Anda di halaman 1dari 23

1

PRAKTIKUM CITRA DIGITAL (IMAGE PROCESSING)

LAPORAN

diajukan guna memenuhi tugas Matakuliah Sistem Informatika Pertanian

Disusun oleh:

TEP-A

INE OKE DEFIL 151710201085

JURUSAN TEKNIK PERTANIAN


FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS JEMBER
2016
2

BAB 1. PENDAHULUAN

1.1 Latar Belakang


Pada saat ini perkembangan komputer telah mengalami kemajuan yang sangat
pesat dalam berbagai aspek terutama untuk Negara berkembang. Hal ini dapat
dibuktikan dengan adanya inovasi inovasi dimasa ini yang bertujuan untuk
memudahkan manusia. Salah satu perkembangan teknologi yang mengalami
perkembangan yang cukup pesat yaitu dalam bidang pengolahan citra digital.
Pengolahan citra merupakan suatu metode dimana menggunakan terapan visual tanpa
merusak bahan berupa objek dua dimensi dengan input dan output berupa citra.
Dalam perkembangannya, pengolahan citra semakin berkembang dan meluas
dengan adanya aplikasi pengolahan citra. Manfaat dari penggunaan pengolahan citra
yaitu, komputer tidak hanya dapat mengolah dan menangani data berupa teks dan
angka angka tetapi juga data citra.
Dalam praktikum ini digunakan objek bahan yaitu buah mangga. Mangga
yang digunakan yaitu jenis mangga golek. Mangga merupakan buah yang
mempunyai nilai komersil di Indonesia, dan memiliki pangsa yang luas mulai dari
pasar tradisional dan modern. Dalam rangka meningkatkan daya saing tersebut maka
buah mangga yang dihasilkan harus dapat memenuhi standar pasar dalam negeri
maupun pasar tradisional dan dapat diterima secara luas oleh konsumen.
Dalam praktikum ini mutu buah mangga ditentukan oleh berbagai parameter.
Oleh karena itu, pengolahan citra sangat penting dalam berbagai aspek. Selain dapat
memudahkan penggunanya, juga dapat meningkatkan kinerja dan tugas tugas yang
dikerjakan khususnya dalam hal pengolahan citra.

1.2 Rumusan Masalah


Berdasarkan latar belakang diatas, rumusan masalah pada laporan praktikum ini
adalah sebagai berikut.
3

1. Bagaimana cara membuat program pengolahan citra untuk mengolah citra buah
mangga menjadi citra biner?
2. Bagaimana program pengolahan citra yang digunakan dalam praktikum?
3. Bagaimana cara menggunakan image acquisition pada proses pengolahan citra
mangga golek?
4. Bagaimana hasil analisis warna RGB pada buah mangga golek?
5. Bagaimana hasil analisis warna HSI pada buah mangga golek?
6. Bagaimana segmentasi area dan background pada buah mangga golek?

1.3 Tujuan
Adapun tujuan dari praktikum ini adalah sebagai berikut.
1. Mengetahui cara membuat program pengolahan citra pada suatu objek tanpa
merusak objek.
2. Mengetahui program pengolahan citra yang digunakan dalam praktikum.
3. Mengetahui cara menggunakan image acquisition pada proses pengolahan citra
mangga golek.
4. Mengetahui analisis warga RGB pada buah mangga golek dengan menggunakan
program pengolahan citra.
5. Mengetahui segmentasi area dan background pada buah mangga golek.
6. Mengetahui analisis warga HSI pada buah mangga golek dengan menggunakan
program pengolahan citra.

