LRMPHP ber-ZONA INTEGRITAS

Loka Riset Mekanisasi Pengolahan Hasil Perikanan, siap menerapkan Zona Integritas menuju satuan kerja berpredikat Wilayah Bebas dari Korupsi (WBK) dan Wilayah Birokrasi Bersih dan Melayani (WBBM).

Loka Riset Mekanisasi Pengolahan Hasil Perikanan

LRMPHP sebagai UPT Badan Riset dan SDM KP melaksanakan riset mekanisasi pengolahan hasil perikanan berdasarkan Peraturan Menteri Kelautan dan Perikanan Nomor 10/2017

Tugas Pokok dan Fungsi

Melakukan tugas penelitian dan pengembangan strategis bidang mekanisasi proses hasil perikanan di bidang uji coba dan peningkatan skala teknologi pengolahan, serta rancang bangun alat dan mesin untuk peningkatan efisiensi penanganan dan pengolahan hasil perikanan

Produk Hasil Rancang Bangun LRMPHP

Lebih dari 30 peralatan hasil rancang bangun LRMPHP telah dihasilkan selama kurun waktu 2012-2020

Kerjasama Riset

Bahu membahu untuk kemajuan IPTEK dengan berlandaskan 3 pilar misi KKP: kedaulatan (sovereignty), keberlanjutan (sustainability), dan kesejahteraan (prosperity)

Sumber Daya Manusia

LRMPHP saat ini didukung oleh tenaga peneliti sebanyak 12 orang dengan latar pendidikan teknologi pangan dan engineering, 5 orang teknisi litkayasa, dan beberapa staf administrasi

Kanal Pengelolaan Informasi LRMPHP

Diagram pengelolaan kanal informasi LRMPHP

Selasa, 20 April 2021

Sistem Mesin Visi 3 Dimensi Sebagai Penentu Tingkat Kesegaran Salmon Atlantik

Untuk dapat bersaing di pasar global yang terus meningkat, menjadi suatu kebutuhan untuk mengambil manfaat dari teknologi guna meningkatkan produktifitas dan profitabilitas. Industri salmon Norwegia melihat kebutuhan untuk mengotomatisasikan proses grading mutu salmon Aatlantik untuk mengurangi kebutuhan akan tenaga manusia yang besar serta meningkatkan konsistensi produk dan fleksibilitas produksi. Untuk mengatasi masalah tersebut sejumlah peneliti di Norwegia mengembangkan sebuah sistem mesin visi untuk pencitraan berwarna 3D eksternal dilengkapi sistem scanning 3600 cross-section telah dikembangkan untuk melakukan penentuan level mutu Salmon Atlantik. Dua penyebab utama penurunan mutu salmon Atlantik pada pasca penangkapan adalah perubahan bentuk dan luka. Berdasarkan dua penyebab tersebut proses penentuan tingkat kesegaran ikan salmon Atlantik tersebut dimulai dengan mengklasifikasikan ikan tersebut ke dalam kelas super dan kelas dengan mutu terdegradasi.

Untuk membentuk citra 3D pada tahap awal yang dilakukan adalah menyusun sistem fotografi sebagai perangkat dalam pengumpulan citra ikan. Perangkat tersebut terdiri atas rig kamera yang tersusun atas 3 buah kamera citra berwarna CMOS dan 3 buah laser IP68 memancarkan baris laser merah. Rig kamera terletak pada celah antara dua konveyor belt.

Gambar 1. Sistem fotografi untuk akuisisi citra
Sumber gambar : Sture, et al., (2016)

Pada tahap pengolahan citra dilakukan untuk mendapatkan fitur geometri dan warna dari pasangan citra yang dihasilkan kamera pada tiga posisi berbeda. Untuk mendukung pengolahan citra berbasis komputasi point cloud diperlukan dukungan Graphical Pocessing Unit ( GPU). 3 operasi berbeda dilakukan pada GPU yaitu (1) algoritme demosaicking untuk menghitung piksel warna merah dari raw image.; (2) penerapan algoritma penghilangan sirip. Untuk menghilangkan sirip pada citra dilakukan dengan menghilangkan koordinat dimana sirip berada dengan menepatkan garis tepi tubuh Salmon pada sebuah elips lalu menggunakan nilai tangen (persinggungan terdekat) sebagai titik potong antara sirip dan tubuh; (3) operasi untuk melakukan ekstraksi fitur warna dan geometris yang melibatkan Ekstraksi fitur geometris dan fitur warna.

