Anda di halaman 1dari 20

1

BAB 1. PENDAHULUAN

1.1 Latar Belakang


Dalam perkembangan teknologi, pengolahan citra semakin meluas dengan
adanya aplikasi pengolahan citra. Aplikasi pengolahan citra mempermudah
penggunanya dalam pengenalan pola yang berperan dalam memisahkan objek dari
latar belakang secara otomatis. Selanjutnya, objek akan diproses oleh
pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali
bentuk-bentuk khusus yang dilihat oleh mesin sehingga mempermudah dalam
mengenali suatu objek.
Dengan demikian aplikasi pengolahan citra berperan penting di berbagai
aspek. Selain mempermudah penngunanya juga dapat meningkatkan kinerja
dalam tugas-tugas yang dikerjakan khususnya dalam pengolahan citra. Aplikasi-
aplikasi pengolahan citra tersebut sesungguhnya menggunakan prinsip dasar
dalam pengolahan citra seperti peningkatan kecerahan dan kontras, penghilang
derau pada citra, dan pencarian bentuk objek.

1.2 Rumusan Masalah


Berdasarkan latar belakang diatas, rumusan masalah pada laporan praktikum
ini adalah sebagai berikut:
1. Bagaimana cara menggunakan alat image aquisition pada proses pengolahan
citra jeruk nipis?
2. Bagaimana cara menentukan thresholding background (segmentasi area dan
background) pada pengolahan citra jeruk nipis?
3. Bagaimana cara membuat program pengolahan citra untuk mengekstraksi jeruk
nipis menjadi citra biner?
4. Bagaimana analisis warna RGB dan HSI pada pengolahan citra jeruk nipis?

1.3 Tujuan dan Manfaat


1.3.1 Tujuan
Tujuan yang dicapai dalam pembuatan laporan hasil praktikum ini adalah:
2

1. Memahami bagaimana cara penggunaan alat image aquisision dalam


pengolahan citra digital pada jeruk nipis.
2. Mengetahui segmentasi area dan background juga analaisis warna RGB
dan HIS pada pengolahan citra jeruk nipis
3. Memahami penggunaan pengolahan citra jeruk nipis.
1.3.2 Manfaat
Manfaat dari penyususnan laporan hasil praktikum ini adalah, mahasiswa
mampu mengetahui dan memahami bagaimana cara pengolahan mutu suatu
produk hasil pertanian dengan menggunakan pengolahan citra digital
menggunakan gambar (citra) dari hasil produk tersebut.

BAB 2. TINJAUAN PUSTAKA

2.1 Buah Jeruk Nipis


3

Jeruk Nipis (Lat Citrus aurantifolia; Famili: Rutaceae) merupakan jenis


tumbuhan yang masuk kedalam suku jeruk-jerukan, tersebar diIndia, Mexico,
dan Florida dikenal juga sebagai jeruk pecel. Pohon jeruk nipis dapat mencapai
tinggi 3—6 meter, bercabang banyak dan berduri, daun lonjong, tangkai daun
bersayap kecil. Perbungaan muncul dari ketiak daun dan bunga kecil, putih berbau
harum. Buah bulat sampai bulat telur, berwarna hijau sampai kuning dan kulit
buah tipis mengandung banyak minyak atsiri.
Daging buah berwarna putih kehijauan, sangat asam, mengandung banyak
vitamin C dan asam sitrat. Biji banyak, kecil, bersifat poliembrioni.
DiIndonesia dapat hidup di dataran rendah sampai ketinggian 1000 m dari
permukaan laut. Tumbuh baik di tanah alkali, di tempat-tempat yang terkena sinar
matahari langsung.
Perbanyakan dengan biji, okulasi atau cangkok. Buah digunakan untuk
membuat minuman, obat batuk dan penyedap masakan dan juga sering dipakai
untuk menghilangkan karatan dan mencuci rambut.
2.2 Citra Digital
Secara harfiah, citra (gambar) adalah gambar pada dua dimensi. Ditinjau
dari sudut pandang matematis, citra merupakan fungsi menerus dari intensitas
cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek
memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini
ditangkap oleh oleh alat-alat optik, misalnya mata pada manusia, kamera,
pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra
tersebut terekam (Mutiara, Tanpa Tahun).
Citra merupakan suatu representasi (gambaran), kemiripan, atau imitasi dari
suatu objek. Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang
bersifat digital. Citra analog adalah citra yang bersifat kontinu seperti gambar
pada monitor televisi, foto sinar X, hasil CT Scan dll. Sedangkan pada citra digital
adalah citra yang dapat diolah oleh komputer (Seftiani, AR: 2012).