1.4 Manfaat
Adapun manfaat dari praktikum ini adalah sebagai berikut.
1. Dapat mengetahui cara pembuatan program pengolahan citra digital.
2. Dapat mengetahui cara pengolahan mutu suatu produk hasil pertanian dengan
menggunakan program pengolahan citra digital menggunakan gambar (citra) dari
hasil produk, terutama pada buah mangga golek.
4

BAB 2. TINJAUAN PUSTAKA

2.1 Citra Digital


Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu
objek. Citra dibagi menjadi dua yaitu citra yang bersifat analog dan citra yang bersifat
digital. Citra analog adalah citra yang bersifat kontinyu seperti gambar pada monitor
televise, foto sinar X, hasil CT scan, sedangkan citra digital adalah citra yang dapat
diolah oleh komputer (Universitas Sumatera Utara, Tanpa tahun).
Secara harfiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau
dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya
pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali
sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat alat
optik, misalnya mata pada manusia, kamera, pemindai (scanner), sehingga bayangan
objek yang disebut citra tersebut terekam (Munir, Tanpa tahun: 2).
Sebuah citra digital dapat mewakili oleh sebuah matriks yang terdiri dari M
dan N baris, dimana perpotongan antara kolom dan baris disebut piksel (piksel =
picture element), yaitu elemen terkecil dari sebuah citra. Piksel mempunyai dua
parameter, yaitu koordinat dan intensitas atau warna. Nilai yang terdapat pada
koordinat (x,y) adalah f(x,y), yaitu besar intensitas atau warna dari piksel di titik itu
(Universitas Sumatera Utara, Tanpa tahun).

Citra sebagai keluaran dari suatu sistem perekaman data memiliki sifat sebagai
berikut:
1. Optik berupa foto,
2. Analog berupa sinyal video seperti gambar pada monitor televisi,
3. Digital yang dapat langsung disimpan pada suatu pita magnetik.
5

Macam macam citra dapat meliputi citra diam dan citra bergerak (moving
images). Citra diam adalah citra tunggal yang tidak bergerak. Sedangkan citra
bergerak adalah rangkaian citra diam yang ditampilkan secara beruntun (sekuensial)
sehingga member kesan pada mata kita sebagai gambar yang bergerak. Setiap citra di
dalam rangkaian itu disebut frame. Gambar gambar yang tampak pada layar film
lebar atau televisi pada hakikatnya terdiri atas ratusan sampai ribuan frame (Munir,
Tanpa tahun: 2).

2.2 Pengolahan Citra (Image Processing)


Pengolahan citra merupakan suatu metode dimana menggunakan terapan
visual tanpa merusak bahan berupa objek dua dimensi dengan input dan output
berupa citra. Pengolahan citra juga dapat diartikan sebagai pemrosesan citra,
khususnya dengan menggunakan computer, menjadi citra yang kualitasnya lebih baik.
Pada awalnya kualitas citra ini dilakukan untuk memperbaiki kualitas citra, namun
dengan berkembangnya dunia komputasi yang ditandai dengan semakin
meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu ilmu
komputer yang memungkinkan manusia dapat mengambil informasi dari suatu citra.
Oleh karena itu, image processing tidak dapat dilepaskan dengan bidang computer
vision (Mulyawan et al. Tanpa tahun: 2).
Pada umumnya operasi citra pada pengolahan citra dilakukan untuk
meningkatkan kualitas penampakan dan untuk menonjolkan beberapa aspek
informasi yang terkandung di dalam citra, elemen di dalam citra perlu dikelompokkan
,dicocokkan, atau diukur, dan sebagian citra perlu digabung dengan bagian citra yang
lain. Tujuan dari pengolahan citra sendiri yaitu memperbaiki kualitas citra agar
mudah diinterpretasi oleh manusia atau mesin. Teknik pengolahan citra berfungsi
mentransformasikan suatu citra menjadi citra lain (Mutiara, Tanpa tahun).
Contoh proses pengolahan citra yaitu seperti pada Gambar 2.1 sebagai berikut.
6