Proses ekstraksi fitur melibatkan sejumlah operasi morfologi dan pengolahan citra mencakup (1) pengambangan batas pada ruang warna HSL ;(2) operasi morfologi open untuk menyaring derau pada sejumlah region hasil filtering; (3) penggunaan pengklasifikasi untuk memberikan label pada region tertentu sehingga masuk sebagai luka atau bukan. Selanjutnya pada tahap machine learning, fitur warna dan tekstur digunakan sebagai input 2 pengklasifikasi untuk mengklasifikasikan: (1) deformitas dan (2) luka. Pengklasifikasi yang digunakan adalah Support Vector Machine (SVM) pada kernel RBF.

Pada kajian deteksi deformitas, hasil klasifikasi 2 kelas dinyatakan sebagai bebas deformitas (1) dan tidak bebas deformitas (0). Hasil yang dicapai dengan pengklasifikasi SVM adalah True Positif Rate (TPR) sebesar 81% sementara True Negative Rate (TNR) 90% sehingga didapatkan hasil total prediction rate sebesar 86%. Untuk klasifikasi deteksi Luka dmelalui penerapan metode tresholding (pengambangan batas) dilanjutkan dengan operasi morfologi mampu mencapai total prediction rate sebesar 89% dengan TPR dan TNR masing-masing sebesar 88% dan 90%.

Salah satu kontribusi utama riset ini adalah metode yang mampu mengatasi proyeksi yang sangat tumpang tindih seperti pada metode proyeksi 2D yang menggunakan dua kamera atas dan bawah. Selain itu waktu komputasi secara signifikan dapat dikurangi dengan penggunaan metode pengambangan batas dan operasi morfologi pada citra berwarna sebagai tahap pra pengolahan citra. 

Pendekatan menggunakan mesin visi 3D 3600 sangat menarik dari perspektif pengumpulan data terutama untuk membentuk basis pengetahuan sebagai dasar pembuat keputusan. Pengembangan mesin visi 3D ini telah dipublikasikan di Jurnal Computer and Electronics in Agriculture Vol. 123 tahun 2016. Mesin ini mampu menyajikan informasi yang diperlukan untuk menarik kesimpulan seperti halnya operator manusia yang mampu menginspeksi ikan salmon pada seluruh sisinya. Penelitian ini menunjukkan bahwa mesin visi 3D mampu digunakan untuk mendeteksi tingkat mutu salmon Atlantik secara otomatis dan riil time. Sebagian besar metode yang dikembangkan cukup umum untuk dapat diaplikasikan pada jenis ikan lain atau aplikasi sejenis dengan modifikasi minor. 

Gambar 2. Hasil akhir pembentukan citra 3D ikan Salmon Altlantik

Sumber gambar : Sture, et al., (2016)


Penulis: I Made Susi Erawan - Peneliti LRMPHP












                 


Selasa, 13 April 2021

MENGENALI JENIS DAN TINGKAT KESEGARAN IKAN BERBASIS ANDROID

Sebagai salah satu sumber asam lemak omega 3 terbaik permintaan ikan diseluruh dunia terus meningkat. Keberadaan ikan yang sangat esensial untuk pertumbuhan dan perkembangan otak seringkali juga disubstisusi dengan sumber protein hewani dari ayam, daging, maupun ternak lainnya. Karena kebutuhan konsumen untuk dapat membeli dan mengkonsumsi ikan hasil tangkapan secara segar yang terus meningkat seringkali ikan disimpan beku sebelum di pasarkan untuk menjamin ketersediaan pasokan ikan.

