Pengaplikasi Deret Sensor Untuk Pendeteksian Kadar Formalin

Ikan merupakan sumber bahan pangan yang bermutu tinggi, terutama karena banyak mengandung protein yang sangat dibutuhkan oleh tubuh manusia. Namun demikian ikan merupakan bahan pangan yang mudah mengalami kerusakan atau kemunduran mutu (perishable food) terutama pada daerah tropis. Untuk mencegah kemunduran mutu pada ikan pada umumnya menggunakan suhu rendah. Bahan yang sering digunakan untuk menjaga suhu tetap rendah adalah es tetapi karena daya tahan es yang terbatas dan ada penambahan biaya untuk pembelian es maka sering diabaikan oleh nelayan. Oleh karena itu sering digunakan bahan kimia untuk pengawet. Salah satu bahan kimia yang digunakan adalah formalin  Penggunaan formalin dimaksudkan untuk memperpanjang umur simpan, karena formalin adalah senyawa anti mikroba yang efektif dalam membunuh bakteri. Menurut WHO formaldehid (senyawa yang terdapat pada formalin) terdapat dalam produk makanan karena kegunaannya sebagai zat bakteoristik yaitu dapat menghambat pertumbuhan mikroba dalam produk pangan sehingga umur simpan produk tersebut meningkat.

Formalin merupakan bahan kimia berbahaya yang dilarang digunakan untuk bahan tambahan makanan menurut peraturan Menteri Kesehatan No. 033 Tahun 2012 tentang Bahan Tambahan Pangan. Formalin sangat berbahaya bagi kesehatan manusia. Kandungan formalin yang tinggi di dalam tubuh dapat menyebabkan iritasi lambung, alergi, bersifat karsinogenik (menyebabkan kanker) dan bersifat mutagen (menyebabkan perubahan fungsi sel/jaringan) serta orang yang mengonsumsinya akan muntah, diare bercampur darah dan kematian yang disebabkan adanya kegagalan peredaran darah.

Kandungan formalin pada bahan makanan sulit untuk diidentifikasi menggunakan panca indera manusia karena sifatnya yang sangat berbahaya. Berdasarkan sifat fisik formalin yang memiliki bau yang tajam maka dapat digunakan teknologi sensor gas untuk mendeteksi adanya kandungan formalin pada bahan makanan. Sensor gas yang dipilih adalah sensor MQ 3 dan MQ 137. Sensor diuji pada larutan formalin dengan kosentrasi 0.025%, 0.05%, 0.075% dan 0.1%. Dengan cara yang sama dilakukan pengujian pada daging fillet ikan tuna dengan berat 50 gr yang telah direndam selama 10 menit. Hasil pengujian sensor MQ 3 pada daging ikan tuna menunjukkan adanya korelasi dengan nilai koefisien korelasi 0.99 sedangkan pada sensor MQ 137 menunjukkan adanya korelasi dengan nilai koefisien korelasi sebesar 0.98. Berdasarkan hal ini dapat disimpulkan bahwa sensor MQ 3 dan MQ 137 dapat digunakan untuk mendeteksi kadar formalin pada daging ikan tuna.

Diagram modul sensor gas

Penulis : Toni Dwi Novianto, Peneliti LRMPHP

Read More

Peluang Computer Vision untuk Penentuan Kualitas Ikan

Ikan merupakan sumber protein yang penting bagi manusia. Total konsumsi ikan meningkat secara signifikan pada beberapa tahun terakhir. Terdapat beberapa parameter yang mempengaruhi kualitas ikan antara lain ketersediaan, keamanan, nilai gizi dan kesegaran. Kesegaran ikan adalah parameter yang mempengaruhi secara langsung kualitas ikan. Kesegaran ikan dapat ditentukan berdasarkan perubahan post mortem yang  dapat mempengaruhi kondisi fisik, kimia, dan mikrobiologi pada tubuh ikan. Terdapat beberapa metode untuk menentukan kesegaran ikan yaitu secara fisik, kimia, dan mikrobiologi serta sensori. Untuk metode sensori, parameter yang biasa digunakan adalah bau, warna, dan tekstur. Metode sensori merupakan metode ilmiah yang digunakan untuk mengukur, menganalisis, dan menginterpretasikan respon terhadap suatu produk berdasarkan yang ditangkap oleh indra manusia, seperti penglihatan, penciuman, perasa, peraba, dan pendengaran. Metode sensori memiliki kekurangan yaitu membutuhkan banyak panelis dan waktu yang lama. Selain itu keakuratannya ditentukan oleh seberapa ahli panelis yang digunakan. Sebaliknya menggunakan metode computer vision untuk menentukan kualitas ikan memiliki keunggulan lebih konsisten, efisien dan dapat menghemat biaya serta akurasi dan kecepatan yang lebih baik dibandingkan dengan pengujian manusia.