(a) (b)
Gambar 2.1 (a) citra gambar yang memiliki noise; (b) citra gambar yang telah diperbaiki
atau dilakukan filtering.
Pada Gambar 2.1 merupakan contoh dari proses dari pengolahan citra. Pada
Gambar 2.1 dapat diketahui bahwa gambar anak kecil yang semula terdapat beberapa
bintik bintik kemudian dilakukan proses filtering, kemudian menghasilkan gambar
citra hasil pengolahan dengan kualitas yang lebih baik.
Pengolahan citra digital mempelajarai hal hal yang berkaitan dengan
perbaikan kualitas gambar (peningkatan kontras, transformasi warna, restorasi citra),
transformasi gambar (rotasi, translasi, skala, transformasi geometrik), melakukan
pemilihan ciri citra (features image) yang optimal untuk tujuan analisis, melakukan
proses penarikan informasi atau deskripsi objek atau pengenalan objek yang
terkandung pada citra, melakukan kompresi atau reduksi data untuk tujuan
penyimpanan data, transmisi data, dan waktu proses data. Input dari pengolahan citra
adalah citra, sedangkan outputnya adalah citra hasil pengolahan (Universitas
Sumatera Utara. Tanpa tahun: 1).
Operasi pada pengolahan citra diterapkan apabila:
1. Perbaikan atau memodifikasi citra dilakukan untuk meningkatkan kualitas
penampakan citra / menonjolkan beberapa aspek informasi yang terkandung
di dalam citra (image enhancement) contoh: perbaikan kontras gelap dan
terang, perbaikan tepian objek, penajaman, pemberian warna semu dll.
7

2. Adanya cacat pada citra sehingga perlu dihilangkan atau diminimumkan


(image restoration) contoh: penghilangan kesamaran (debluring), citra akan
tampak kabur karena pengaturan focus lensa tidak tepat atau kamera goyang,
penghilangan noise.
3. Elemen dalam citra perlu dikelompokkan, dicocokkan, atau diukur (image
segmentation), operasi ini berkaitan erat dengan pengenalan pola.
4. Diperlukannya ekstraksi cirri cirri tertentu yang dimiliki citra untuk
membantu dalam pengidentifikasian objek (image analysis).
5. Sebagian citra perlu digabung dengan baian citra yang lain (image
reconstruction), contoh: beberapa foto rontgen digunakan untuk membentuk
ulang gambar organ tubuh.
6. Citra perlu dimampatkan (image compression)
Contoh: suatu file citra berbentuk BMP berukuran 258KB dimampatkan
dengan metode JPEG menjadi berukuran 49 KB.
7. Menyembunyikan data rahasia (berupa teks/citra) sehingga keberadaan data
rahasia tersebut tidak diketahui orang (steganografi and watermarking)
(Hestiningsih, 2013: 2).

2.3 Aplikasi Image Processing dalam Berbagai Bidang Kehidupan


Pengolahan citra memiliki aplikasi yang sngat luas dalam berbagai bidang
kehihidupan. Adapun beberapa aplikasi dalam beberapa bidang, meliputi.
1. Bidang Perdagangan
a. Pembacaan kode batang (barcode) yang tertera pada barang (umum
digunakan di pasar swalayan atau supermarket).
b. Mengenali huruf atau angka pada suatu formulir secara otomatis.
2. Bidang Militer
a. Mengenali sasaran peluru kendali melalui sensor visual.
b. Mengidentifikasi jenis pesawat musuh.
3. Bidang Kedokteran
8

a. Pengolahan citra sinar X untuk mammografi (deteksi kanker payudara).


b. NMR (Nuclear Magnetic Resonance).
c. Mendeteksi kelainan tubuh dari foto sinar X.
d. Rekonstruksi foto janin hasil USG.
4. Bidang Biologi
Pengenalan jenis kromosom melalui gambar mikroskopik.
5. Bidang Komunikasi Data
Pemampatan citra yang ditransmisi.
6. Bidang Hiburan
Pemampatan video (MPEG).
7. Bidang Robotika
Visually guided autonomous navigation.
8. Bidang Pemetaan
Klasifikasi penggunaan tanah melalui foto udara (LANDSAT).
9. Bidang Geologi
Mengenali jenis batu batuan melalui foto udara (LANDSAT).
10. Bidang Hukum
a. Pengenalan sidik jari
b. Pengenalan foto narapidana
(Munir, Tanpa tahun:12).
9

BAB 3. METODOLOGI PELAKSANAAN

3.1 Waktu dan Tempat

Praktikum dilaksanakan di Laboratorium Instrumentasi, Jurusan Teknik


Pertanian, Fakultas Teknologi Pertanian, Universitas Jember. Waktu pelaksanaan
praktikum citra digital meliputi:
1. Praktikum pertama dan kedua yang dilaksanakan pada Hari Sabtu, 12 dan 19
November 2016 pada pukul 13.00-15.00 WIB.
2. Praktikum ketiga dillaksanakan pada hari Minggu, 27 November 2016 pada
pukul 08.00 10.00 WIB.

