Identifikasi Kesegaran Ikan Berbasis Image Processing (Kombinasi Transformasi Wavelet dan Fuzzy Logic)

Ikan berperan sebagai salah satu komoditas penting sebagai sumber protein untuk manusia. Fungsi tersebut dapat dicapai dengan mempertahankan tingkat kesegarannya. Sejumlah faktor kimia, biologi, dan fisik dapat mempercepat penurunan kesegaran ikan. Untuk memenuhi tuntutan konsumen akan tersedianya ikan segar, perlu dikembangkan suatu metode yang bersifat non destruktif, mudah penggunaannya, dan tingkat akurasi yang tinggi.

Metode penilaian kesegaran ikan berbasis sensori manusia masih menjadi yang terbaik dan paling akurat dibanding sejumlah metode lain. Namun untuk mencapai akurasi seperti yang diharapkan, metode sensori tersebut sangat dipengaruhi sejumlah faktor seperti tahap preparasi sampel yang memadai dan ketersediaan tim panelis yang cukup berpengalaman, sehingga membutuhkan waktu yang cukup lama untuk menentukan kesegaran ikan.

Untuk mengatasi keterbatasan metode sensori tersebut perlu dikembangkan suatu metode yang dapat membantu mengatasi kelelahan yang dialami manusia selama proses pemeriksaan mutu kesegaran ikan secara visual. Sornam et al. (2017) dari Department of Computer Science, University of Madras, telah mengembangkan perangkat lunak untuk mendeteksi kesegaran ikan berbasis image processing (pengolahan citra).

Perangkat lunak yang dikembangkan meliputi modul penangkapan citra ikan. Setelah citra ditangkap terdapat modul untuk melakukan konversi ruang warna citra yang sesuai dengan persepsi mata manusia. Citra yang telah dikonversi tersebut selanjutnya disegmentasi untuk memisahkan area objek utama dengan area background. Proses segmentasi ini dilakukan melalui modul segmentasi berbasis clustering. Proses segmentasi akan menghasilkan area insang dan mata (ROI) yang akan diekstrak untuk mendapatkan informasi statistik atau sering disebut sebagai tahap ekstraksi fitur. Setelah tahap ekstraksi fitur, terdapat modul untuk menjalankan proses klasifikasi sehingga dapat ditentukan status akhir tingkat kesegaran ikan yang diuji.

Kelebihan perangkat lunak pengolahan citra yang dikembangkan tersebut terletak pada proses ekstraksi fitur menggunakan domain transformasi wavelet melalui aplikasi filter Haar serta aplikasi Fuzzy Logic dalam proses klasifikasi tingkat kesegaran ikan. Filter Haar ini mampu menguraikan hingga beberapa level piksel ROI dari citra ikan pada tingkat kesegaran tertentu sehingga didapatkan fitur statistik yang memiliki ciri pembeda. Fitur statistik yang dihasilkan tersebut akan digunakan sebagai input pada Fuzzy Logic dengan output berupa 3 level kesegaran ikan  yaitu busuk, cukup segar, dan sangat segar. Penggunaan Fuzzy Logic memiliki kelebihan yaitu mampu menangani ketidakjelasan batas nilai pada masing-masing tingkat kesegaran ikan sekaligus memungkinkan peneliti untuk memasukkan domain kepakaran berdasarkan pengalaman dan pengetahuan yang dimiliki untuk membentuk fungsi keanggotaan sekaligus batas nilai yang dimiliki pada tiap tingkat kesegaran ikan yang dikehendaki.

Penelitian yang dipublikasikan dalam Asian Journal of Computer Science And Information Technology (AJCSIT) tersebut menunjukkan penggunaan wavelet dengan fuzzy logic mampu membedakan secara nyata 3 tingkat kesegaran ikan yang diuji. Penelitian lanjutan diperlukan untuk menguji akurasi sistem pada jumlah sampel dan jenis ikan yang lebih banyak serta penambahan input yang lebih kompleks pada Fuzzy Logic sehingga nantinya diharapkan aplikasi image processing yang dikembangkan tersebut mampu menjadi terobosan penentuan kesegaran ikan dengan cepat dan akurat. Secara garis besar proses pengolahan citra hingga klasifikasi kesegaran ikan ditunjukkan pada Gambar berikut :

Gambar 1. Proses Pengolahan Citra hingga Klasifikasi Kesegaran Ikan
Sumber: Modifikasi dari Sornam et al., (2017)

Penulis : I Made Susi Erawan (Peneliti Pertama LRMPHP)