Dosen Unsoed Kembangkan Alat Deteksi Kualitas Jeruk

KOMPAS.com - Saat berbelanja buah-buahan, kadang menemukan buah yang diluar terlihat bagus. Tapi setelah dimakan, rasanya kurang memuaskan.

Misalnya saja saat membeli jeruk, kondisi kulit jeruk yang bagus belum tentu menentukan jeruknya manis. Bisa saja asam atau bahkan tak berasa.

Mendeteksi kualitas hasil tani ini menjadi masalah di dunia pertanian. Di dunia pertanian, mendeteksi kualitas hasil pertanian tanpa merusaknya atau membukanya sering disebut dengan evaluasi mutu secara non destruktif.

Salah satu produk pertanian yang produksinya cukup besar adalah jeruk siam. Problematika yang dihadapi petani jeruk siam ini mendorong Tim Riset Institusi Fakultas Pertanian Universitas Jenderal Soedirman (Unsoed) Purwokerto melakukan penelitian berjudul 'Estimasi Karakteristik Kimia Jeruk Secara Non-Destruktif Menggunakan Sensor Near Infrared ASs7263 Dan Neural Networks Ensemble'.

Penelitian sebelumnya gunakan alat yang mahal

Penelitian ini diketuai oleh Susanto Budi Sulistyo beranggotakan Dr. Siswantoro, Ir. Agus Margiwiyatno, Ir. Masrukhi, Dr. Asna Mustofa, Arief Sudarmaji, Rifah Ediati, Riana Listanti, Hety Handayani Hidayat. Penelitian dilakukan dengan mengambil sampel buah jeruk dari Desa Karangcengis Purbalingga.

Baca juga: Mahasiswa, Ini 6 Etika Kirim Tugas via Email ke Dosen

Ketua tim penelitian Susanto Budi Sulistyo menerangkan, penelitian terkait evaluasi mutu buah jeruk secara non destruktif cukup banyak dilakukan.

Penelitian sebelumnya menggunakan alat near-infrared (NIR) spectrometer yang dijual komersil di pasaran dengan harga yang sangat mahal berkisar US$ 8.000-10.000 per unit.

Hal ini menjadi permasalahan dan tantangan sendiri untuk mengevaluasi mutu buah jeruk secara non-destruktif menggunakan alat portable spectrometer yang terdiri atas pemancar dan penerima spektrum cahaya infra merah.

"Penelitian ini menggunakan sensor NIR AS7263 (https://ams.com/as7263) yang mempunyai enam channel penangkap reflektansi spektrum inframerah dengan harga yang lebih terjangkau (US$ 40)," jelas Susanto Budi Sulistyo seperti dikutip laman resmi unsoed.ac.id, Kamis (18/2/2021).

Baca juga: Mahasiswa MIPA UNY: Kurma Jadi Bahan Minuman Berenergi yang Aman

Budi memaparkan, neural networks ensemble (NNE) dan genetic algorithm (GA) juga diaplikasikan untuk memprediksi mutu kimia buah jeruk dengan menggunakan nilai keluaran dari enam channel sensor AS7263. Penelitian ini dilakukan melalui beberapa tahap, yaitu:

• Pengambilan sampel buah jeruk.
• Pengukuran reflektansi NIR buah jeruk.
• Pengukuran total padatan terlarut (oBrix) dan vitamin C buah jeruk.
• Analisis data menggunakan neural networks ensemble.

"Sampel buah jeruk yang digunakan dalam penelitian sebanyak 300 buah yang diambil secara acak di kebun yang sama," terang Budi.

Setelah dibersihkan kulitnya, semua sampel jeruk diukur reflektansi NIR dengan menggunakan alat portable NIRS berbasis sensor AS7263. Caranya dengan menempelkan buah jeruk ke lubang bagian depan alat yang terdapat lampu LED sebagai sumber cahaya dan penangkap spektrum NIR.

Baca juga: SNMPTN 2021, ITS Sediakan 1.194 Kuota Mahasiswa Baru

"Ketika jeruk ditempelkan, lampu LED akan menyala dan reflektansi cahaya inframerah dari jeruk akan ditangkap oleh sensor dan terbaca pada komputer sebagai nilai keluaran sensor," tandas Budi.

Program untuk membaca keluaran sensor menggunakan bahasa pemrograman Arduino 1.8.12. Data keluaran sensor ini kemudian disimpan di Ms. Excel.

Proses validasi dengan sari jeruk

Untuk validasi, lanjut Budi, setelah sampel buah jeruk diukur reflektansi spektrum inframerahnya, masing-masing sampel buah jeruk diperas untuk mendapatkan sari jeruknya.

Sari jeruk dari masing-masing sampel tersebut kemudian diukur total padatan terlarutnya menggunakan refraktometer dengan cara meneteskan sedikit sari jeruk ke kaca prisma dan diamati nilai oBrix melalui lensa pengamat. Setelah itu diukur juga kandungan vitamin C dengan metode titrasi (AOAC, 2005).

Baca juga: Hasil Penelitian: Adopsi Teknologi Digital Berkorelasi dengan Pertumbuhan Ekonomi

"Dataset hasil pengamatan kemudian disusun yang terdiri atas enam input (keluaran enam channel sensor AS7263) dan dua target TPT dan vitamin C. Dataset ini digunakan untuk training dan testing dari neural network yang dikembangkan. Hasil penelitian menunjukkan bahwa algoritma NNE dan GA yang dikembangkan mampu mengestimasi kadar TPT dan vitamin C buah jeruk siam dengan nilai error 8-10 persen," tutup Budi.