3.2 Alat dan Bahan


Adapun alat dan bahan yang digunakan dalam praktikum yaitu:
a. Laptop (PC) sebagai pengolah data citra.
b. Software Sharp Develop 5.1 dan Ms.Excel.
c. Modul praktikum

Adapun bahan yang digunakan dalam praktiku m pengolahan citrayaitu:


a. Foto buah mangga golek yang telah dikelompokkan berdasarkan kelas mutu
yang telah ditentukan. Kelas mutu yang digunakan yaitu mutu S, A, B, dan
Reject.
10

3.3 Prosedur Kerja


Adapun prosedur kerja dalam praktikum ditamp[ilkan dalam bentuk diagram alir
pada Gambar 3.1 sebagai berikut.

Mulai

Persiapan alat dan bahan

Coding program Membuat program pengolahan citra

Mengolah sampel gambar mangga


Gambar sampel golek menggunakan program
buah mangga
Data Ukuran Obyek dan Ukuran Warna
obyek sampel buah mangga golek

Mengolah data menggunakan


Ms.Excel

Membuat laporan

Laporan

Selesai

Gambar 3.1 Diagram Alir Praktikum


11

BAB 4. HASIL DAN PEMBAHASAN

4.1 Program Pengolahan Citra


Pada praktikum pengolahan citra (image processing) software yang digunakan
yaitu software sharp develop 5.1 untuk membuat program pengolah citranya dengan
sampel bahan yaitu buah mangga jenis mangga golek. Dalam program yang telah
dibuat terdapat beberapa fungsi untuk melakukan pengolahan citra dari buah mangga
golek. Fungsi fungsi tersebut adalah buka file, simpan file, exit, tingkatkan
kecerahan, reduksi noise, thresholding merah, thresholding hijau, thresholding biru,
thresholding grayscale, invert citra biner, erosi, dilasi, opening, closing, ukuran
obyek, model warna RGB, model warna HIS, dan keterangan program.

Gambar 4.1 Tampilan Program Sharp Develop 5.1


Berdasarkan Gambar 4.1 dapat diketahui bahwa dengan menggunakan
program yang telah dibuat, dapat diketahui nilai ukuran obyek berupa area, tinggi,
dan lebar serta nilai warna obyek berupa warna RGB dan HSI. Pada praktikum ini
thresholding yang digunakan yaitu thresholding biru, karena dengan thresholding biru
akan menghasilkan citra biner dengan kualitas yang cukup baik.
12

4.2 Analisis Ukuran


4.2.1 Analisis Ukuran Area
Pada praktikum pengolahan citra (image processing), pada foto sampel akan
dilakukan analisis ukuran yang bertujuan untuk mengetahui nilai dari area, lebar, dan
tinggi dari obyek. Tujuan dilakukannya pengukuran ini yaitu untuk mengetahui serta
menentukan kelas mutu dari sampel buah mangga golek berdasarkan area.
Tabel 4.1 Hubungan Kelas Mutu Mangga Golek dengan Area Obyek
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 217131 170340 108683 110847
2 187335 207896 101989 92885
3 219468 166033 119942 93416
4 176566 161673 115996 83205
5 183777 164791 115996 87887
6 200583 131957 106017 84819
7 223815 195087 110847 77729
Nilai min 176566 131957 101989 77729
Nilai max 223815 207896 119942 110847

