Pengawasan Otomatis Mutu Daging Ikan Menggunakan Machine Vision

Karena sifat daging ikan yang cepat mengalami kebusukan oleh proses biokimiawi maupun aktifitas bakteri, dalam industri perikanan selalu dibutuhkan pengawasan yang ketat terhadap mutu ikan sepanjang proses produksi, contohnya adalah yang berlangsung pada industri tuna dan salmon segar.

Pengujian mutu produk tersebut biasanya merupakan pekerjaan yang terus menerus atau berulang-ulang dan sifatnya sangat subjektif ditentukan oleh seorang ahli atau pengawas mutu terlatih. Seorang ahli mutu biasanya menentukan kualitas produk ikan segar melalui panca inderanya, dengan cara dilihat, dicium atau dirasa. Oleh karenanya, kualitas mutu ikan segar menjadi sangat subjektif karena dipengaruhi oleh kemampuan pengawas mutu, dan juga dipengaruhi faktor lainnya seperti kelelahan, dan kesalahan manusia.

Mutu ikan segar sebenarnya berhubungan erat dengan warna dan penampakan dagingnya. Hal ini menjadikan peluang untuk pemanfaatan aplikasi machine vision dalam industri produk ikan segar, yaitu untuk mendapatkan hasil penilaian kualitas produk yang lebih cepat dan lebih objektif. Aplikasi serupa sebenarnya juga telah dikembangkan pada produk-produk daging sapi atau unggas, seperti yang dilakukan oleh Garavand dkk. (2019) dalam menentukan kualitas daging ayam potong beku, yaitu menggunakan informasi perubahan warna produk yang disimpan selama 13 hari. Informasi warna daging ayam yang diambil sebagai dataset oleh Garavand dkk. yaitu rentang warna red, green, blue (RGB) dan L*A*B*. Kemudian untuk produk ikan segar, Garavand (2019) dkk. juga melakukan hal yang sama untuk menentukan kesegaran ikan mas selama penyimpanan dingin. Sedangkan Lugatiman dkk. (2019) melakukannya untuk menentukan kesegaran ikan tuna ekor kuning.

Informasi warna daging ikan yang diperoleh melalui kamera selanjutnya akan dibaca oleh mesin komputer sebagai bentuk angka-angka. Setelah informasi warna didapatkan melalui proses akuisisi gambar, biasanya dilanjutkan dengan proses pengkelasan (clustering) informasi warna tersebut, misalkan menjadi kelas “segar”, “kurang segar” dan “tidak segar” dengan menggunakan algoritma seperti  support vector machine (SVM), K-nearest neighbor (KNN) atau artificial neural network (ANN).

Contoh hasil ekstraksi fitur warna daging ikan (a) salmon dan (b) tuna (sumber: Medeiros dkk., 2021)

Semakin banyak dataset gambar daging ikan yang dilatihkan menggunakan algoritma machine learning (ML) maka semakin baik atau akurat model yang dihasilkan. Model dari hasil pelatihan dataset inilah yang kemudian diinstal atau di deploy pada mesin atau komputer untuk menentukan mutu daging ikan pada proses produksi. 

Ilustrasi inspeksi kualitas daging ikan menggunakan machine vision (sumber: www.toptal.com)

Dengan menggunakan teknologi machine vision, maka inspeksi mutu produk ikan yang dihasilkan oleh industri menjadi lebih terjamin dan lebih seragam karena pengawasan dilakukan secara objektif serta meminimalkan kekeliruan akibat kesalahan manusia.

Penulis: Bakti Berlyanto Sedayu - LRMPHP

Read More

Pengaruh Penambahan Jumlah Gliserol terhadap Kadar Air dan Sifat Fisik Pellet Bioplastik Berbahan Dasar Karagenan

Timbunan sampah tiap orang di Indonesia diperkirakan akan mencapai 2,1 kg/hari pada tahun 2020, disampaikan oleh Saputro pada tahun 2017 dalam Jurnal Kimia dan Pendidikan Kimia. Sampah plastik susah untuk diurai organisme pengurai, membutuhkan waktu ratusan tahun agar bisa terurai sempurna. Selain itu, sampah plastik dapat menimbulkan masalah pencemaran lingkungan, diantaranya yaitu mengenai marine debris. Salah satu alternatif untuk mengatasi masalah ini yaitu dengan bioplastik, yaitu plastik yang sebagian atau hampir seluruh komponennya berasal dari bahan baku yang dapat diperbaharui. 

