PENDAHULUAN
1.1 Latar Belakang
Perkembangan
teknologi
banyak
memberi
pengaruh
terhadap
5. Bagaimana analisis warna pada pengolahan citra buah tomat dengan analisis
warna HSI?
1.3 Tujuan dan Manfaat
1.3.1 Tujuan
Tujuan dari praktikum pengolahan citra adalah sebagai berikut.
1.
2.
3.
4.
RGB.
5. Menganalisis warna pada pengolahan citra buah tomat dengan analisis warna
HSI.
1.3.2 Manfaat
Manfaat dari praktikum pengolahan citra adalah menghasilkan program
pengolahan citra yang mampu melakukan analisis pada buah tomat.
2.1 Tomat
Tomat merupakan tanaman yang berasal dari daerah Andean, Amerika
Selatan yang meliputi wilayah Chili, Ekuador, Bolivia, Kolumbia, dan Peru.
Tomat yang didomestifikasikan pertama kali ada di Meksiko, yakni tomat cherry
(Lycopersium esculentum var cerasiformae). Setelah itu tomat memyebar ke
negara-negara Eropa, selanjutnya menyebar ke Cina, Asia termasuk ke Indonesia.
Di Indonesia tanaman ini mulai dibudidayakan secara komersial pada tahun 1988
setelah adanya introduksi varietas hibrida dari Taiwan yakni Precious 375
(Hidayati dan Dermawan, 2012: 6).
2.2 Citra Digital
Menurut Ahmad (2005: 11-14), satuan atau bagian terkecil dari suatu citra
disebut piksel yang berarti elemen citra. Umumnya citra dibentuk dari kotakkotak persegi empat yang teratur sehingga jarak horizontal dan vertikal atar piksel
adalah sama pada seluruh bagian citra. Dalam komputer, setiap piksel diwakili
oleh dua buah bilangan bulat (integer) untuk menunjukkan lokasinya dalam
bidang citra dan sebuah nilai dalam bilangan bulat (integer) untuk menunjukkan
cahaya atau keadaan terang-gelap piksel tersebut. Untuk menunjukkan tingkat
pencahayaan suatu piksel, seringkali digunakan bilangan bulat yang besarnya 8bit, dengan lebar selang nilai 0-255, dimana 0 untuk warna hitam, 255 untuk
warna putih dan tingkat abu-abu berada di antara nialu-nilai 0 dan 255 Sebuah
piksel adalah sampel dari pemandangan yang mengandung intensitas citra yang
dinyatakan dalam bidang bulat. Sebuah citra adalah kumpulan piksel-piksel yang
disusun dalam larik dua-dimensi. Indeks baris dan kolom (x,y) dari sebuah piksel
dinyatakan dalam bilangan bulat. Piksel (0,0) terletak pada sudut kiri atas pada
citra, indeks x bergerak ke kanan dan indeks y bergerak ke bawah.
2.3 Pengolahan Citra
Menurut Universitas Gunadarma (Tanpa Tahun), pengolahan citra adalah
pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang
kualitasnya lebih baik. Sebagai contoh, citra burung nuri pada Gambar 2.1 (a)
tampak agak gelap, lalu dengan operasi pengolahan citra kontrasnya diperbaiki
sehingga menjadi lebih terang dan tajam (b). Umumnya, operasi-operasi pada
pengolahan citra diterapkan pada citra bila:
1. perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan
kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang
terkandung di dalam citra;
2. elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur;
3. sebagian citra perlu digabung dengan bagian citra yang lain.
(a)
(b)
Gambar 2.1 Citra Burung Nuri
kontur obyek dalam citra, atau menghasilkan gerakan dari suatu peralatan mekanis
yang terintregasi dengan sistem visual. Jadi, penekanan pada sistem visual adalah
perbaikan dan pengambilan informasi secara otomatis dengan interaksi manusia yang
minimal (Ahmad, 2005:4).
R
R+ G+ B
g=
G
R+ G+ B
b=
B
R+ G+ B
R+ G+ B
3
BAB 3. METODOLOGI
1.1 Tempat dan Waktu
Praktikum pengolahan citra dilaksanakan pada hari Senin selama dua
minggu yaitu pada tanggal 16 Mei 2016 dan 23 Mei 2016 pukul 13:00 WIB
sampai selesai di Laboratorium Instrumentasi Teknik Pertanian, Fakultas
Teknologi Pertanian, Universitas Jember.
1.2 Alat dan Bahan
Alat dan bahan yang digunakan dalam praktikum pengolahan citra adalah
sebagai berikut.
1. 30 buah tomat.
2. Perangkat komputer sebagai perangkat keras pengolah data citra.
3. Sebuah paket kamera CCD digital DFK 31 BU04.H dari The Imaging Source yang
menggunakan standar perantara USB sebagai pengambil citra objek.