Grafik Area Buah Mangga Golek


250000
200000 1
150000 2
Pixel

100000 3
50000 4
0
5
0 1 2 3 4 5
Mutu A1 Mutu B1 Mutu C1 Mutu R1 6

Gambar 4.1 Grafik Hubungan Mutu Mangga Golek dengan Area Obyek
Berdasarkan Gambar 4.1 dapat diketahui bahwa nilai ukuran area pada kelas
mutu buah mangga golek yang telah dilakukan pengambilan gambar citra memiliki
13

kisaran yang berbeda beda. Kisaran nilai sampel mutu A1 berkisar antara 223815
176566, sedangkan nilai kelas mutu B1 berkisar antara 207896 131957, nilai kelas
mutu C1 berkisar antara 119942 101989, serta nilai kelas mutu R1 yaitu berkisar
antara 110847 77729. Berdasarkan data tersebut dapat diketahui bahwa nilai ukuran
area tertinggi yaitu pada nilai mutu kelas A1 sebesar 223815 dan nilai kelas mutu
terendah yaitu nilai kelas mutu R1 yaitu sebesar 77729. Hal menunjukkan bahwa
semakin besar nilai area, maka area dari obyek akan semakin kecil dan semakin kecil
nilai area maka area obyek akan semakin besar.
4.2.2 Analisis Ukuran Tinggi
Tujuan dilakukannya analisis ukuran tinggi yaitu untuk mengetahui besarnya nilai
tinggi dari obyek berdasarkan masing masing kelas mutu.
Tabel 4.2 Hubungan Kelas Mutu Mangga Golek dengan Tinggi Obyek
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 421 374 593 591
2 341 398 343 598
3 413 379 445 598
4 379 382 455 598
5 389 387 455 598
6 389 310 436 598
7 494 457 591 598
nilai min 341 310 343 591
nilai max 494 457 593 598

Grafik Tinggi Mangga Golek


800
1
600
2
Pixel

400
3
200
4
0
0 1 2 3 4 5 5
Mutu A1 Mutu B1 Mutu C1 Mutu R1 6
14

Gambar 4.2 Grafik Hubungan Kelas Mutu Mangga Golek dengan Tinggi Obyek
Berdasarkan Gambar 4.2 dapat diketahui bahwa nilai ukuran tinggi pada kelas mutu
buah mangga golek menunjukkan nilai kisaran yang berbeda. Kisaran nilai sampel
mutu A1 yaitu berkisar antara 494 341, sedangkan nilai kelas mutu B1 berkisar
antara 457 310, nilai mutu kelas C1 berkisar antara 593 343, serta nilai kelas mutu
R1 yaitu berkisar antara 598 591. Berdasarkan data tersebut dapat diketahui bahwa
nilai ukuran tinggi terbesar yaitu pada sampel mutu kelas R1 dan nilai ukuran tinggi
terkecil yaitu pada sampel mutu kelas B1 serta dapat diketahui pada Gambar 4.1
menunjukkan grafik yang fluktuatif.
4.2.3 Analsis Ukuran Lebar
Pada proses pengolahan citra, tujuan dilakukannya analisis ukuran lebar yaitu untuk
mengetahui besarnya nilai tlebar dari obyek berdasarkan masing masing kelas
mutu.
Tabel 4.3 Hubungan Kelas Mutu Mangga Golek dengan Lebar Obyek
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 691 597 826 814
2 724 703 630 828
3 739 594 828 828
4 646 572 828 827
5 643 588 828 638
6 703 576 657 828
7 767 740 814 827
nilai min 643 572 630 638
nilai max 767 740 828 828
15

Grafik Lebar Mangga Golek


1000 1

Pixel
500 2
3
0
0 1 2 3 4 5 4
Mutu A1 Mutu B1 Mutu C1 Mutu R15

Gambar 4.3 Grafik Hubungan Kelas Mutu Mangga Golek dengan Lebar Obyek
Berdasarkan Gambar 4.3 dapat diketahui bahwa nilai ukuran lebar pada kelas
mutu buah mangga golek yang telah dilakukan pengambilangambar citra memiliki
kisaran yang berbeda beda.Kisaran nilai kelas mutu A1 berkisar antara 767 643,
sedangkan kisaran kelas mutu B1 berkisar antara 740 571, nilai kelas mutu C1
berkisar antara 828 630, serta nilai kelas mutu R1 yang berkisar antara 828 638.
Berdasarkan data pada Tabel 3.3 dapat diketahui bahwa nilai ukuran lebar terbesar
yaitu pada nilai kelas mutu C1 dan pada R1.