Data dari Kementerian Kelautan dan Perikanan serta Badan Pusat Statistik menyebutkan bahwa jumlah produksi rumput laut di Indonesia tahun 2019 mencapai 9.746.946 ton. Karaginan, salah satu hasil olahan rumput laut, menunjukkan kemampuan pembentukan film yang baik dan dapat digunakan sebagai bahan baku pembuatan bioplastik.

Pada tahun 2020, LRMPHP telah menciptakan serangkaian alat pembuat biji/pellet bioplastik, yaitu mixer, single screw extruder, dan pelletizer. 

Rangkaian alat pembuat biji/pellet bioplastik(a) Single screw extruder, (b) conveyor dan (c) pelletizer. (Sumber : Wullandari, et al., 2021. Prosiding Seminar Nasional Tahunan XVIII Hasil Penelitian Perikanan dan Kelautan)

Untuk mendukung performansi alat tersebut, peneliti LRMPHP telah melakukan penelitian mengenai pengaruh penambahan jumlah gliserol terhadap kadar air dan sifat fisik pellet bioplastik berbahan dasar karagenan. Tahapan pembuatan pellet bioplastik yaitu : pencampuran dengan food processor, ekstrusi menggunakan single screw extruder hasil rancangan Loka Riset Mekanisasi Pengolahan Hasil Perikanan (LRMPHP), dan pemotongan dengan pelletizer hasil rancangan LRMPHP. Variasi penambahan gliserol sebagai plasticizer masing – masing sebanyak 20%, 30% dan 40%, sedangkan campuran tepung Refined Carrageenan (RC) dan Poli Vinil Alkohol (PVA) masing – masing sebanyak 80%, 70% dan 60%. Hasil penelitian menunjukkan bahwa penambahan jumlah gliserol tidak berpengaruh secara nyata terhadap kadar air dan diameter pellet bioplastik namun berpengaruh secara nyata terhadap panjang dan warna pellet bioplastik. 

Pellet bioplastik dengan formulasi RC : PVA : gliserol = (a) 30% : 30% : 40%, (b) 35% : 35% : 30% dan (c) 40% : 40% : 20%

Penulis : Putri Wullandari - LRMPHP

Read More

LRMPHP Terima Kunjungan DKP Kota Pekalongan

Kunjungan ke ruang display alsinkan hasil riset LRMPHP 

LRMPHP menerima kunjungan dari Dinas Kelautan dan Perikanan Kota Pekalongan pada 17 Desember 2021. Kunjungan  ini dipimpin Drs. Sugiyo selaku Sekretaris Dinas KP didampingi Kabid Perikanan Budidaya, Kabid Perikanan Tangkap, Kepala UPTD Technopark Terikanan, Kepala UPTD TPI Kota Pekalongan dan Kasubdit Perekonomia Bappeda Pekalongan. Kunjungan ke LRMPHP ini dalam rangka studi banding untuk pengembangan pengelolaan Kawasan Sains Technopark (KST) di Pekalongan.

Dalam sambutannya Kepala LRMPHP Luthfi Assadad menyampaikan bahwa selama ini kerjasama antara kedua instansi sudah terjalin melalui uji terap ALTIS-2 (Alat Transportasi Ikan segar Roda 2) kepada pedagang ikan keliling di Pekalongan tahun 2019 dan Aerator Tipe Kincir Terkontrol Untuk Kolam Ikan Budidaya Intensif tahun 2021. 

Sementara itu Drs. Sugiyo mengapresiasi alsinkan hasil riset LRMPHP yang sudah diuji terap di Pekalongan. Hal ini mengingat produksi hasil perikanan di Pekalongan cukup tinggi namun masih dijual dalam bentuk raw material sehingga melalui uji terap ini diharapkan dapat meningkatkan hasil pengolahan produk perikanan sekaligus perekonomian masyarakat.

Dalam kunjungannya ini dibahas penguatan jejaring kerjasama antar kedua instansi untuk mendukung pengembangan Technopark Pekalongan melalui sharing tenaga ahli dan pemanfaatan alsinkan hasil riset LRMPHP. Selain itu DKP Pekalongan juga berkesempatan melihat alsinkan hasil riset LRMPHP di ruang display serta fasilitas pendukungnya. Selama kunjungannya ini dilakukan pemaparan mengenai fungsi dan mekanisme kerja beberapa peralatan hasil rancang bangun LRMPHP.