2.3 Pengolahan Citra


4

Pengolahan citra merupakan pemrosesan citra, khususnya dengan


menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Umumnya,
operasi-operasi pada pengolahan citra diterapkan pada citra bila perbaikan atau
memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau
untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra,
elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur, sebagian
citra perlu digabung dengan bagian citra yang lain.
Pengolahan Citra bertujuan memperbaiki kualitas citra agar mudah
diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik
pengolahan citra mentransformasikan citra menjadi citra lain. Jadi, masukannya
adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas
lebih baik daripada citra masukan. Termasuk ke dalam bidang ini juga adalah
pemampatan citra (Mutiara, Tanpa Tahun).

2.4 Pengolahan Warna


Pengolahan citra digital saat ini banyak digunakan sebagai obyek penelitian.
Obyek-obyek dalam pemandangan memantulkan cahaya dengan intensitas
tertentu dan citra yang terbentuk dari hasil penangkapan pantulan intensitas
mempunyai nilai yang menggambarkan tingkat warna dalam setiap piksel
penyusunnya. Pantulan cahaya dari obyek-obyek dalam pemandangan
sesungguhnya mengandung spektrum beberapa panjang gelombang dan citra yang
terbentuk dari hasil penangkapan pantulan intensitas dapat menyertakan beberapa
panjang gelombang yang disebut dengan saluran (channel). Panjang gelombang
yang dapat direspon oleh mata manusia berkisar dari 400 nm (biru) sampai 700
nm (merah) atau biasa disebut dengan istilah cahaya tampak (visible spectrum)
(Hariyanto, D: Tanpa Tahun).
Bagian dari pengolahan citra adalah dengan menggunakan pengolahan
berdasarkan warna. Analisis warna dalam pengenalan citra digital ini diantaranya
yaitu, model RGB dan HSI.
2.4.1 RGB
5

RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru,
digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna
dasar, misalnya merah, dapat diberi rentang nilai. Untuk monitor komputer, nilai
rentangnya paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini
didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh
mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x
256 x 256 = 1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai
sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika,
koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x,
komponen-y dan komponen-z (Utami, AS: 2011).
Pengolahan warna menggunakan model RGB dilakukan dengan cara
membaca nilai-nilai R, G, dan B pada suatu piksel, menampilkan dan menafsirkan
warna hasil perhitunga n sehingga mempunyai arti sesuai dengan yang diinginkan.
Salah satu cara yang mudah untuk menghitung nilai warna dan menafsirkan
hasilnya dalam model warna RGB adalah dengan melakukan normalisasi terhadap
ketiga komponen warna tersebut. Cara melakukan normalisasi adalah sebagai
berikut :

Nilai warna hasil normalisasi ditafsirkan dengan melihat besarannya. Bila


ketiga komponen warna yang telah dinormalkan, masing- masing menjadi indeks
warna merah (r), indeks warna hijau (g), dan indeks warna biru (b) mempunyai
nilai yang sama (1/3), maka obyek tidak berwarna. Bila r lebih besar dari pada g
dan b, maka obyek berwarna merah, dan seterusnya. Dapat disimpulkan bahwa
dominasi warna dapat dilihat dari besaran nilai tiap indeks (Hariyanto, D: Tanpa
Tahun).
2.4.2 HSI
6

Selain RGB, warna juga dapat dimodelkan berdasarkan atribut warnanya.


