Академический Документы
Профессиональный Документы
Культура Документы
ABSTRAK
Kerang Hijau adalah makanan yang kaya akan nutrisi, kerang ini sering ditemukan
merekatkan diri secara tetap pada benda benda keras yang ada di sekelilingnya, akan tetapi
benda benda keras tersebut bisa memiliki kandungan logam yang kuat, sperti Mercury,
kandungan Mercury berbahaya bagi tubuh manusia. Maka diperlukan aplikasi yang mampu
mengidentifikasi kandungan mercury pada kerang. Pembuatan aplikasi ini dibutuhkan software
untuk pengolahan Citra Digital seperti Matlab, agar penggunaannya lebih mudah, maka di
sematkan hardware berupa kamera yang terintegrasi langsung dengan aplikasi, contoh kerang
yang diuji cobakan ada 4 (empat) buah, masing - masing kerang telah teridentifikasi
mengandung mercury dengan batasan ukuran dan kandungan, kerang A mengandung mercury
sebesar 1,5 ppb (Part Per Bilion), kerang B mengandung mercury sebesar 2,7 ppb, dan kerang
C mengandung mercury sebesar 3,4, dan kerang ke empat dibuat netral. Pengujian
implementasi menggunakan rumus Euclidean Distance, perhitungan ini memiliki tingkat
akurasi yang tinggi, tapi berbeda dengan perhitungan citra digital yang dicoba cocokkan
dengan kerang A, B dan C, hanya didapatkan akurasi 60% saja, euclidean distance memang
berpengaruh besar pada perhitungan ini, dan sisanya sebanyak 40% berpengaruh dengan factor
lainnya yang tidak teramati oleh penulis.
spectroscopy) dengan software AAWIN terendam selama air laut sedang surut
AAS Software. (Asikin, 1982).
Kerang hijau (mytilus viridis) yang
digunakan telah melalui uji lab dan 2.1.1 Komposisi Kerang Hijau
identifikasi mercury dengan instrument Komposisi kimia kerang hijau sangat
AAS, kerang yang diujikan berjumlah 4 beraneka ragam, hal ini tergantung dari
buah, semuanya mengandung mercury tapi spesies, jenis kelamin, musim dan habitat
masih dalam kadar batas boleh dikonsumsi. (tempat hidupnya) (Zaitsev et at., 1969).
Program yang dihasilkan Software
Matlab menghasilkan 2 (Dua) Output, 2.2 Logam Berat
Output tersebut berupa pernyataan yaitu Berdasarkan densitasnya, golongan
Boleh Di Konsumsi dan Tidak Boleh logam dapat pula dibagi menjadi 2
Dikonsumsi. golongan yaitu, golongan logam berat dan
logam ringan. Golongan logam ringan
1.4 Manfaat Penelitian (Tight Metal) mempunyai densitas < 5
Manfaat dari penelitian ini adalah gram/cm, sedangkan logam berat (Heavy
menghasilkan sebuah program sederhana Metal) mempunyai densitas > 5 gram/cm
yang bisa mengidentifikasi suatu zat logam (Glinka, 1973 dalam Fauzan, 1995).
berat yaitu merkuri yang tidak boleh
dikonsumsi oleh manusia sekala kecil 2.2.1 Logam Merkuri/Raksa (Hg)
maupun besar, dan agar identifikasinya Raksa/merkuri mempunyai nomor
dapat digunakan untuk membantu manusia atom 80; bm 200,6; densitas 13,6; titik beku
menganalisis tingkat pencemaran merkuri -38,9C dan titik didih 356,6C (Reilly,
berdasarkan kepekatan warna pada 1980). Warnanya tergantung pada bentuk
pencemaran kerang. fasenya, fase padat akan berwarna abu
abu dan fase cair berwarna putih perak.
diri secara tetap pada benda benda keras pengenalan objek yang terkandung pada
yang ada disekelilingnya dan tidak mati citra yang dapat dilakukan dengan cara
3. METODELOGI PENELITIAN
2.5 Euclidean Distance
3.1 Metode Penelitian
Euclidean Distance adalah sebuah
Pendekatan dengan SDLC adalah
metode yang digunakan untuk mengukur
salah satu metode yang digunakan dalam
jarak (distance). Euclidean distance
pembangunan aplikasi Computer Vision
sebenarnya merupakan generalisasi dari
agar bisa menuangkan ide awal sesuai yang
theorem phytagoras. Rumus euclidean
diharapkan dalam implementasinya. Skema
distance ditunjukan pada persamaan (1):
metode SDLC dapat dilihat pada gambar 3.
