[13 Juni 2025], Singkong merupakan salah satu komoditas pertanian yang sangat potensial di Indonesia. Selain mudah dibudidayakan di berbagai jenis tanah, singkong juga memiliki kandungan karbohidrat tinggi sehingga cocok dijadikan alternatif pengganti beras dan gandum. Salah satu produk olahan singkong yang semakin populer adalah tepung mocaf (modified cassava flour). Tepung ini dinilai mampu mengurangi ketergantungan pada terigu impor dan memiliki fleksibilitas tinggi dalam berbagai produk pangan. Salah satu tahap penting dalam pengolahan mocaf adalah penyortiran singkong untuk memastikan bahan baku bebas dari kandungan berbahaya seperti HCN. Proses penyortiran manual dengan cara visual sering kali menimbulkan ketidakseragaman karena sangat bergantung pada subjektivitas pekerja. Oleh sebab itu, pemanfaatan teknologi pengolahan citra digital hadir sebagai solusi yang lebih objektif, efisien, dan akurat. 

Proses identifikasi mutu singkong dilakukan melalui pengolahan citra digital dengan beberapa tahap utama. Pertama, dilakukan preprocessing citra yang meliputi cropping, resizing, dan konversi citra berwarna (RGB) menjadi grayscale. Selanjutnya, dilakukan ekstraksi ciri menggunakan teknik segmentasi threshold dengan nilai ambang 170 dan binerisasi dengan nilai ambang 75. Data yang digunakan terdiri atas 118 citra singkong, dengan 72 citra sebagai data latih dan 46 citra sebagai data uji. Penentuan kualitas singkong dilakukan dengan membandingkan persentase luas piksel putih hasil segmentasi threshold terhadap luas piksel putih hasil binerisasi. Singkong dengan nilai ≥65% dikategorikan sebagai singkong berkualitas baik. Implementasi model dilakukan melalui program berbasis GUI yang secara otomatis mengklasifikasikan citra singkong ke dalam kategori baik atau buruk. Tahapan preprocessing berhasil meningkatkan kualitas citra sehingga proses analisis menjadi lebih optimal. Segmentasi threshold dengan nilai ambang 170 terbukti efektif memisahkan bagian singkong yang dianggap baik dari latar belakang atau bercak berwarna gelap. Hasil klasifikasi menunjukkan bahwa model mampu mencapai akurasi sebesar 94% pada data latih dan 95% pada data uji. Hal ini menandakan bahwa metode berbasis citra digital mampu mengidentifikasi kualitas singkong dengan sangat baik.

Keunggulan utama metode ini adalah konsistensi hasil yang tidak dipengaruhi subjektivitas operator, berbeda dengan metode manual. Dibandingkan dengan penelitian terdahulu pada objek buah tomat maupun tanaman lain, tingkat akurasi pada singkong untuk tepung mocaf menunjukkan performa yang lebih tinggi. Teknologi ini tidak hanya mendukung efisiensi industri pangan tetapi juga menjawab kebutuhan akan bahan baku berkualitas tinggi yang aman untuk konsumsi. Penerapan pengolahan citra digital berbasis segmentasi threshold dan binerisasi terbukti efektif dalam mengidentifikasi kualitas singkong sebagai bahan baku tepung mocaf. Kriteria yang digunakan, yaitu persentase piksel putih ≥65%, mampu membedakan singkong baik dan buruk dengan tingkat akurasi yang tinggi. Pemanfaatan teknologi ini dapat menjadi solusi praktis untuk meningkatkan konsistensi dan efisiensi proses penyortiran singkong, sekaligus mendukung ketahanan pangan melalui pengembangan tepung mocaf sebagai alternatif substitusi terigu.

Referensi

• Andayani, S., & Noviastuti, E. (2022). Model Identifikasi Singkong Berdasarkan Warna untuk Tepung Mocaf Berbasis Citra Digital. PYTHAGORAS Jurnal Pendidikan Matematika, 17(1), 281–292. https://doi.org/10.21831/pythagoras.v17i1.34994.