya hampir sama dan memiliki penampakan visual yang sulit dibedakan. Selain pengelolaan benih, identifikasi varietas padi juga
fatcat:x33jdhfravggdbg6opcocdxljq