4. Perangkat penyinaran dengan sumber cahaya TL 5 Watt yang dibuat sesuai
keperluan dan terintegrasi dengan stasiun pengambilan citra.
5. Kain berwarna putih sebagai background.
6. Software Sharp Develop 4.2, IC Capture 2.2, Ms. Excel, dan paint.net.
Persiapan sampel
1.3.2
Image Aquisition
1.3.3
1.3.4
Pembuatan program
BAB 4. HASIL DAN PEMBAHASAN
Proses image aquisition bertujuan agar citra buah tomat bebas dari
bayangan, warnanya mendekati obyek asli, tidak terjadi pantulan cahaya akibat
lampu, dan warna dari obyek tidak terpengaruh oleh background. Langkah dari
proses image aquisition adalah sebagai berikut.
1. Mengatur jarak antara kamera dengan obyek. Jarak yang digunakan untuk
dan 21 cm. Jarak ini merupakan jarak terbaik karena mampu meminimalkan
bayangan dari obyek.
3. Penentuan nilai saturation (kejenuhan warna) dan hue (corak warna) dilakukan
100
80
60
40
20
0
Komponen Citra
(background) dan selain itu diubah menjadi warna putih (255) yang
menggambarkan obyek.
a)
d)
b)
e)
c)
f)
(a) citra asli buah tomat; (b) tresholding merah; (c) tresholding hijau; (d)
tresholding biru; (e) tresholding grayscale (f) invert citra biner
Gambar 4.3 Citra buah tomat
Hasil citra dari buah tomat tersebut kemudian diolah menggunakan
program pengolahan citra yang dibuat menggunakan software Sharp Develop 4.2
untuk mendapatkan variabel analisis buah tomat. Variabel analisis yang
didapatkan adalah area, tinggi, lebar, nilai r, g, b, dan nilai H, S, I. Berikut ini
adalah gambar tampilan dari program pengolahan citra yang telah dibuat.
Sub-Menu
Buka File
Simpan File
Perbaikan
Citra
Exit
Tingkat kecerahan
Reduksi noise
Binerisasi
Tresholding merah
Tresholding hijau
Tresholding biru
Tresholding grayscale
Fungsi
Membuka
file
citra
dan
menampilkan di layar komputer
Menyimpan citra biner hasil
pengolahan
Keluar dari program
Melakukan manipulasi citra dengan
meningkatkan kecerahannya
Memperbaiki kualitas citra dengan
melemahkan atau menghapus noise
Menghasilkan citra biner dari citra
warna berdasarkan sinyal merah
Menghasilkan citra biner dari citra
warna berdasarkan sinyal hijau
Menghasilkan citra biner dari citra
warna berdasarkan sinyal biru
Menghasilkan citra biner dari citra
warna berdasarkan nilai rata-rata
Erosi
Dilasi
Opening
Closing
Program
ketiga sinyal
Membalik nilai intensitas objek dan
nilai intensitas latar belakang
Mengikis obyek sebanyak satu lapis
piksel untuk membersihkan noise
kecil
Memperbesar obyek sebanyak satu
lapis piksel untuk mengembalikan
ukuran
Mengikis obyek sebanyak satu lapis
piksel untuk membersihkan noise
kecil sambil menjaga ukuran obyek
Menutup celah besar satu lapis
piuksel untuk menutup lubanglubang kecil pada obyek sambil
menjaga ukuran obyek
Melakukan kalkulasi ukuran obyek
pada citra biner
Menganalisa
warna
obyek
menggunakan model warna RGB
Menganalisa
warna
obyek
menggunakan model warna HSI
Memberikan informasi tentang
programprogram yang kita buat
kepada pengguna
0.2
0
0
10
15
20
25
30
35
Sampel (buah)
Gambar 4.5 Analisis warna RGB
Berdasarkan grafik di atas, dapat diketahui bahwa R (red) mempunyai nilai
yang lebih tinggi daripada nilai G dan B. Nilai indeks warna R mempunyai nilai
yang berkisar sekitar angka 0,67-0,80. Sedangkan pada nilai indeks warna G dan
B memiliki nilai yang berkisar 0,07-0,2. Jadi dapat disimpulkan bahwa nilai
warna R (red) memiliki nilai yang lebih besar dibanding nilai G (green) dan nilai
B (blue). Hal tersebut terjadi karena komponen warna pada buah tomat mayoritas
adalah merah.
4.5 Analisis Warna HSI
Model warna HSI menampilkan warna dalam besaran-besaran corak,
saturasi, dan intensitas. Intensitas adalah nilai abu-abu dari piksel dalam citra abuabu. Pengambilan warna HSI menggunakan program pengolahan citra yang telah
dibuat. Grafik analisis warna HSI pada citra buah tomat adalah sebagai berikut.