4.3 Analisis Warna RGB


Analisis warna RGB merupakan analisis berdasarkan sinyal warna red, green,
dan blue. Analisisn warna RGB bertujuan untuk menghitung dan menentukan nilai
RGB pada obyek yang akan dilakukan gambar citra. Warna HSI merupakan warna
yang tidak dapat dipisahkan atau warna yang bergabungan menjadi satu dari suatu
obyek.
Tabel 4.4 Hubungan Kelas Mutu Mangga Golek dengan Nilai R
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 0.406 0.397 0.388 0.385
2 0.429 0.386 0.439 0.413
3 0.404 0.386 0.406 0.368
4 0.378 0.406 0.417 0.403
5 0.365 0.387 0.417 0.406
6 0.386 0.443 0.397 0.377
7 0.384 0.371 0.385 0.405
16

Nilai min 0.365 0.371 0.385 0.368


Nilai max 0.429 0.443 0.439 0.413

Grafik R Mangga Golek


0.500
0.400 1
0.300 2
Pixel

0.200 3
0.100 4
0.000
5
0 1 2 3 4 5
Mutu A1 Mutu B1 Mutu C1 Mutu R1 6

Gambar 4.4 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai R
Berdasarkan grafik 4.4 dapat diketahui bahwa besarnya nilai R pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 0.429 0.365, sedangkan mutu kelas B1
berkisar antara 0.443 0.371, mutu kelas C1 berkisar antara 0.439 0.385, serta nilai
pada mutu kelas R1 berkisar antara 0.413 0.368. Berdasarkan data yang telah
didapatkan indeks warna R (merah) tertinggi yaitu pada kelas mutu C1 yaitu sebesar
0.439 dan terendah pada kelas mutu A1. Hal ini disebabkan jumlah komponen warna
merah pada buah dengan kelas mutu C1 lebih besar dibandingkan dengan kelas mutu
lainnya.
Tabel 4.5 Hubungan Kelas Mutu Mangga Golek dengan Nilai G
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 0.461 0.480 0.495 0.510
2 0.478 0.470 0.472 0.473
3 0.491 0.463 0.483 0.488
4 0.481 0.471 0.474 0.481
5 0.489 0.475 0.474 0.482
6 0.484 0.468 0.492 0.464
7 0.472 0.472 0.510 0.481
nilai min 0.461 0.463 0.472 0.464
17

nilai max 0.491 0.480 0.510 0.510

Grafik G Mangga Golek


0.520
0.500 1
PIXEL
0.480 2
0.460 3
0.440
0 1 2 3 4 5 4
Mutu A1 Mutu B1 Mutu C1 Mutu R1 5

Gambar 4.5 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai G
Berdasarkan grafik 4.5 dapat diketahui bahwa besarnya nilai G pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 0.461 0.491, sedangkan mutu kelas B1
berkisar antara 0.463 0.480, mutu kelas C1 berkisar antara 0.410 0.572, serta nilai
pada mutu kelas R1 berkisar antara 0.464 0.510. Berdasarkan data yang telah
didapatkan indeks warna G (hijau) tertinggi yaitu pada kelas mutu C1 dan R1 yaitu
sebesar 0.510 dan terendah pada kelas mutu A1 yaitu sebesar 0.461. Hal ini
disebabkan jumlah komponen warna merah pada buah dengan kelas mutu C1 dan R1
lebih besar dibandingkan dengan kelas mutu lainnya.
Tabel 4.6 Hubungan Kelas Mutu Mangga Golek dengan Nilai B
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 0.133 0.123 0.117 0.105
2 0.093 0.144 0.090 0.114
3 0.106 0.151 0.110 0.144
4 0.141 0.123 0.109 0.116
5 0.146 0.139 0.109 0.112
6 0.129 0.089 0.111 0.160
7 0.144 0.157 0.105 0.114
nillai min 0.093 0.089 0.090 0.105
nilai max 0.146 0.157 0.117 0.160
18