Read More

Deteksi Ikan Menggunakan Algoritma YOLO

Obyek Deteksi Menggunakan YOLO

Potongan scene dalam sebuah film bergenre science fiction menggambarkan visualisasi dari robot yang mampu mendeteksi berbagai bentuk obyek disekitarnya. Hmm.. jika kita agak kurang kerjaan sedikit dengan memikirkan software apa yang digunakan agar si robot tersebut bisa mendeteksi obyek disekitarnya? Rupanya teknologi tersebut sudah dapat kita jumpai dikehidupan kita sehari hari hari. Beberapa sistem cctv yang canggih telah menerapkan metode obyek deteksi untuk pengenalan beberapa jenis obyek. Obyek deteksi merupakan suatu proses yang digunakan untuk menentukan keberadaan obyek tertentu, biasanya obyek tersebut divisualisasikan dalam sebuah penanda berupa kotak. 

Obyek deteksi tersebut dapat dibuat menggunakan metode deep learning. Saat ini telah banyak berkembang algoritma yang dapat menfasilitasi metode tersebut. YOLO dikenal sebagai algoritma obyek deteksi yang memiliki performa yang bagus. YOLO dikenalkan pertama kali oleh penciptanya Joseph Redmon pada sebuah konferensi internasional IEEE Conference on Computer Vision and Pattern Recognition pada tahun 2016. Hingga saat ini, YOLO telah berkembang hingga YOLOV5 dimana pada setiap seri terdapat perbaikan dan penyempurnaan algoritma. Kabar baiknya dari setiap seri YOLO tersebut beredar bebas di internet tepatnya di laman github.com dan tentu saja tutorial terpisahnya di media sosial youtube.

Untuk membangun sebuah weight custom (sesuai keinginan kita) diawali degan pengumpulan dataset, setidaknya diatas 100 gambar untuk setiap obyek. Dilanjutkan dengan anotasi gambar tersebut atau bahasa awam “menandai” dimana letak gambar itu. Selanjutnya mengubah beberapa file konfigurasi yang disesuaikan dengan data latih yang akan kita bangun. Jika ingin melatih weight dengan personal computer (pc) kita sepertinya diperlukan spesifikasi yang cukup tinggi dibanding dengan kebutuhan pc untuk mengetik misalnya. Namun demikian, sebuah web editor dengan nama google colab dapat dimanfaatkan untuk mendapatkan fasilitas setara computer dengan performa tinggi. Selama waktu training beberapa parameter dapat diketahui untuk melihat apakah weight yang kita training telah cukup baik untuk digunakan mendeteksi atau perlu lebih lama lagi waktu trainingnya, diantaranya accuracy training, accuracy loss, validasi training dan validasi loss. Semakin tinggi nilai accuracy dan semakin rendah nilai loss maka model tersebut semakin baik. 

Dalam paper yang ditulis oleh Joseph Redmon diatas disebutkan bahwa YOLO memiliki tingkat akurasi yang tinggi untuk mendeteksi suatu obyek benda. namun demikian rupanya belum banyak yang menerapkannya pada ikan. LRMPHP telah berhasil membangun deteksi gambar berbasis pada arsitektur YOLO pada sebuah paper berjudul Deteksi Ikan Nila Menggunakan Arsitektur YOLO pada Iterasi yang Berbeda. Paper tersbut diterbitkan pada buku Prosiding Semnaskan UGM ke XVIII tahun 2021 oleh Departemen Perikanan Fakultas Pertanian UGM. 

Dalam penelitian tersebut digunakan 97 ekor ikan nila sebagai data latih untuk membangun weight dan digunakan 19 ikan yang berbeda sebagai data uji. Perlakuan berupa perbedaan iterasi selama training. Tiga perlakuan iterasi digunakan yaitu I1 menggunakan 500 iterasi, I2 menggunakan 1000 iterasi dan I3 menggunakan 2000 iterasi. Untuk mempermudah selama training data latih menggunakan web editor berupa google colab. Hasil penelitian menunjukkan bahwa kelompok I2 menunjukkan nilai akurasi, sensitivitas dan spesivitas lebih baik dibandingkan dengan kelompok yang lain. Dimana nilai akurasi, sensitivitas dan spesivitas mencapai 84,2 %, 90 % dan 77,78 %

Kira kira, adakah yang tertarik untuk mencoba metode obyek deteksi tersebut ? <smile>

Penulis : Koko Kurniawan - LRMPHP

Read More

KKP Siapkan Riset dan SDM Unggul untuk Sukseskan Program Terobosan

Keberhasilan pembangunan kelautan dan perikanan di Indonesia tidak lepas dari peran penting riset inovatif dan sumber daya manusia yang unggul. Untuk itu pemerintah memberikan perhatian lebih terhadap pengembangan SDM dan riset yang inovatif untuk pembangunan nasional sebagaimana tertuang dalam Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2020-2024.

