Tugas Akhir Sarjana
RANCANG BANGUN SISTEM PREDIKSI DOSIS RADIASI FILM GAFCHROMIC MENGGUNAKAN MACHINE LEARNING BERBASIS CITRA SCANNER UNTUK IRADIASI UMBI BAWANG MERAH
Iradiasi pangan merupakan teknologi pascapanen yang efektif untuk menghambat
perkecambahan bawang merah. Penelitian ini bertujuan mengembangkan sistem prediksi
dosis radiasi berbasis pembelajaran mesin menggunakan citra hasil pemindaian sebagai
alternatif yang mendukung digitalisasi dosimetri. Film Gafchromic HD-V2 diradiasi
menggunakan Gamma Cell 220 pada delapan tingkat dosis (0–500 Gy). Dataset terdiri
dari 80 sampel film yang dipindai menggunakan scanner Canon PIXMA G2010 dan
dianalisis dengan spektrofotometer sebagai pembanding. Sistem pembelajaran mesin
dikembangkan menggunakan algoritma regresi linier dan random forest dengan ekstraksi
41 fitur warna RGB. Validasi biologis dilakukan pada umbi bawang merah yang diiradiasi
dosis 150 Gy dengan pengamatan pertumbuhan akar selama 10 hari. Kedua algoritma
memberikan kinerja pelatihan sangat baik dengan R² di atas 0,99, namun random forest
menunjukkan stabilitas lebih tinggi dibandingkan regresi linier (p < 0,05).
Spektrofotometer memberikan konsistensi temporal yang superior dengan R² 0,9956–
0,9829 serta prediksi dosis 150 Gy yang lebih akurat. Validasi biologis mengonfirmasi
efektivitas sistem dengan penghambatan perkecambahan sebesar 87,0% (p < 0,001), di
mana kelompok iradiasi hanya menunjukkan 7,5% perkecambahan dibandingkan 57,5%
pada kelompok kontrol. Penelitian ini membuktikan kelayakan konsep dosimetri berbasis
scanner dan machine learning sebagai pendekatan praktis untuk mendukung teknologi
iradiasi pangan, sekaligus menegaskan perlunya standardisasi protokol guna
meningkatkan konsistensi dan reliabilitas sistem.
Kata kunci: iradiasi pangan, dosimetri film radiokromik, machine learning
Tidak tersedia versi lain