Setiap warna memiliki 3 buah atribut, yaitu hue (H), saturation (S), dan intensity
(I).
a. Intensity/brightness/luminance
Atribut yang menyatakan banyaknya cahaya yang diterima oleh mata tanpa
mempedulikan warna. Kisaran nilainya adalah antara gelap (hitam) dan terang
(putih).
b. Hue
Menyatakan warna sebenarnya, seperti merah, violet, dan kuning. Hue
digunakan untuk membedakan warna-warna dan menentukan kemerahan
(redness), kehijauan (greenness), dsb dari cahaya. Hue berasosiasi dengan panjang
gelombang cahaya, dan bila menyebut warna merah, violet, atau kuning,
sebenarnya menspesifikasikan nilai hue-nya.
c. Saturation
Menyatakan tingkat kemurnian warna cahaya, yaitu mengindikasikan
seberapa banyak warna putih diberikan pada warna.
Model warna HSI menampilkan warna dalam besaran-besaran corak,
saturasi, dan intensitas. Intensitas adalah nilai abu-abu dari piksel dalam citra abu-
abu. Segitiga HSI menampilkan kombinasi dari corak dan saturasi yang
ditampilkan dari kombinasi warna pokok RGB. Sudut-sudut segitiga
berkorespondensi dengan nilai maksimum dari warna-warna pokok (merah, hijau,
biru) yang tersedia dalam komputer grafik. Piksel-piksel akromasitis (tidak
mengandung warna) adalah bayangan abu-abu, berkorespondensi dengan jumlah
ketiga warna pokok yang sama dan terletak di pusat segitiga (Hariyanto, D Tanpa
Tahun).

2.5 Segmentasi Citra


Segmentasi adalah sebuah proses pembagian sebuah citra menjadi daerah-
daerah berdasarkan sifat-sifat tertentu. Segmentasi pada HIS Color Space yaitu
warna yang ditampilkan dalam HIS ditampilkan dalam corak (Hue), tingkat
7

kejenuhan (Saturation) yang dipakai sebagai pelindung/pembatas gambar akan


digunakan untuk memisahkan daerah-daerah yang sesuai dengan corak, intensitas
(intensity). Untuk segmentasi warna, intensitas (intensity) adalah komponen yang
paling jarang digunakan karena tidak mempunyai informasi warna.
Segmentasi pada RGB vector space merupakan segmentasi dengan
menggunakan RGB lebih baik dari pada dengan HIS, karena informasi warna
dalam komputer sudah dikemas dalam bentuk yang sama. Dalam RGB kedekatan
antara dua warna dapat dianggap seperti jarak antara dua buah titik, sehingga
dapat dihitung dengan menggunakan Euclidean. Dengan menggunakan
pendekatan RGB color vector hasil yang didapatkan lebih akurat dan daerah yang
dihasilkan hampir mendekati daerah aslinya daripada dengan menggunakan HSI
(Lutfiani: 2007).

BAB 3. METODOLOGI

3.1 Waktu dan Tempat


8

Waktu praktikum sistem informasi pertanian dilakukan pada hari kamis di


bulan mei 2016 bertempat di laboratorium Instrumentasi Jurusan Teknik Pertanian
Fakultas Teknologi Pertanian Universitas Jember.

3.2 Alat dan Bahan


3.2.1 Alat
Alat yang digunakan dalam praktikum kali ini adalah sebagai berikut.
a. Perangkat Komputer (PC) sebagai perangkat keras pengolahan data citra;
b. Sebuah paket kamera CCD digital DFK 31 BU04.H dari The Image
Source yang menggunakan standar perantara USB sebagai pengambil
citra objek;
c. Perangkat penyinaran dengan sumber cahaya TL 5 Watt yang dibuah
sesuai keperluan dan reintegrasi dengan stasiun pengambilan citra;
d. Kain berwarna putih sebagai background;
e. Software Sharp Develop 4.1, IC Capture 2.2, Ms. Excel, dan Jasc Paint
Shop Pro 9 .
3.2.2 Bahan
Bahan yang digunakan dalam praktikum pengolahahn citra digital adalah 30
buah jeruk nipis
3.3 Prosedur Kerja
Berikut merupakan prosedur kerja dari praktikum pengolahan citra digital
buah jeruk nipis
9