Sebagai Eselon I Kementerian Kelautan dan Perikanan (KKP) , Badan Riset dan Sumber Daya Manusia Kelautan dan Perikanan (BRSDM) memiliki fungsi strategis dalam menyediakan dasar ilmiah dan sumber daya manusia kompeten dalam implementasi tiga kebijakan dan program prioritas KKP di bawah prinsip keseimbangan ekonomi dan ekologi yakni ekonomi biru. 

Memasuki penghujung tahun 2021, KKP melalui BRSDM menyelenggarakan Konferensi Pers Catatan Akhir Tahun 2021 dan Proyeksi Tahun 2022, pada 14 Desember 2021. Kegiatan ini terlaksana secara daring dan luring, dengan menghadirkan Plt. Kepala BRSDM, Kusdiantoro; dengan didampingi para pejabat Eselon II lingkup BRSDM, yakni Kepala Pusat Riset Kelautan, I Nyoman Radiarta, Kepala Pusat Riset Perikanan, Yayan Hikmayani; Kepala Pusat Pendidikan KP, Bambang Suprakto; Kepala Pusat Pelatihan dan Penyuluhan KP, Lilly Aprilia Pregiwati; Kepala Balai Besar Riset Sosial Ekonomi KP (BBRSEKP), Rudi Alek Wahyudin; dan Kepala Balai Besar Riset Pengolahan Produk dan Bioteknologi KP (BBRP2BKP), Hedi Indra Januar, serta dimoderatori oleh Asisten Khusus Menteri Kelautan dan Perikanan, Doni Ismanto Darwin.

“BRSDM merupakan Eselon I KKP dengan jumlah pegawai terbanyak, mencakup 40 persen dari seluruh pegawai KKP dengan 41 Unit Pelaksana Teknis (UPT). Kami  membidangi riset kelautan, riset perikanan, riset pengolahan produk dan bioteknologi serta riset sosial ekonomi KP, pendidikan serta pelatihan dan penyuluhan KP yang mendukung terwujudnya program prioritas KKP yang digaungkan Menteri Sakti Wahyu Trenggono,” ucap Kusdiantoro.                                                                                                

Lebih lanjut disampaikan, bahwa riset inovatif yang menjadi fokus BRSDM turut terlaksana guna mendukung penguatan ketahanan ekonomi dan mendorong pertumbuhan ekonomi. Sedangkan penguatan SDM terlaksana sebagai modal utama pembangunan nasional yang akan meningkatan produktivitas dan daya saing nasional.

Di bawah Pusat Riset Kelautan, selama tahun 2021, BRSDM telah melaksanakan serta menghasilkan beragam program inovasi dan mendiseminasikannya kepada masyarakat. Dengan program unggulan berupa Inovasi Penerapan Teknologi Adaptif Lokasi berupa Teknologi Pengolahan Garam Rekristal Skala Rumah Tangga, untuk meningkatkan produktivitas industri garam masyarakat. Terdapat pula riset Kajian Terintegrasi Penanggulangan Abrasi dan Banjir Rob Pantura Jawa; pengembangan Kampung Perikanan berbasis 4.0; diseminasi hasil riset Kajian Arkeologi Maritim Situs ‘Kapal Tenggelam’ yang bertujuan untuk pengelolaan wisata bahari berkelanjutan dan penguatan narasi sejarah dan budaya maritim; hingga Aplikasi Laut Nusantara, yang dimanfaatkan oleh lebih dari 57.000 nelayan yang tersebar di 75 desa nelayan, untuk melaksanakan kegiatan penangkapan ikan dengan lebih baik.

“Untuk mengawal program prioritas KKP, salah satunya penangkapan ikan terukur,  BRSDM melalui Pusriskel bersama dengan Eselon 1 KKP turut menggagas pembentukan data center yang memberikan data hasil analisis sebagai  dasar kebijakan untuk seluruh Eselon I lingkup KKP, berupa data oseanografi, budidaya laut, dan lainnya,” terang Kepala Pusriskel, I Nyoman Radiarta.