Grafik B Mangga Golek


0.200 1

Pixel
0.000 2
0 1 2 3 4 5 3
Mutu A1 Mutu B1 Mutu C1 Mutu R1 4

Gambar 4.6 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai B
Berdasarkan grafik 4.6 dapat diketahui bahwa besarnya nilai B pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 0.093 0.146, sedangkan mutu kelas B1
berkisar antara 0.089 0.157, mutu kelas C1 berkisar antara 0.090 0.117, serta nilai
pada mutu kelas R1 berkisar antara 0.105 0.160. Berdasarkan data yang telah
didapatkan indeks warna G (merah) tertinggi yaitu pada kelas mutu R1 yaitu sebesar
0.160 dan terendah pada kelas mutu A1 yaitu sebesar 0.093. Hal ini disebabkan
jumlah komponen warna biru pada buah dengan kelas mutu R1 lebih besar
dibandingkan dengan kelas mutu lainnya.

4.4 Analisis Warna HSI


Pada praktikum pengolahan citra, analisis warna HIS bertujuan untuk
menghitung dan mencari nilai warna HIS pada obyek yang akan dilakukan
pengambilan gambar citra. Berikut ini merupakan tabel hasil analisis nilai HSI pada
sampel buah mangga golek.
Tabel 4.7 Hubungan Kelas Mutu Mangga Golek dengan Nilai H
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 96.510 92.092 81.965 81.551
2 77.321 91.974 78.950 80.286
3 76.709 106.613 78.122 86.746
4 89.838 92.840 76.758 81.594
5 95.498 97.735 76.758 80.502
6 91.470 77.006 83.629 89.797
7 108.760 113.279 81.551 79.412
nilai min 76.709 77.006 76.758 79.412
nilai max 108.760 113.279 83.629 89.797
19

Grafik H Mangga Golek


150.000
1
100.000
Pixel

2
50.000
3
0.000
0 1 2 3 4 5 4
Mutu A1 Mutu B1 Mutu C1 Mutu R1 5

Gambar 4.7 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai H

Berdasarkan grafik 4.7 dapat diketahui bahwa besarnya nilai H pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 76.709 108.760, sedangkan mutu kelas
B1 berkisar antara 77.006 113.279, mutu kelas C1 berkisar antara 76.758 83.629,
serta nilai pada mutu kelas R1 berkisar antara 79.412 89.797. Berdasarkan data
yang telah didapatkan indeks warna H tertinggi yaitu pada kelas mutu B1 yaitu
sebesar 113.279 dan terendah pada kelas mutu C1 yaitu sebesar 83.629. Hal ini
disebabkan jumlah komponen warna H yang tidak dapat dipisahkan pada buah
dengan kelas mutu B1 lebih besar dibandingkan dengan kelas mutu lainnya.
Tabel 4.8 Hubungan Kelas Mutu Mangga Golek dengan Nilai S
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 0.617 0.648 0.653 0.687
2 0.725 0.570 0.736 0.664
3 0.685 0.558 0.673 0.572
4 0.586 0.644 0.676 0.658
5 0.568 0.603 0.676 0.669
6 0.621 0.740 0.671 0.527
7 0.581 0.546 0.687 0.663
nilai min 0.568 0.546 0.653 0.527
nilai max 0.725 0.740 0.736 0.687
20