20
10
0
0
10
15
20
25
30
35
Sampel (buah)
Gambar 4.6 Analisis warna HSI
Berdasarkan grafik di atas, dapat diketahui bahwa nilai H (hue) pada tomat
berkisar antara 28,0-63,38. H (hue) menyatakan warna sebenarnya yaitu merah
dan digunakan untuk membedakan warna-warna dan menentukan kemerahan
(redness) dari cahaya.
BAB 5. KESIMPULAN
Berdasarkan hasil dan pembahasan di atas, maka dapat ditarik kesimpulan
sebagai berikut.
1. Image Aquisition dilakukan dengan cara mengatur nilai hue, saturation,
intensitas pada IC Capture dan mengatur jarak kamera.
DAFTAR PUSTAKA
Ahmad, U. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya.
Yogyakarta: Graha Ilmu.
Anonim. Tanpa Tahun. Definisi dan Pengolahan Citra Digital.
http://elektronika-dasar.web.id/definisi-dan-pengolahan-citra-digital/
[04
Juni 2016].
Cahyono, B. 1998. Tomat Budidaya dan Analisis Usaha Tani. Yogyakarta:
Kasinius
Hayati, N. dan Darmawan, R. 2012. Tomat Unggul. Jakarta: Penebar Swadaya.
Ichsan, a. Z., Andrizal, Yendri, D., 2013. Perancangan dan pembuatan Sistem
Visual Inspection Sebagai Seleksi Buah Tomat Berdasarkan Kematangan
Berbasis. Tidak diterbitkan. Padang: Universitas Andalas.
Universitas Gunadarma. Tanpa Tahun. Pengantar Pengolahan Citra.
http://citra.amutiara.staff.gunadarma.ac.id/.../Bab1_Pengantar+Pengolahan+
Citra+.pdf.
LAMPIRAN
Tabel 1. Segmentasi Area dan Background
Sampel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Tomat 1
Tomat 2
Tomat 3
Tomat 4
Tomat 5
Tomat 6
Tomat 7
Tomat 8
Tomat 9
Tomat 10
Tomat 11
Tomat 12
Tomat 13
Tomat 14
Tomat 15
Tomat 16
Tomat 17
Tomat 18
Tomat 19
Tomat 20
Tomat 21
Tomat 22
Tomat 23
Tomat 24
Tomat 25
Tomat 26
Tomat 27
Tomat 28
Tomat 29
Tomat 30
0,75591
0,75557
0,76921
0,76951
0,73265
0,71936
0,72458
0,77684
0,72165
0,75884
0,72575
0,72694
0,73642
0,72965
0,71798
0,68356
0,76414
0,67106
0,72865
0,70946
0,70946
0,79057
0,78031
0,74710
0,73670
0,74855
0,76715
0,71457
0,77602
0,67769
0,15827
0,15419
0,15402
0,14373
0,17324
0,16585
0,15803
0,13683
0,16293
0,14757
0,16861
0,16088
0,15612
0,16799
0,17803
0,19550
0,15293
0,19179
0,16426
0,16607
0,16607
0,13423
0,13039
0,14820
0,15106
0,15436
0,15953
0,16778
0,13666
0,17762
0,08581
0,09024
0,07670
0,08680
0,09414
0,11475
0,11740
0,08632
0,11539
0,09354
0,10563
0,11218
0,10751
0,10235
0,10399
0,12093
0,08284
0,13709
0,10708
0,12447
0,12447
0,07520
0,08928
0,10469
0,11224
0,09714
0,07331
0,11763
0,08732
0,14466
Sampel
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Tomat 1
Tomat 2
Tomat 3
Tomat 4
Tomat 5
Tomat 6
Tomat 7
Tomat 8
Tomat 9
Tomat 10
Tomat 11
Tomat 12
Tomat 13
Tomat 14
Tomat 15
Tomat 16
Tomat 17
Tomat 18
Tomat 19
Tomat 20
Tomat 21
Tomat 22
Tomat 23
Tomat 24
Tomat 25
Tomat 26
Tomat 27
Tomat 28
Tomat 29
Tomat 30
35,381
32,770
29,546
32,657
40,153
45,032
55,169
36,215
45,737
37,126
45,737
49,294
43,229
39,554
48,233
57,898
33,239
63,372
48,819
53,984
53,984
29,287
35,113
42,441
48,787
44,140
28,099
49,557
41,063
46,251
0,757
0,745
0,781
0,750
0,736
0,675
0,685
0,756
0,674
0,739
0,700
0,692
0,692
0,707
0,708
0,662
0,764
0,616
0,703
0,644
0,644
0,788
0,746
0,704
0,688
0,727
0,793
0,666
0,759
0,701
52
49
49
52
52
50
51
50
50
47
56
51
51
51
52
59
49
58
50
54
54
49
46
49
48
54
52
51
49
55