Di bawah Pusat Riset Perikanan, selama tahun 2021, telah menghasilkan 18 rekomendasi kebijakan hasil riset perikanan, 243 karya tulis ilmiah riset perikanan yang dipublikasikan, 17 teknologi hasil riset perikanan, hingga informasi stok sumber daya perikanan melalui riset stock assessment di 11 Wilayah Pengelolaan Perikanan Negara Republik Indonesia (WPPNRI) dan 5 Kawasan Pengelolaan Perikanan Perairan Umum Daratan (KPPPUD).

“Sebanyak 31 produk hasil riset Pusat Riset Perikanan juga telah diserahkan kepada Direktorat Jenderal Budidaya sebagai bentuk dukungan terhadap program prioritas perikanan budidaya. Selain itu juga telah dilaksanakan pendistribusi Calon Induk Varietas Unggul ke seluruh wilayah Indonesia, di antaranya yakni 8.961 paket Lele Mutiara kepada 218 kabupaten/kota di 31 provinsi; 87.400 ekor Nila Srikandi untuk 36 kabupaten/kota di 15 provinsi; 16.378 Ikan Mas Mustika kepada 25 kabupaten/kota di 12 provinsi; 13.902 ekor calon induk Udang Galah GI Macro II di 26 kabupaten/kota di 8 provinsi; serta 33.000 calon induk dan 1.115 indukan Patin Perkasa untuk 11 kabupaten/kota di 7 provinsi,” papar Kepala Pusriskan, Yayan Hikmayani.

Melalui  BBRP2BKP, pada tahun 2021, BRSDM telah mengembangkan produk turunan bioteknologi laut, di antaranya berupa Bioplastik Rumput Laut Merah yang merupakan produk inovasi plastik biodegradabel berbahan baku polimer alami lokal yang aman dan berdaya saing.  Produk inovasi lainnya yakni Kapsul Nutraseutikal Minyak Ikan yang merupakan hasil samping dari pengolahan ikan patin, yang dapat digunakan sebagai komposisi suplemen pangan.  Inovasi lainnya adalah pengembangan metode dan aplikasi untuk deteksi penyalahgunaan formaldehida yang kerap ditambahkan sebagai bahan pengawet untuk ikan segar, sehingga pengawas perikanan maupun inspektur mutu perikanan ke depan memiliki tools untuk dapat medeteksi penyalahgunaan bahan pengawet berbahaya ini di produk perikanan segar.

Melalui BBRSEKP, BRSDM telah merilis Indeks Kesejahteraan Masyarakat Kelautan dan Perikanan (IKMKP) tahun 2020 yang merupakan salah satu Indikator Kinerja Utama (IKU) KKP.  IKMKP dikembangkan mengacu pada konsep IkraR (Indeks Kesejahteraan Rakyat) berdasarkan dua dimensi yaitu dimensi sosial dan kelembagaan dan dimensi ekonomi. Berdasarkan hasil analisis diperoleh IKMKP pada tahun 2020 naik menjadi 58,31 persen dibandingkan pada tahun 2019 sebesar 57,66 persen. Merujuk pada kategori indeks IkraR, maka nilai IKMKP pada tahun 2020 masuk dalam kategori tinggi (>52).

Dalam menciptakan SDM kelautan dan perikanan yang kompeten, KKP mendorong Pusat Pendidikan KP, untuk dapat meluluskan entrepreneur produktif dan inovatif yang mampu menguasai pasar nasional hingga mancanegara. Di mana pada tahun 2021, sebanyak 52, 56 persen lulusan satuan pendidikan KP terserap di dunia kerja bidang KP; 55,2 persen anak pelaku utama diterima sebagai peserta didik; dan 181 lulusan satuan pendidikan KP melakukan rintisan wirausaha di bidang KP.

Sementara itu, dalam meningkatkan kapasitas dan keahlian masyarakat, BRSDM melalui Pusat Pelatihan dan Penyuluhan KP telah menyuluh hampir 48.000 kelompok usaha, melatih 14.900 masyarakat KP dengan target mencapai 15.000 masyarakat di akhir tahun 2021; tersebarnya 263 P2MKP di seluruh wilayah Indonesia; melatih 5.580 aparatur KKP, hingga melaksanakan Mega Pelatihan Masyarakat yang diikuti 10.660 peserta dari seluruh wilayah Indonesia hingga meraih Rekor MURI dengan kategori Pelatihan Kelautan dan Perikanan Secara Daring dengan Jumlah Peserta Terbanyak.  Di samping itu, saat ini Puslatluh KP tengah mengusulkan Paten atas Hasil Kaji Terap Balai Pelatihan dan Penyuluhan Perikanan Tahun 2021.