Diagram 3.1 prosedur kerja praktikum pengolahan citra digital buah jeruk
nipis.
3.3.1 Penjelasan prosedur kerja
Berikut merupakan penjelasan dari masing-masing langkah kerja.
1. Persiapan Sampel
Jeruk nipis yang digunakan dalam praktikum merupakan buah dengan
kualitas Super, A, B dan Reject. Total keseluruhan sampel yang digunakan yaitu
sebanyak 30 buah.
2. Image Aquisition
Proses image aquisition dilakukan dengan tujuan agar citra pada jeruk nipis
memiliki warna menyerupai obyek asli, bebas dari bayangan dan pantulan cahaya
akibat lampu. Berikut merupakan langkah-langkah dalam tahapan image
aquisition.
1. Menentukan jarak antara kamera dengan obyek.
2. Menentukan jarak antar lampu.
3. Menentukan nilai saturation dan hue pada program IC Capture.
3. Pengambilan Citra Buah Jeruk nipis
Berikut merupakan langkah kerja pengambilan citra buah jeruk nipis.
10

1. Meletakkan sampel buah jeruk nipis diatas kain berwarna putih sebagai
background dan dibawah kamera CCD dengan ketinggian dan sudut
didapat dari tahapan image aquisition.
2. Merekam citra dalam format RGB dengan program IC Capture dari TIS.
3. Menyimpan file dengan format bmp.
4. Mengulangi langkah 1-3 untuk sampel berikutnya sampai semua sampel
terekam.
4. Pembuatan Program dan Ekstraksi Variabel Mutu Citra
Berikut merupakan langkah-langkah ekstraksi citra.
1. Membuat program image processing dengan software Sharp Develop 4.2.
2. Membuka file citra nomer 1.
3. Melakukan perbaikan citra yaitu pada tingkat kecerahan dan reduksi
noise.
4. Menentukan area cacat jeruk nipis dengan fungsi threshold kemudian
dilanjutkan dengan fungsi morfologi.
5. Melakukan kalkulasi ukuran obyek pada citra biner dengan
menggunakan fungsi analisis citra biner.
6. Menentukan model warna RGB dan HSI.
7. Mengulangi langkah 2-7 untuk file berikutnya hingga semua file
terekstraksi.

BAB 4. HASIL DAN PEMBAHASAN

4.1 Image Acquisition


Proses image aquisition dilakukan dengan tujuan agar citra pada jeruk nipis
memiliki warna menyerupai obyek asli, bebas dari bayangan dan pantulan cahaya
akibat lampu. Pada praktikum kali ini diketahui tinggi lampu yang digunakan
11

yaitu 43 cm, tinggi kamera 28 cm, jarak antar lampu yaitu 11 cm x 20 cm, dan
jarak kamera yaitu 29 cm. Sedangkan ukuran frame yang digunakan pada saat
pengambilan citra yaitu 15,5 cm x 86 cm. Berikut merupakan langkah-langkah
dalam tahapan image aquisition.
1. Menentukan jarak antara kamera dengan obyek. Jarak yang digunakan
disesuaikan dengan ukuran jeruk nipis.
2. Menentukan jarak antar lampu. Hal ini dilakukan untuk meminimalkan
bayangan dari obyek.
3. Menentukan nilai saturation dan hue pada program IC Capture dengan
nilai saturation sebesar dan hue sebesar

Gambar 4.1 Alat Image Aquisision


4.2 Segmentasi Area dan Background
12

Gambar 4.2 Sebaran nilai RGB pembentuk obyek dan Baground


Berdasarkan gambar 4.2 di atas, grafik sebaran nilai RGB antara obyek
dan baground, nilai batas yang dapat membedakan antara obyek dan baground
terdapat pada parameter warna R lebih dari 52, G lebih dari 81, dan B lebih dari
32, sehingga fungsi threshold bagroundyaitu jika gambar original memiliki nilai R
> 52 AND G > 81 AND B > 32 maka tampilan citra biner obyek menjadi berwarna
hitam. Selain itu, tampilan citra biner obyek menjadi berwarna putih.
4.3 Program Pengolahan Citra
Pada praktikum pengolahan citra jeruk nipis untuk mendapatkan variable
mutu citra dan penentuan nilai batas tiap kelas mutu jeruk nipis menggunakan
software aplikasi Sharp Develope 4.1 berikut merupkan tampilan dari program
aplikasi pengolah citra menggunakan software aplikasi Sharp Develop 4.1
13

Gambar 4.3. Tampilan program pengolahan citra jeruk nipis.