Computer vision merupakan suatu konstruksi untuk mendiskripsikan informasi eksplisit dan bermakna tentang objek fisik melalui analisis gambar. Gambar yang diperoleh dari sensor fisik kemudian dianalisis menggunakan hardware dan software yang sesuai untuk melakukan tugas secara visual yang diharapkan dapat meningkatkan kualitas penglihatan manusia dengan didukung oleh perangkat elektronik. Tahap utama dalam analisis pengolahan gambar adalah : (1) Akuisisi gambar dan konversi dalam bentuk digital; (2) peningkatan kualitas gambar untuk pre-processing; (3) partisi gambar digital untuk mendapatkan daerah yang diinginkan menggunakan proses segmentasi; (4) mendapatkan karakteristik objek gambar dengan menggunakan operasi pengukuran objek; (5) pengklasifikasian untuk mengidentifikasi objek gambar. Mengambil, memproses dan menganalisis gambar adalah aspek utama dari computer vision yang harus dipertimbangkan dalam menentukan kesegaran ikan secara visual. Pengamatan visual secara otomatis mulai banyak diminati karena memiliki keunggulan seperti biaya yang rendah, hasil yang konsisten dan akurat serta proses yang cepat.  Sehingga tujuan utamanya adalah untuk menggantikan pengamatan visual secara tradisional dengan sistem computer vision untuk menentukan kualitas ikan.

 

Skema Sistem Computer Vision

Penulis : Toni Dwi Novianto, Peneliti LRMPHP

Read More

Pengukuran Nilai Porositas Menggunakan Software ImageJ

ImageJ (https://imagej.nih.gov/ij/) adalah perangkat lunak yang dapat digunakan untuk menganalisis pori-pori dan untuk menentukan wilayah distribusi ukuran berbasis pori, diameter pori, dan fraksi persen daerah pori-pori dari suatu objek. Perangkat lunak ini menggunakan kontras antara dua fase (pori-pori dan bagian padat) dalam gambar. Pengukuran porositas menggunakan software ImageJ mengikuti metode yang telah dilakukan oleh Ridha dan Darminto (2016) yang dimuat dalam Jurnal Fisika dan Aplikasinya. Hasil mikrografi SEM (scanning electron microscopy) selanjutnya dianalisis menggunakan software ImageJ untuk mengetahui ukuran pori permukaan suatu objek. Ukuran pori ini nantinya digunakan untuk menentukan nilai porositas.

Analisis mikrografi SEM pada software ImageJ meliputi beberapa tahap yaitu :

1. Tahap persiapan gambar
Langkah pada tahap ini meliputi membuka software Image-J > open file mikrografi SEM sampel > pilih menu Analyze > Set Scale (nm, µ m) > pilih menu Image > Crop gambar. Hasil gambar pada tahap ini ditunjukkan pada gambar berikut.

Tampilan mikrografi SEM (Sumber : www.jitek.ub.ac.id)

2. Tahap threshold gambar
Tahap ini merupakan tahap segmentasi warna gambar. Pada tahap ini, warna dibedakan menjadi warna partikel atau pori dan warna latar belakang (background). Langkah pada tahap ini adalah pilih menu Image > Adjust > Threshold > Setting ukuran warna berdasarkan topografi gambar. Hasil gambar pada tahap ini ditunjukkan pada gambar berikut.

Tampilan hasil proses threshold

3. Tahap analisis gambar
Langkah dalam tahap ini adalah pilih menu Analyze > Set parameter > Ok, pilih kembali menu Analyze > Analyze Particles. Nilai data hasil analisis keluar dalam bentuk file Excel. Hasil gambar pada tahap ini ditunjukkan pada gambar berikut.

Tampilan hasil proses analyze particle

Selanjutnya dari software imageJ diperoleh data luas permukaan total sampel yang dianalisis (AT) dan luas total pori yang teranalisis dari sampel (ATP). Maka nilai porositas dapat dihitung dengan persamaan berikut.

Penulis : Toni Dwi Novianto, Peneliti LRMPHP

Read More

Mengenal Software Pengolahan Gambar ImageJ

ImageJ merupakan sebuah software pengolah citra/gambar yang dikembangkan oleh Wayne Rasband dari National Intitutes of Health (NIH). ImageJ ditulis menggunakan Java yang dapat dijalankan pada sistem operasi linux, macintosh, dan windows serta dapat digunakan pada mode 32 bit dan 64 bit. Selain itu imagej dapat digunakan secara online maupun dipasang pada komputer. ImageJ memiliki keunggulan dibandingkan software pengolah gambar lainnya yaitu merupakan software domain public yang artinya tidak ada batasan hak cipta. Pengguna diizinkan untuk menjalankan program, membagikan salinan, dan membuat perubahan positif pada program. Software imageJ dapat didownload dengan gratis di https://imagej.nih.gov/ij/.  Salah satu contoh pengaplikasian software ini dalam bidang perikanan adalah untuk mengukur pori-pori gambar SEM nugget ikan