Di tahun 2022, Riset Kelautan dan Perikanan berupa dukungan dalam mewujudkan Blue Economy, dengan fokus riset pada Blue Carbon, Zonasi Budidaya, Pemetaan Wilayah Pesisir, serta Mangrove dan Terumbu Karang. Dalam hal pendidikan, BRSDM menargetkan penerimaan peserta didik sebanyak 8.535, dengan komposisi penerimaan sebesar 55 persen berasal dari anak pelaku utama; di bidang pelatihan dan penyuluhan, BRSDM menargetkan pelatihan untuk 25 ribu masyarakat KP serta 41.000 kelompok yang akan disuluh.

“Riset inovatif akan mendukung penguatan ketahanan ekonomi dan mendorong pertumbuhan ekonomi. Sedangkan SDM sebagai modal utama pembangunan nasional akan meningkatkan produktivitas dan daya saing nasional. Mari bersama wujudkan ekonomi biru, laut sehat, indonesia sejahtera,” tutup Kusdiantoro.

Sumber : kkp

Read More

Penerapan Machine Learning pada Budidaya Perikanan

(Sumber : https://www.eurogroupforanimals.org/news/artificial-intelligence-enable-individualised-fish-monitoring-intensive-aquaculture)

Beberapa waktu lalu tentu kita akrab dengan jargon Revolusi industry 4.0. hampir disetiap lini kehidupan bermasyarakat akan dikaitkan dengan jargon tersebut. Hal yang sangat untuk kita temui dari implementasi jargon tersebut dalam kehidupan sehari hari misalnya cara bekomunikasi kita, cara belanja kita dan mungkin cara bekerja kita. Lalu, kira kira apa kaitan jargon tersebut dengan bidang perikanan ? 

Internet of thing (IOT), Artificial Intelligent (AI), Big data, cloud computing merupakan anak emas dari jargon revolusi industri tersebut. Apakah si anak emas tersebut sudah mulai merambah di bidang perikanan, sehingga mampu mewujudkan sebuah identitas baru sebagai “Perikanan Budidaya Cerdas”.  Sebuah paper yang ditulis oleh Shili Zao dkk berjudul Application of machine learning in intelligent fish aquaculture : A review yang terbit pada Jurnal Aquaculture pada tahun 2021 membahas permasalahan tersebut. 

Dalam paper tersebut dirangkum mengenai penerapan teknologi AI dalam budidaya perikanan sehingga dapat menciptakan sebuah “sistem budidaya perikanan cerdas”. Rupanya AI telah cukup lama diadopsi bidang perikanan, setidaknya telah lebih dari 5 tahun yang lalu. Namun demikian sebelum 5 tahun yang lalu tersebut bisa dikatakan sebagai tradisional machine learning yang saat ini telah berubah menjadi deep learning (machine learning yang digabungkan dengan big data). Terdapat empat subsistem AI dalam sebuah sistem budidaya perikanan cerdas yaitu koleksi data yang meliputi berupa data obyek budidaya, peralatan budidaya dan perubahan kondisi lingkungan budidaya. Yang kedua adalah transmisi data dan penyimpanan. Transmisi data dapat menggunakan kabel, perangkat nir kabel seperti bluetooth atau jaringan seluler. Sedangkan penyimpanan data dapat menggunakan hardisk ataupun penyimpanan awan (cloud). Yang ketiga adalah machine learning. Tahapan ini merupakan inti dari semua subsistem. Karena disini semua data masukan akan diolah menggunakan arsitektur jaringan yang dianggap paling baik. Secara umum machine learning akan menjalankan empat tahapan yaitu input (yang diperoleh dari koleksi data), ekstraksi fitur (untuk mendapatkan ciri khas dari data input), learning dan training (membuat model yang didasarkan dari ekstraksi fitur) terakhir testing dan output (menguji model yang dibangun apakah sudah layak untuk diterapkan). Subsistem terakhir adalah penerapannya. Tahapan inilah langsung berhubungan dengan pengguna sehingga sebuah system perikanan budidaya cerdas dapat digunakan untuk memperkirakan biomassa, identifikasi/ klasifikasi, dan memprediksi kualitas air tambak.  