(1)
Mulai
Tahap Implementasi
Ya Tidak
Selesai
Alat dan bahan penelitian yang ini dilakukan dengan studi pustaka dalam
Identifikasi
3.3.2 Bahan Penelitian
Adapun bahan yang digunakan Hasil
5.3 Tahap Uji Coba citra kerang yang sudah melalui uji lab
5.3.1 Tahap Uji Coba Struktural
dengan destruksi dan identifikasi dengan
Uji coba ini dilakukan dengan
AAS, yaitu di uji dengan citra kerang yang
menjalankan setiap form atau menu yang
belum teridentifikasi apapun.
telah dirancang. Jika terjadi kesalahan atau
5.3.3.1 Uji Validasi Tingkat Merkury
tidak berfungsi, maka proses akan kembali
Pada Kerang
ketahap imlpementasi. Hasil uji coba Uji validasi tingkat kandungan
Struktural pengenalan data ditampilkan mercury pada kerang di uji coba di lab
pada table 7. kimia, setiap pengujian 1 buah kerang
Tabel 11. Tabel Uji Struktural melewati tahapan ekstraksi dan identifikasi
menggunakan instrument AAS
Tabel 19. Tabel Uji Validasi Program
melakukan beberapa proses uji coba Lestari, Arma. 2002. Kandungan Logam
Berat Hg Dan Pb Pada Kerang Hijau
penelitian ini menghasilkan kesimpulan
(Mytilus Viridis) Berbagai Ukuran
bahwa kerang-kerang tersebut positif Hasil Tangkapan Di Pantai Losari
Makassar Provinsi Sulawesi Selatan.
mengandung mercury tapi masih layak di
Institut Pertanian Bogor, Bogor.
konsumsi karna masih di bawah standar
Putra, Darma. 2010. Pengolahan Citra
berdasarkan Kep. Dirjen POM No.
Digital. C.V Andi Offset.
03725/B/SK/VII/1989 dan FAO/WHO Yogyakarta.
(1976).
Wahyuni, Ita Tri. 2012. Kimia Analitik
AAS Spektrofotometri Serapan Atom.
Samarinda.
6.2 Saran
Saran pada penelitian ini adalah Widayanti, Sri. 2004. Reduksi Kadar
Merkuri Pada Kerang Hijau (Mytilus
menggunakan computer vision yang dapat
Viridis) DI Cilincing Jakarta Melalui
menangkap gambar secara otomatis untuk Metode Asam Serta Pemanfaatannya
Dalam Produk Merupuk. Institut
diproses oleh aplikasi yang menghasilkan
Pertanian Bogor. Bogor.
keluaran berupa informasi kerang yang
Winarno, Ermin K. 2008. Methyl Mercury
positif mengandung merkury atau tidak.
In Green Muscle (Mytilus Viridis)
From Fish Market Muara Angke :
Before And After Cooking. Vol 9 No.1
DAFTAR PUSTAKA
: 83. Center For The Application Of
Arioputra, Dimas. 2012. Analisa Isotopes and Radiation Technology.
Perbandingan Akurasi Metode National Nuclear Energy Agency.
Optical Flow Dan Gaussian Mixture Jakarta Selatan.
Model Untuk Sistem Pemantauan
Lalu Lintas Berbasis Computer Wurdianarto, Sendhy Rachmat, Dkk.
Vision. Universitas Indonesia, Depok. 2014. Perbandingan Euclidean
Distance Dengan Canberra Distance
Hamzah, Amir, Dkk. 2002. Klasifikasi Pada Face Recognition. Vol. 13 No. 1
Objek Dalam Visi Komputer Dengan : 34 35. Universitas Dian
Analisis Diskriminan. Institut Sains Nuswantoro. Semarang.
dan Teknologi AKPRIND,
Yogyakarta.