Tampilan Software ImageJ

Software imageJ mendukung semua proses manipulasi gambar secara umum termasuk membaca dan mengedit file gambar. Format gambar yang dapat dibaca antara lain TIFF, GIF, JPEG, BMP, DICOM, FITS, dan RAW. Selain itu juga dapat digunakan untuk memproses gambar secara langsung dari kamera, scanner, dan video recorder. ImageJ memungkinkan pengguna untuk membuat grafik dari data serta meningkatkan kualitas gambar. Ini sering digunakan untuk menganalisis gambar mikroskop, pengukuran area, penghitungan partikel, segmentasi dan pengukuran fitur spasial atau temporal dari elemen biologis.  Fitur-fitur ini sangat penting bagi para peneliti untuk menganalisis foto dan gambar mereka. Beberapa fitur utama dari program ini adalah sebagai berikut.

1. Fungsi Paralel: Mendukung pengolahan beberapa gambar sekaligus dalam satu jendela tampilan          dan melakukan fungsi simultan pada gambar-gambar ini.      

2. Perhitungan (Calculations): Membuat statistik sesuai dengan parameter yang ditentukan                      pengguna seperti rerata (mean) dan standar deviasi menggunakan satuan SI.

3. Pengukuran (Measurements): Menentukan jarak, luas, dan pengukuran geometris lainnya                    berdasarkan gambar

4. Output: Membuat histogram kepadatan populasi dan beberapa jenis grafik lainnya.

5. Scaling: Memungkinkan untuk memperbesar, memperkecil, atau mengubah orientasi gambar.

6. Pengeditan Foto: Memungkinkan untuk mengedit gambar seperti menghilangkan cacat,                        mempertajam gambar, dan menerapkan filter. 

7. Plugin: Memungkinkan untuk menulis plugin untuk menyesuaikan dengan kebutuhan.

8. Macro: Dapat membuat makro yang akan mengotomatiskan tugas yang paling sering digunakan.

9. Warna: Tersedia grayscale dan warna yang diindeks untuk membantu mempercepat pemrosesan          gambar. Ketika kecepatan tidak menjadi masalah, banyak pilihan warna lain tersedia untuk                  membuat efek tambahan.

Penulis : Toni Dwi Novianto, Peneliti LRMPHP

Read More

PERNYATAAN PUBLIK KKP TERKAIT BENIH LOBSTER

PERNYATAAN PUBLIK

KEMENTERIAN KELAUTAN DAN PERIKANAN

Sehubungan dengan beredarnya informasi terkait isu perdagangan benih lobster, bersama ini kami atas nama Kementerian Kelautan dan Perikanan (KKP) menyampaikan beberapa hal sebagai berikut :

1. Indonesia merupakan negara penghasil benih lobster terbesar di dunia yang berasal dari hasil tangkapan di alam. Di beberapa daerah, ribuan nelayan kecil menggantungkan hidup dari perdagangan benih lobster ini.

2. Di sisi lain, penyelundupan benih lobster untuk di ekspor ke luar negeri juga marak terjadi sehingga dikhawatirkan dapat mengganggu keberlanjutan ekosistem lobster di alam.

3. Saat ini KKP tengah mengkaji dan merumuskan kembali kebijakan pemanfaatan benih lobster bersama para pemangku kepentingan dan para pakar/ahli yang terdiri dari para peneliti dan akademisi, serta meminta masukan dan saran para pelaku usaha dengan memperhatikan aspek keberlanjutan lobster di alam dan keberlangsungan ekonomi masyarakat nelayan.

4. Kebijakan yang tengah dikaji terutama berkaitan dengan pemanfaatan benih lobster hasil tangkapan di alam, dengan mengatur ulang perdagangan benih lobster dan rencana pengembangan teknologi pembesaran benih lobster hingga ukuran konsumsi di dalam negeri.

5. Kami informasikan bahwa kebijakan ini masih dalam proses pengkajian, memerlukan waktu  hingga siap untuk disosialisasikan.

6. Mari kita semua bersabar menunggu hasil kajian secara komprehensif oleh KKP dan tidak membuat kesimpulan sendiri sehingga dapat menimbulkan informasi yang simpang siur.

Demikian pernyataan ini kami sampaikan, atas perhatiannya diucapkan terima kasih.

Jakarta, 16 Desember 2019

Kepala Biro Kerja Sama dan Humas KKP

Lilly Aprilya Pregiwati

Read More