Lalu apa keuntungan yang telah didapat dalam penerapan AI dalam system budidaya cerdas tersebut? Dalam paper ini disebutkan bahwa penerapan AI telah mampu meningkatkan efisiensi dan keuntungan dalam budidaya perikanan budidaya. Secara nyata keuntungan tersebut berupa penerapan AI pada pendugaan umur ikan yang didasarkan pada citra otolit. Hal ini dipaparkan oleh Moen dkk pada sebuah paper yang berjudul Automatic Interpretation of Otoliths Using Deep Learning yang diterbitkan oleh Jurnal PloS One pada tahun 2018. 

Penulis : Koko Kurniawan - LRMPHP

Read More

Pengalengan Tuna Komersial

Beberapa tahun yang lalu, Kementerian Kelautan dan Perikanan sempat menghebohkan dunia dengan melarang transhipment atau bongkar muat ikan ditengah laut. Kebijakan ini sukses membuat banyak negara kalang kabut karena mengalami kelangkaan stok ikan tuna. Beberapa negara tetangga termasuk Filipina bahkan mengakui bahwa stok ikan tuna mereka kosong. Kebijakan ini membuka mata kita bahwa banyak negara yang ternyata sangat bergantung dengan hasil tangkapan ikan tuna dari perairan Indonesia. 

Nah, kemudian pasti ada yang bertanya-tanya, lalu ikan tuna yang ditangkap itu sebenarnya diolah jadi apa sih? Ternyata ikan tuna yang ditangkap tersebut banyak yang dipergunakan sebagai bahan baku ikan kaleng. 

Ikan-ikan tuna yang dipergunakan sebagai bahan baku pada pengolahan tuna kaleng harus memenuhi persyaratan seperti yang dijelaskan dalam SNI 01-2712.1-1992, yaitu:

1. Bentuk bahan baku yang digunakan yang dipergunakan sebagai bahan baku pengalengan ikan tuna berupa tuna segar atau beku, utuh atau tanpa isi perut.
2. Bahan baku harus berasal dari perairan yang tidak tercemar.
3. Bahan baku harus bersih, bebas dari setiap bau yang menandakan pembusukan, bebas dari tanda dkomposisi dan pemalsuan, bebas dari sifat alami lain yang dapat menurunkan mutu serta tidak membahayakan kesehatan.
4. Produk ikan tuna dalam kaleng dibedakan atas produk tuna in oil dan tuna in water/brine. Selain itu, perusahaan pengalengan dapat membuat klasifikasi sendiri atas produk tuna yang dihasilkan seperti misalnya:

• TANS (Tuna Albacore Natural Solid) yaitu produk tuna kaleng dari ikan tuna albakora dengan daging berupa solid dan flake menggunakan medium air garam.
• TANC (Tuna Albacore Natural Chunk) yaitu produk tuna kaleng dari ikan tuna albakora dengan daging berupa layer, chunk dan flake menggu akan medium air garam
• TWNC (Tuna White Natural Chunk) yaitu produk tuna kaleng dari ikan baby tuna atau dikenal dengan sebutan SSWM (Sub Standar White Meat) dengan daging berupa layer, chunk dan flake menggunakan medium air garam.
• THS (Tuna Hot Spicy) yaitu produk tuna kaleng dari ikan yellowfin tuna dengan daging yang dipotong-potong sepanjang ± 2 cm dengan lebar ± 0,5 cm menggunakan medium bumbu-bumbu masakan, produk ini dipasarkan lokan dan biasanya digunakan dalam pembuatan Pizza Hut.
• SJNC (Skip Jack Natural Chunk) yaitu produk tuna kaleng dari ikan cakalang dengan daging berupa layer, chunk dan flake menggunakan medium air garam, dipasarkan lokal.

Lalu tahapan proses pengalengan itu sendiri bagaimana sih? Menurut HE. Irianto dan TMI. Akbarsyah tahun 2007, tahapan proses pengalengan yaitu :

1. Penerimaan bahan baku

Standar penerimaan bahan baku di Indonesia adalah suhu ≤ -2°C, histamin ≤ 2,5 mg%, kadar garam ≤ 1,5mg%, organoleptik ≥ 7 (dari skala 1-9), honeycomb, brosis dan parasit ≤ 2,5% dari daging yang dikukus. 

