Potensi Teknologi Laser Light Backscattering Imaging (LLBI) dalam Pertanian

Oleh: Muhammad Achirul Nanda, Departemen Teknik Pertanian dan Biosistem, Fakultas Teknologi Industri Pertanian, Universitas Padjadjaran

Sumber: Sistem LLBI untuk evaluasi produk jeruk. Gambar ini diperoleh dari Nanda et al. (2024) dengan lisensi CC BY-NC 4.0.

Produk Pertanian

Peningkatan permintaan terhadap produk pertanian berkualitas tinggi dan pertumbuhan perdagangan internasional telah mendorong penerapan teknologi modern untuk memastikan kualitas, meningkatkan produksi, dan meminimalkan limbah. Standar mutu yang ketat kini menjadi keharusan dalam perdagangan global, mengingat berbagai faktor, seperti proses penanganan dan kondisi lingkungan selama produksi, dapat memengaruhi kualitas komoditas. Oleh karena itu, pemantauan dan pengendalian kualitas menjadi langkah penting untuk memenuhi standar global dan harapan konsumen. Kualitas produk pertanian dan pangan ditentukan oleh atribut-atribut utama seperti penampilan, tekstur, kandungan nutrisi, rasa, dan keberadaan cacat. Namun, teknik penilaian tradisional yang sering digunakan, seperti analisis kimia atau mekanis, umumnya bersifat destruktif, memakan waktu, kurang konsisten, dan menyebabkan pemborosan. Untuk mengatasi kelemahan ini, fokus penelitian terbaru mengarah pada pengembangan metode non-destruktif yang lebih efisien, akurat, dan andal.

Konsep Teknologi

Teknologi berbasis optik, seperti Laser Light Backscattering Imaging (LLBI), menjadi salah satu solusi inovatif dalam evaluasi kualitas produk pertanian. Teknologi ini memungkinkan penilaian cepat dengan menganalisis interaksi cahaya terhadap struktur internal maupun eksternal produk, sehingga memberikan hasil yang lebih efektif tanpa merusak komoditas. Teknik LLBI mengamati bagaimana cahaya berinteraksi dengan bahan seperti buah dan sayuran. Ketika cahaya masuk ke bahan tersebut, sebagian cahaya dipantulkan, dihamburkan, atau diserap, menghasilkan informasi tentang sifat fisik dan kimia bahan. Birth (1976) melaporkan bahwa pada produk pertanian, hanya sekitar 4%-5% cahaya yang datang dipantulkan oleh reflektansi spekular dan difus eksternal. Sisa cahaya ditransmisikan melalui jaringan kulit dan dihamburkan oleh jaringan permeabel pada komponen internal buah atau sayuran. Sebagian besar cahaya yang melewati jaringan ini dipantulkan oleh komponen internal bahan biologis dan disebarkan kembali ke permukaan jaringan eksternal. Karena foton hamburan balik berinteraksi langsung dengan komponen internal jaringan, cahaya ini memberikan informasi penting tentang struktur, morfologi jaringan, sifat mekanis, dan kadar air.

Teknik ini terbagi menjadi tiga kategori:

1. Laser Light Backscattering Imaging (LLBI): Menggunakan sumber cahaya laser monokromatik.

2. Multispectral Backscattering Imaging (MBI): Menggunakan berbagai panjang gelombang cahaya.

3. Hyperspectral Backscattering Imaging (HBI): Menangkap spektrum penuh cahaya, biasanya dari 400 nm hingga 1000 nm.

Aplikasi

Aplikasi LLBI mencakup berbagai bidang, seperti prediksi kekerasan dan kandungan padatan terlarut (SSC) pada buah. Dengan panjang gelombang 680–980 nm, LLBI dapat memprediksi SSC dengan korelasi 0,83. LLBI juga digunakan untuk memantau kadar air selama pengeringan, misalnya pada irisan pisang, menghasilkan koefisien korelasi sebesar 0,85. Teknologi ini efektif mendeteksi cacat, seperti busuk pada jeruk dan kerusakan akibat pendinginan (chilling injury) pada pisang dengan akurasi hingga 96%. Selain itu, LLBI mampu mengukur sifat mekanis, seperti elastisitas dan kekerasan pada apel, tomat, dan jamur, dengan korelasi hingga 0,92.

Teknologi MBI juga berperan penting, seperti dalam memprediksi kekerasan apel menggunakan panjang gelombang tertentu (680–1060 nm) dengan korelasi 0,87. Pada pisang, MBI membantu memantau kadar air selama pengeringan dengan panjang gelombang 532–650 nm. Teknologi HBI menawarkan detail lebih akurat. Teknologi ini digunakan untuk mengidentifikasi tingkat kematangan tomat pada panjang gelombang 535–675 nm dan mendeteksi cacat seperti cedera dingin pada apel dengan akurasi hingga 98,4%.

Tantangan dan Arah Penelitian Masa Depan

Meskipun teknik ini menawarkan potensi yang besar, beberapa tantangan masih perlu diatasi untuk mengoptimalkan penerapannya. Salah satunya adalah aplikasi dalam waktu nyata; sebagian besar penelitian yang ada saat ini hanya dilakukan dalam skala batch, yang belum mendukung pengolahan data secara langsung dalam proses produksi massal. Selain itu, pengembangan algoritma yang lebih efisien sangat diperlukan untuk mempercepat proses analisis tanpa mengorbankan akurasi hasil. Tantangan lainnya terkait dengan kehilangan data, di mana teknik praproses seperti averaging spektral sering mengurangi resolusi data yang digunakan, sehingga dapat memengaruhi kualitas hasil analisis.

Ke depan, penelitian perlu difokuskan pada pengembangan algoritma pengolahan gambar yang lebih baik, serta model kalibrasi yang lebih akurat untuk mendukung penilaian dalam waktu nyata. Integrasi dengan teknik optik lain, seperti NIR spektroskopi, dapat menjadi langkah penting untuk meningkatkan akurasi dan efektivitas teknologi ini. Dengan kemajuan yang lebih lanjut, diharapkan teknologi ini dapat diimplementasikan dalam sistem penyortiran dan pengawasan kualitas otomatis, yang akan mempercepat dan mempermudah proses pengolahan produk pertanian.