Karena pentingnya jaminan keamanan ikan yang dikonsumsi maka pemeriksaan sejumlah parameter mutu terkait kesegaran ikan menjadi hal yang wajib dilakukan. Salah satu metode konvensional untuk menentukan kesegaran ikan sesuai jenisnya adalah secara visual dengan memperhatikan kondisi mata dan insang. Meskipun mudah dilakukan metode visual tersebut namun masyarakat awam cukup kesulitan untuk menentukan tingat kesegaran ikan secara akurat dibandingkan oleh petugas terlatih.

Untuk mengatasi hal tersebut sejumlah peneliti di Filipina mengembangkan perangkat lunak yang mampu mengidentifikasi tingkat kesegaran ikan termasuk menyajikan informasi umur simpan ikan 3 spesies yang memiliki tingkat konsumsi tertinggi di Filipina yaitu ikan Bandeng, Scad (Layang), dan ikan Nila. Hasil penelitian tersebut telah dipublikasikan pada Jurnal ARPN Journal of Engineering and Applied Sciences Vol.13, No. 18, September 2018.

Kontribusi utama yang dikembangkan dalam perangkat cerdas tersebut diantaranya (1) menggunakan data piksel citra mata dan insang yang tersegmentasi untuk menentukan jenis ikan dan tingkat kesegarannya secara bersamaan.  (2) Menggunakan operasi  pengolahan citra untuk lebih mempertegas proses segmentasi citra insang dengan citra kulit secara lebih  akurat yaitu dengan memadukan metode k-mean clustering dilanjutkan canny edge detection. Algoritma k-mean clustering untuk segmentasi insang berbasis 2 channel warna yaitu red-green (a*) dan blue-yellow (b*). Algoritma ini akan memisahkan dan mengelompokkan sejumlah k piksel berdasarkan kedekatan rerata piksel  tersebut. Metode edge detection menggunakan Algoritma Canny digunakan untuk menemukan batas atau tepi suatu objek  sekaligus menghilangkan noise (derau) dalam citra. (3) Pada proses segmentasi citra mata ikan diterapkan algoritma yang berfungsi untuk membuat jari-jari lingkaran pada proses masking (proses menampilkan obyek yang ditargetkan sedangkan objek non-target disembunyikan) sehigga berada tepat pada titik tengah pupil mata ikan sampel. (4) Perangkat pengambilan citra berbasis android yang terdiri dari 2 komponen utama yaitu casing dan tabung. Casing yang dirancang dengan ukuran khusus untuk meletakkan smartphone sementara tabung dirancang untuk menjaga pencahayan konstan dan dapat diatur ketinggian atau jaraknya dengan sampel ikan yang diambil citranya. (5) Bahan untuk pembuatan perangkat  pengambilan citra tersebut berasal dari bahan-bahan organik yang mudah terurai yaitu jagung, batang tebu, dan kentang. Selain ramah lingkungan bahan yang digunakan ini juga dapat dicetak ukuran detil yang lebih kecil dan sudut yang lebih tajam.

Hasil uji perangkat lunak dibandingkan uji organoleptik oleh panelis terlatih menunjukkan  tingkat akurasi klasifikasi kesegaran sebesar 90%, 93,33%, dan 100% msing-masing untuk ikan Bandeng, Round Scad (Layang), dan Nila. Ditinjau dari hasil riset yang telah dicapai menunjukkan bahwa perangkat yang dikembangkan mampu mengidentifikasi ikan dan mengklasifikasi tingkat kesegarannya. Namun perangkat yang dikembangkan pada smartphone tersebut masih akan dikembangkan lebih lanjut agar dapat mengidentifikasi ikan dengan sumber pencahayaan yang bervariasi sekaligus menambah detil level kesegaran ikan yang diuji. 

