Salah satu masalah yang dihadapi dunia pertanian salah satunya adalah bagaimana mendeteksi kualitas hasil pertanian tanpa merusaknya atau membukanya. Hal ini sering disebut dengan evaluasi mutu secara non destruktif. Salah satu produk pertanian yang produksinya cukup besar adalah jeruk siam. Hal ini mendorong Tim Riset Institusi Fakultas Pertanian UNSOED untuk melakukan penelitian dengan judul “Estimasi Karakteristik Kimia Jeruk Secara Non-Destruktif Menggunakan Sensor Near Infrared ASs7263 Dan Neural Networks Ensemble”. Penelitian yang diketuai oleh Susanto Budi Sulistyo, Ph.D dan beranggotakan Dr. Ir. Siswantoro, M.P. Ir. Agus Margiwiyatno, M.S., Ph.D. Ir. Masrukhi, M.P. Dr. Asna Mustofa, S.TP., M.P. Arief Sudarmaji, S.T., M.T., Ph.D. Rifah Ediati, S.TP., M.P. Riana Listanti, S.TP., M.Sc. Hety Handayani Hidayat, S.TP., M.S ini dilaksanakan pada Tahun 2020 dengan mengambil sampel Buah Jeruk dari Desa Karangcengis Purbalingga.
Diungkapkan oleh Susanto bahwa penelitian terkait evaluasi mutu buah jeruk secara non destruktif cukup banyak dilakukan. Namun demikian, penelitian-penelitian yang telah dilakukan pada umumnya menggunakan alat near-infrared (NIR) spectrometer yang dijual komersil di pasaran dengan harga yang sangat mahal (US$ 8.000-10.000 per unit). “Hal ini tentu 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),” jelasnya. Selain itu, 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, serta analisis data menggunakan neural networks ensemble. Sampel buah jeruk yang digunakan dalam penelitian sebanyak 300 buah yang diambil secara acak di kebun yang sama.
Setelah dibersihkan kulitnya, semua sampel jeruk diukur reflektansi NIR dengan menggunakan alat portable NIRS berbasis sensor AS7263. Caranya adalah dengan menempelkan buah jeruk ke lubang bagian depan alat yang terdapat lampu LED sebagai sumber cahaya dan penangkap spektrum NIR.
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. Program untuk membaca keluaran sensor menggunakan bahasa pemrograman Arduino 1.8.12. Data keluaran sensor ini kemudian disimpan di MS Excel.
Untuk validasi, 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).
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%. (RL)