Berikut penjelasan dari masing-masing komponen yang terdapat dalam
pengolahan citra diatas.
Tabel 4.3 Fungsi dari masing-masing komponen pengolahan citra
Menu
Sub-Menu Fungsi
Utama
Buka File Membuka file citra dan menampilkan dilayar komputer
File Simpan File Meyimpan citra biner hasil pengolahan
Exit Keluar dari program
Tingkat Melakukan manipulasi citra dengan meningkatkan
Perbaikan Kecerahan kecerahannya
Citra Reduksi Memperbaiki kualitas citra dengan melemahkan
Noise atau menghapus noise
Binerisasi Thresholding Menghasilkan citra biner dari citra warna
Merah berdasarkan sinyal merah
Thresholding Menghasilkan citra biner dari citra warna
Hijau berdasarkan sinyal hijau
Thresholding Menghasilkan citra biner dari citra warna
Biru berdasarkan sinyal biru
14

Thresholding Menghasilkan citra biner dari citra warna


Grayscale berdasarkan nilai rata-rata ketiga sinyal
Mengikis obyek sebanyak satu lapis piksel untuk
Erosi
membersihkan noise kecil
Memperbesar obyek sebanyak satu lapis piksel
Dilasi
untuk mengembalikan ukuran
Mengikis obyek sebanyak satu lapis piksel untuk
Morfologi
Opening membersihkan noise kecil sambil menjaga ukuran
obyek
Menutup celah besar satu lapis piksel untuk
Closing menutup lubang-lubang kecil pada obyek sambil
menjaga ukurannya
Analisis Ukuran Melakukan kalkulasi ukuran obyek pada citra
Citra Biner Obyek biner
Model Menganalisa warna obyek menggunakan model
Analisis Warna RGB warna RGB
warna Model Menganalisa warna obyek menggunakan model
Warna HSI warna HIS
Memberikan informasi tentang progra-program yang
Keterangan Program
kita buat kepada pengguna

4.4 Analisis Warna RGB


15

Model warna RGB (red, green, blue) merupakan suatu model warna yang
didasarkan pada pembentukan warna melalui kombinasi warna merah, hijau dan
biru untuk mempresentasikan suatu warna. Berikut merupakan grafik analisis
warna RGB.

Gambar 4.4 Grafik Analisis Warna RGB pada jeruk nipis


Dari grafik diatas dapat diketahui bahwa nilai (R) pada jeruk nipis yaitu
0.335, nilai (G) pada jeruk nipis yaitu 0.56 dan nilai (B) pada jeruk nipis yaitu
0.23. dari ketiga nilai batas yang didapat maka dari ketiga nilai RGB pada jeruk
nipis tidak ada yang tumpang tindih. Sehingga formula untuk masing-masing
warna yaitu jika original image R > 0.335; G > 0.56 dan B > 0.23 maka tampilan
citra biner obyek akan diubah menjadi warna hitam.
4.5 Analisis Warna HIS
Model warna HSI menampilkan warna dalam besaran-besaran corak,
saturasi, dan intensitas. Berikut merupakan grafik analisis warna HSI.
16

Grafik 4.5 Analisis


Warna HSI pada
pengolahan citra jeruk
nipis
Berdasarkan
grafik diatas diketahui
nilai (H) pada jeruk
nipis yaitu 41.43 nilai
(S) pada jeruk nipis
yaitu 0.51 dan nilai (I)
pada jeruk nipis yaitu
50. Hue (H) menyatakan
warna sebenarnya yaitu merah dan digunakan untuk membedakan warna-warna
dan menentukan kemerahan (redness) dari cahaya. Saturation (S) menyatakan
tingkat kemurnian warna cahaya, yaitu mengindikasikan seberapa banyak warna
putih diberikan pada warna. Intensity (I) menetukan banyaknya cahaya yang
diterima oleh mata tanpa mempedulikan warna. Kisaran nilainya adalah antara
gelap (hitam) dan terang (putih).