Segmentasi citra insang menggunakan metode k-mean clustering
Sumber gambar : Novotas, et al. (2018)

Proses masking citra mata ikan 
Sumber gambar : Novotas, et al. (2018)
 

Penulis : I Made Susi Erawan - Peneliti LRMPHP


Rabu, 07 April 2021

Riset dan SDM Siap Dukung 3 Program Terobosan KKP

Kementerian Kelautan dan Perikanan (KKP) telah menetapkan tiga prioritas sebagai terobosan pada Tahun 2021-2024. Pertama, peningkatan Penerimaan Negara Bukan Pajak (PNBP) dari sumber daya alam perikanan tangkap untuk peningkatan kesejahteraan nelayan. Kedua, Pengembangan perikanan budidaya untuk peningkatan ekspor. Ketiga, pembangunan kampung-kampung perikanan budidaya berbasis kearifan lokal. Ketiga terobosan tersebut didukung oleh pengembangan riset kelautan dan perikanan. Demikian disampaikan Kepala Badan Riset dan Sumber Daya Manusia Kelautan dan Perikanan (BRSDM) KKP Sjarief Widjaja, pada pembukaan Rapat Kerja Teknis (Rakernis) BRSDM, Selasa (6/4), di Bandung, Jawa Barat.

Menurut Sjarief, PNBP dari sektor kelautan dan perikanan selama ini hanya sekitar Rp600 miliar, didapat dari izin penangkapan ikan. Angka ini sangat kecil dibandingkan dengan besarnya potensi kelautan dan perikanan yang dimiliki Indonesia. Untuk itu, perlu dilakukan perubahan paradigma, yaitu dengan menggratiskan perizinan penangkapan ikan dan mengenakan tarif PNBP saat menurunkan hasil tangkapan setelah selesai melaut. Dengan demikian potensi PNBP dari sektor kelautan dan perikanan yang dapat diraih diperkirakan bisa mencapai Rp12 triliun. Guna merealisasikannya, BRSDM terus mengembangkan riset, salah satunya melalui rencana kolaborasi dengan salah satu Badan Usaha Milik Negara di bidang elektronika. Dengan teknologi tinggi, ikan hasil tangkapan bisa langsung dideteksi jumlah, jenis dan beratnya oleh peralatan canggih, sehingga dapat diketahui tarif PNBP-nya.

“BRSDM sudah mulai merintis untuk menyusun instrumen, peralatan-peralatan yang harus dipasang di kapal penangkap ikan supaya bisa mendeteksi, kalau ikan ditangkap di laut, dimasukkan ke palka maka bisa langsung dihitung berapa jumlahnya, beratnya, ikannya jenis apa saja, harganya berapa, kira-kira pendapatannya berapa. Sehingga saat mereka mendarat di daratan maka langsung keluar harus membayar berapa. Jadi disini teknologi yang masuk adalah teknologi untuk electronic scaling, teknologi untuk pattern recognition, dipotret, kemudian tahu ini ikan kerapu, ini ikan kakap merah, dan seterusnya, berapa harganya, tuna tongkol, cakalang. Riset menjadi utama disini. Kita akan mengembangkan teknologi itu. Tahun 2021-2025 BRSDM akan berperan di program ini dalam konteks untuk menyiapkan perangkat-perangkat instrumennya, alat ukur, monitoring, surveillance untuk kapal ikan yang di lautan sehingga jelas kapal yang menangkap, pemiliknya siapa, kewajibannya bagaimana,” paparnya.

Adapun dalam mendukung perikanan budidaya, menurutnya, riset juga memiliki peran yang tinggi. Saat ini Indonesia memiliki komoditas unggulan di bidang budidaya antara lain lobster, udang, dan rumput laut, yang didorong secara masif dan dikembangkan untuk kepentingan ekspor. Salah satunya melalui teknologi tinggi tambak udang yang akan dibangun di Aceh Timur seluas 10.000 hektare.

Sementara itu, menurut Sjarief, pihaknya juga mendorong komoditas-komoditas lokal unggulan dan mengembangkan kampung-kampung perikanan budidaya berbasis kearifan lokal, seperti Kampung Nila, Kampung Patin, Kampung Lele, Kampung Gabus, dan Kampung Garam, di berbagai daerah di Indonesia. Daerah yang akan dikembangkan salah satunya adalah Kabupaten Lima Puluh Kota, Provinsi Sumatera Barat, yang pada Rakernis tersebut menandatangani nota kesepakatan dengan BRSDM.