2. Penyiangan

Proses penyiangan dilakukan dengan memotong ikan tuna dengan gergaji. Tuna albakora dipotong menjadi 7-8 bagian dengan panjang 11 cm atau disesuaikan dengan tinggi kaleng. Bagian potongan ikan terdiri dari 4-5 bagian badan tengah, I bagian leher, I bagian kepala dan 1 bagian ekor. Isi perut dan insang diambil dengan pisau. Limbah ini dapat dimanfaatkan sebagai bahan baku tepung ikan. selama proses penyiangan, ikan disiram terus menerus dengan air. 

3. Penyusunan dalam rak

Penyusunan ikan dalam rak dilakukan berdasarkan bagian anggota tubuuh ikan. pemisahan ini diperlukan karena masing-masing bagian tersebut memerlukan waktu pemasakan pendahuluan (precooking) yang berbeda.

4. Pemasakan pendahuluan

Ikan yang telah disusun dalam rak kemudian dimasukkan dalam cooker yang memiliki pintu yang dapat ditutup rapat untuk mencegah uap keluar terlalu banyak. setelah ikan dimasukkan, kemudian dibersihkan dengan menyemprotkan air melalui pipa yang terdapat dalam cooker selama 10 menit. Tahapan selanjutnya adalah pengeluaran uap panas melalui pipa yang terdapat dalam cooker hingga mencapai suhu 100°C. setelah selesai proses pemasakan pendahuluan kemudian disemprot kembali selama 10 menit.

5. Pendinginan

Rak yang berisi daging ikan yang telah di precooking diletakkan dalam ruang pendinginan dan dibiarkan selama ± 3 jam.

6. Pembuangan kepala dan kulit ikan

Prosesm pembuangan kepala ikan dilakukan dengan tangan setelah diambil dagingnya, sedangkan pembuangann kulot dilakukan menggunakan pisau yang tajam  dengan cara mengikir searah dengan arah otot ikan. 

7. Pembersihan daging

Pembersihan daging bertujuan untuk memisahkan daging ikan dari daging gelap, tulang yang terdapat dalam daging dan sisik yang masih tersisia setelah proses skinning.

8. Pemotongan daging

Pemotongan daging berutujuan untuk memperoleh bentuk dan ukuran ikan yang sesuai dengan kalengnya. Proses pemotongan menghasilkan daging solid dan flake (serpihan), sedangkan chunk yang dihasilkan dalam proses pembersihan dapat dibuat menjadi flake. 

9. Pengisian daging dalam kaleng

Pengisian daging ke dalam kaleng dilakukan dengan cara menata daging ikan ke dalam kaleng sesuai dengan tipe produk (solid, chunk, flakes, standar dan grated).

10. Penambahan medium

Pengisian medium harus sampai batas head space atau 6-10% dari tinggi kaleng, dengan suhu tidak kurang dari 70°C. Suhu air garam yang tinggi membuat kondisi vakum yang semakin tinggi sehingga mampu mengurangi terjadinya udara yang terperangkap dalam kaleng. Pengisian medium minyak nabati ke dalam kaleng dilakukan dengan cara yang sama.

11. Penutupan kaleng

Penutupan kaleng dilakukan dengan sistem double seaming secara otomatis menggunakan vacum seamer. 

12. Pendinginan dan pemeraman kaleng

Ikan tuna kaleng yang masih dalam keranjang sterilisasi didinginkan dalam ruang terbuka selama ± 24 jam dan dapat diguynakan kipas untuk mempercepat proses tersebut. Ikan tuna kaleng yang telah dingin dibersihkan dengan minyak goreng untuk menghilangkan sisa-sisa kotoran pada kaleng.

13. Sterilisasi

Proses ini dilakukan dalam retort dan disemprot dengan air yang mengandung klorin 2 ppm selama 10 menit. Waktu dan suhu penyemprotan tergantung pada jenis produk tuna kaleng. 

14. Pelabelan

Pelabelan tuna kaleng dengan menggunakan kertas cetakan. Label berisikan keterangan tentang nama ataujenis ikan yang dikaleng, medium yang digunakna, berat bersih, nama produsen, tanggal kadaluarsa, dan kandungan gizi.

15. Pengepakan 

Itulah tahapan proses pengalengan ikan tuna sebelum akhirnya didistribusikan dan dipasarkan baik lokal maupun untuk ekpsor. Proses yang cukup panjang untuk sebuah ikan tuna kaleng, akan tetapi hal tersebut harus dilakukan untuk menjamin mutu produk ikan tuna kaleng tersebut. 

Penulis : Iwan Malhani Al Wazzan - LRMPHP

Read More