BAB 5. KESIMPULAN
Berdasarkan hasil pembahasan yang telah dilakukan diketahui bahwa citra
suatu obyek data digunakan untuk menentukan kualitas mutu suatu obyek yaitu
jeruk nipis, dari hasil pengolahan citra digital jeruk nipis didapatkan batas batas
nilai segmentasi background dan obyek, analisis warna RGB dan warna HSI dari
citra jeruk nipis.
17

DAFTAR PUSTAKA

Arifin, K. 2011. Botani Tanaman. USU: Sumatra Utara.


repository.usu.ac.id/bitstream/123456789/22308/4/Chapter%20II.pdf [24
Mei 2016].
Hariyanto, D. Tanpa Tahun. Studi Penentuan Nilai Resistor Menggunakan Seleksi
Warna Model Hsi Pada Citra 2d. UNY Karangmalang: Yogyakarta.
Lutfiani. 2007. Segmentasi Warna.
https://luphi.wordpress.com/2007/09/08/segmentasi-warna/pdf. [23 Mei
2016].
Mutiara. Tanpa Tahun. Pengolahan Citra Digital.
amutiara.staff.gunadarma.ac.id/Downloads/.../Bab1_Pengantar+Pengolahan
+Cita.pdf. [23 Mei 2016].
Seftiani, AR. 2012. Citra Digital. USU: Sumatra Utara.
repository.usu.ac.id/bitstream/123456789/31325/4/Chapter%20II.pdf [23
Mei 2016].
Utami, AS. 2011. Citra Digital. USU: Sumatra Utara.
repository.usu.ac.id/bitstream/123456789/28014/4/Chapter%20II.pdf [23
Mei 2016].

LAMPIRAN
Tabel 1.1 nilai RGB pada obyek dan bacground citra jeruk nipis
R G B
Object Background Object Background Object Background
18

23 149 37 140 25 147


24 113 44 113 17 109
15 109 40 109 4 109
21 121 50 118 17 112
41 100 81 110 28 99
21 142 32 136 13 150
19 149 44 146 12 140
25 132 52 130 7 138
16 138 36 135 9 148
37 147 47 141 32 155
52 153 81 140 20 148
17 143 48 141 2 149
17 156 41 138 2 151
15 141 35 145 5 144
21 148 32 145 13 142
27 143 49 146 6 149
33 132 61 139 8 144
39 147 76 135 19 135
17 145 48 136 2 143
16 139 41 144 5 138
23 138 30 134 8 136
21 134 28 134 6 136
27 118 54 131 9 127
35 135 66 135 19 135
29 155 60 148 13 143

Table 1.2 nilai RGB pada pengolahan citra jeruk nipis


R G B
0.270589 0.54305 0.186381
0.309204 0.460906 0.229993
0.311959 0.529885 0.158145
0.294946 0.564914 0.140168
0.296267 0.540313 0.163457
0.303432 0.552503 0.144079
0.306263 0.571937 0.121813
0.276424 0.49687 0.226722
0.298878 0.582315 0.118817
0.288576 0.554848 0.156617
19

0.308891 0.561205 0.1299


0.287295 0.533492 0.179212
0.273964 0.520019 0.206052
0.306658 0.538053 0.155313
0.28635 0.555359 0.158323
0.282378 0.535814 0.181829
0.328801 0.551405 0.119816
0.267368 0.534328 0.198284
0.315813 0.575152 0.109012
0.309164 0.558738 0.132096
0.295145 0.491728 0.213107
0.33529 0.565532 0.099193
0.276948 0.53581 0.187248
0.304042 0.569421 0.126537
0.302752 0.542696 0.154544
0.288509 0.575526 0.135959
0.295102 0.550091 0.154821
0.283545 0.484006 0.232494
0.294233 0.552399 0.153366
0.288594 0.548166 0.163281

Tabel 1.3 Nilai HSI pada pengolahan citra jeruk nipis


H S I
18.72614 0.447442 30
15.37996 0.492607 33
13.68013 0.604565 36
16.39299 0.583235 38
9.582187 0.542005 32
24.3397 0.575998 43
16.41925 0.640656 39
28.11172 0.382207 26
15.78652 0.647276 41
18.96636 0.535183 40
18.78989 0.614914 41
22.44905 0.469252 39
31.09683 0.394428 33
34.13249 0.546009 47
22.35442 0.530364 41
24.06161 0.456812 40
28.0744 0.633506 50
21.7989 0.415089 27
18.02305 0.676679 45
20

25.45405 0.612184 45
41.43923 0.353402 50
16.70202 0.707187 43
26.99413 0.448567 40
20.94196 0.625601 44
29.8302 0.546479 45
13.92065 0.596271 36
24.66903 0.541362 42
29.1358 0.343977 28
24.09234 0.546856 40
23.50029 0.515921 41