Tak hanya mengembangkan riset, BRSDM juga meningkatkan kapasitas Sumber Daya Manusia (SDM) untuk mendukung program-program prioritas KKP. Peningkatan SDM dilakukan melalui pendidikan, pelatihan dan penyuluhan.

Kegiatan pendidikan diselenggarakan secara vokasi, melalui pendekatan teaching factory, dengan porsi praktik 70% dan teori 30%. Biaya pendidikan disubsidi oleh negara. Sebanyak 50% kuota peserta didik diisi oleh anak-anak pelaku utama kelautan dan perikanan, seperti nelayan, pembudidaya ikan, pengolah dan pemasar ikan, serta petambak garam. Satuan pendidikannya tersebar di berbagai daerah, yaitu 10 Politeknik, 1 Akademik Komunitas, dan 9 Sekolah Usaha Perikanan Menengah. Para peserta didik selain menjadi tenaga kerja professional juga diarahkan menjadi wirausaha, salah satunya didanai oleh kredit dari Lembaga Pengelola Modal Usaha Kelautan dan Perikanan (LPMUKP). Selain itu, koperasi satuan-satuan pendidikan tersebut juga memanfaatkan lahan-lahan idle untuk usaha perikanan budidaya dengan biaya kredit LPMUKP.

Adapun kegiatan pelatihan dilakukan melalui enam Balai Diklat ditambah Pusat Pelatihan Mandiri Kelautan dan Perikanan (P2MKP) di berbagai wilayah di Indonesia, dengan peserta pelatihan mencakup masyarakat seluruh Indonesia. Pengembangan SDM melalui pelatihan saat ini berupa online training yang disebut Classical Blended Full Online Training. Terkait digitalisasi pelatihan, dikenal aplikasi e-Jaring (pembelajaran daring perikanan) dan e-Milea (electronic milenial learning).

Sementara itu kegiatan penyuluhan berupa pendampingan kelompok-kelompok usaha masyarakat kelautan dan perikanan oleh para penyuluh yang tersebar di seluruh Kabupaten/Kota se-Indonesia. Para penyuluh tersebut sehari-harinya bertugas secara mobile mendampingi kelompok-kelompok tersebut di wilayah kerjanya masing-masing dalam meningkatkan usaha mereka dan melaporkannya secara berkala. Pengembangan SDM melalui penyuluhan saat ini juga dilakukan melalui digitalisasi penyuluhan.

Sebagai informasi, Rakernis BRSDM ini merupakan tindak lanjut dari Rapat Kerja Nasional (Rakernas) KKP Tahun 2021 yang diselenggarakan 5-6 April 2021, di Bandung. Pada Rakernis tersebut, ditandatangani tiga naskah kerja sama BRSDM. Pertama, Nota Kesepakatan Antara BRSDM dan Pemerintah Kabupaten Lima Puluh Kota Provinsi Sumatera Barat tentang Sinergitas Perencanaan dan Pelaksanaan Pembangunan serta Pengembangan Riset dan SDM KP di kabupaten tersebut. Kedua, Perjanjian Kerja Sama antara Pusat Riset Kelautan BRSDM dengan Fakultas Ilmu dan Teknologi Kebumian Institut Teknologi Bandung tentang Riset dan Pengembangan Ilmu Pengetahuan di Bidang Teknologi Kelautan. Ketiga, Rencana Kerja Aksi (Work Plan) Sinergi Perencanaan dan Pelaksanaan Pembangunan antara Pusat Pelatihan Penyuluhan Kementerian Kelautan dan Perikanan BRSDM dan United Nations Industrial Development Organization (UNIDO) tentang Increasing Trade Capacities of Selected Value Chains Within The Fisheries Sector in Indonesia-Extension Global Quality And Standards Programme (GQSP) Indonesia Smart-Fish 2.


Sumber : KKP