DETEKSI KAPUR PADA BUTIR BERAS MENGGUNAKAN ARSITEKTUR U-NET

Abstract

Bangkit merupakan program pembelajaran dipimpin oleh Google dengan dukungan dari GoTo, Traveloka, dan DeepTech Foundation. Pada Machine Learning path mencakup pembelajaran materi secara individu maupun capstone project secara tim. Pembelajaran individu dilakukan melalui modul Coursera maupun Dicoding Academy. Capstone project terinspirasi dari kebutuhan untuk memprediksi kadar kapur dalam beras, yang merupakan masalah umum dalam proses identifikasi kualitas beras oleh industri pertanian. Konsumsi beras yang mengandung kapur dalam jumlah berlebih dapat berisiko bagi kesehatan. Namun, masyarakat sebagai konsumen tidak dapat secara langsung mengukur besarnya kandungan kapur yang terdapat pada beras yang dikonsumsinya. Project ini menggunakan dataset yang terdiri dari 2.100 gambar mikro butiran beras dan dilabeli untuk memudahkan model dapat mengenali lokasi bagian beras yang mengandung kapur. Dataset ini akan dibagi menjadi train and test sets dan diubah menjadi NumPy arrays untuk memudahkan perhitungan numerik dengan normalisasi range nilai pixel. Data dimodelkan menggunakan arsitektur U-Net dengan output subplot pertama menampilkan image butir beras. Subplot kedua menampilkan mask hasil image segmentation untuk menandai area didalam image dengan objek identifikasi, subplot ketiga menampilkan pred mask dengan mengambil rata-rata output mask dan melakukan thresholding 0.5. “Chalkie Percentage" menghitung perbandingan pred mask dengan image sebagai parameter kualitas beras. Hasil akhir capstone project berupa mobile application bernama “Chalk Check”. Aplikasi ini memiliki fitur yang cukup untuk pengguna awam dalam mendeteksi kandungan kapur pada butir beras. Aplikasi ini masih membutuhkan penyempurnaan fitur seiring dengan kebutuhan pengguna dan dikembangkan dari segi fitur dan tampilan terhadap pengguna.