Grafik S Mangga Golek


0.800
0.600 1

Pixel
0.400 2
0.200 3
0.000
4
0 1 2 3 4 5
Mutu A1 Mutu B1 Mutu C1 Mutu R1 5

Gambar 4.8 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai S

Berdasarkan Gambar 4.8 dapat diketahui bahwa besarnya nilai S pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 0.568 0.725, sedangkan mutu kelas B1
berkisar antara 0.546 0.740, mutu kelas C1 berkisar antara 0.653 0.736, serta nilai
pada mutu kelas R1 berkisar antara 0.527 0.687. Berdasarkan data yang telah
didapatkan indeks warna H tertinggi yaitu pada kelas mutu B1 yaitu sebesar 0.740
dan terendah pada kelas mutu R1 yaitu sebesar 0.527. Hal ini disebabkan jumlah
komponen warna S yang tidak dapat dipisahkan pada buah dengan kelas mutu B1
lebih besar dibandingkan dengan kelas mutu lainnya. Nilai dari ukuran warna S
menunjukkan nilai yang relative kecil, ini menunjukkan bahwa komponen S pada
obyek juga sedikit.
Tabel 4.9 Hubungan Kelas Mutu Mangga Golek dengan Nilai I
No. Mutu A1 Mutu B1 Mutu C1 Mutu R1
1 60 64 51 51
2 53 57 60 59
3 60 61 61 50
4 68 66 60 56
5 59 59 60 51
6 60 52 56 61
7 65 61 51 56
nilai min 53 52 51 50
nilai max 68 66 61 61
21

Grafik I pada ManggaGolek


80
1
60
Pixel 2
40
3
20
4
0
0 1 2 3 4 5 5
Mutu A1 Mutu B1 Mutu C1 Mutu R1 6

Gambar 4.9 Grafik Hubungan Kelas Mutu Mangga Golek dengan Nilai I
Berdasarkan Gambar 4.8 dapat diketahui bahwa besarnya nilai S pada setiap kelas
mutu yang dilakukan pengambilan citra menunjukkan nilai yang berbeda- beda.
Kisaran nilai kelas mutu A1 berkisar antara 53 68, sedangkan mutu kelas B1
berkisar antara 52 66, mutu kelas C1 berkisar antara 51 61, serta nilai pada mutu
kelas R1 berkisar antara 50 61. Berdasarkan data yang telah didapatkan indeks
warna H tertinggi yaitu pada kelas mutu A1 yaitu sebesar 68 dan terendah pada kelas
mutu C1 dan R1 yaitu sebesar 61. Hal ini disebabkan jumlah komponen warna I
yang tidak dapat dipisahkan pada buah dengan kelas mutu A1 lebih besar
dibandingkan dengan kelas mutu lainnya.

BAB 5. KESIMPULAN

Berdasarkan pembahasan di atas, maka dapat disimpulkan sebgaai berikut.


1. Program pengolahan citra dapat menganalisa variabel citra mangga golek
meliputi ukuran obyek dan warna obyek serta bertujuan untuk memperbaiki
citra menjadi lebih baik.
2. Pengolahan warna RGB merupakan suatu analisa terhadap warna sampel
berdasarkan sinyal warna merah, hijau, dan biru.
3. Pengolahan warna HIS merupakan suatu anasslisa terhadap warna sampel
berdasarkan corak (hue), kejenuhan (saturation), dan kecerahan (intensity).
22

TINJAUAN PUSTAKA

Hestiningsih, I. 2013. Pengolahan Citra. http://27afril-


file.weebly.com/uploads/1/3/0/7/13077226/pengolahan-citra.pdf [ 1
Desember 2016].
Menegristek Bidang Pendayagunaan dan Pemasyarakatan Ilmu Pengetahuan dan
Teknologi. Tanpa tahun. Mangga (Mangifera spp).
http://migroplus.com/brosur/Budidaya%20Mangga.pdf [1 Desember 2016].
Mulyawan, Samsono, dan Setiawardhana. Tanpa tahun. Identifikasi dan Tracking
Objek Berbasis Image Processing Secara Real Time.
http://repo.pens.ac.id/1324/1/Paper_TA_MBAH.pdf [1 Desember 2016].
Munir, R. Tanpa tahun. Pengantar Pengolahan Citra.
http://amutiara.staff.gunadarma.ac.id/Downloads/files/39981/Bab
1_Pengantar+Pengolahan+Citra.pdf [1 Desember 2016].

Mutiara, A. Tanpa tahun. Pengantar Pengolahan Citra.


http://amutiara.staff.gunadarma.ac.id/Downloads/files/39981/Bab
1_Pengantar+Pengolahan+Citra.pdf [1 Desember 2016].
23

LAMPIRAN