Anda di halaman 1dari 4

KALIBRASI NILAI PENGUKURAN PARAMETER WARNA DARI MACHINE VISION SYSTEM DENGAN

COLORMETER PADA TOMAT


FEBRIAN EKA NANDA
Universitas Gadjah Mada, 2013 | Diunduh dari http://etd.repository.ugm.ac.id/

BAB I

PENDAHULUAN

1.1. Latar Belakang

Warna dan penampilan merupakan kriteria penting dalam

penerimaan suatu makanan oleh konsumen, serta mempengaruhi rasa dan

keputusan untuk memilih, membeli, dan memakan makanan tersebut

(Luzuriaga & Balaban, 2002). Tomat merupakan salah satu produk

pertanian yang banyak diminati konsumen. Dalam pemilihan kualitas tomat

yang baik, konsumen kebanyakan melihat dari warna kulit karena

menandakan bahwa tomat tersebut sudah matang (Barrett & Anthon, 2008).

Penentuan warna dapat dilakukan dengan pemeriksaan visual oleh

manusia atau dengan menggunakan alat ukur warna. Meskipun pengamatan

mata manusia cukup handal bahkan saat ada perubahan pencahayaan,

penentuan warna oleh manusia cenderung subyektif dan sangat bervariasi

antara satu pengamat dengan pengamat yang lain. Untuk meningkatkan

obyektivitas, standar warna misalnya Colorchart sering digunakan, namun

metode ini lambat dan membutuhkan keahlian khusus bagi penggunanya.

Dengan alasan tersebut penggunaan instrumen pengukur warna menjadi

lebih efektif (Leo´n, dkk., 2006).

Penggunaan alat pengukur warna ada berbagai macam, seperti

Colormeter atau colorimeter, digital camera, color chart, chromameter,

Computer Vision System, dan lain sebagainya. Akan tetapi yang umum

1
KALIBRASI NILAI PENGUKURAN PARAMETER WARNA DARI MACHINE VISION SYSTEM DENGAN
COLORMETER PADA TOMAT
FEBRIAN EKA NANDA
Universitas Gadjah Mada, 2013 | Diunduh dari http://etd.repository.ugm.ac.id/

digunakan adalah Colormeter atau colorimeter. Afshari-Jouybari &

Farahnaky (2011) mengamati perubahan warna Mazafati date selama proses

pemasakan menggunakan Photoshop dan HunterLab dalam pengolahan

citra. Dalam penelitian ini, dikatakan bahwa Photoshop dan HunterLab

hanya digunakan sebatas membandingkan nilai warna relatif suatu makanan,

akan tetapi kedua instrumen tersebut dapat digunakan untuk melihat nilai

warna absolut suatu pangan atau non-pangan dengan cara memodifikasi data

dan memasukan data ke dalam persamaan tertentu. Kedua instrumen

tersebut hanya membutuhkan cara yang sederhana dan membutuhkan biaya

yang murah, tetapi memiliki akurasi nilai yang lebih rendah dibanding

dengan instrumen yang dibuat oleh pabrik.

Dalam penelitian lain, Pedreschi, dkk. (2006) melakukan

pengamatan terhadap proses penggorengan keripik kentang menggunakan

computer vision system. Penggunaan CVS dinilai lebih praktis, cepat dan

mudah karena instrumen tersebut hanya menunjukkan nilai warna dari

bagian permukaan keripik kentang yang diinginkan.

Penelitian lainnya dengan menggunakan CCD camera beresolusi

rendah dan bantuan program MATLAB menjelaskan bahwa hanya dengan

melihat nilai RGB dan metode pengolahan citra sudah bisa

mengklasifikasikan tingkat kematangan tomat (Gejima, dkk., 2004).

Metode yang paling umum digunakan adalah colorimeter atau

chrommameter. Teknik ini populer karena mudah digunakan meskipun

mempunyai kelemahan karena hanya dapat menentukan warna dari suatu

2
KALIBRASI NILAI PENGUKURAN PARAMETER WARNA DARI MACHINE VISION SYSTEM DENGAN
COLORMETER PADA TOMAT
FEBRIAN EKA NANDA
Universitas Gadjah Mada, 2013 | Diunduh dari http://etd.repository.ugm.ac.id/

titik dari keseluruhan permukaan produk, sehingga teknik ini lebih cocok

untuk menentukan warna pada produk dengan warna homogen, sedangkan

untuk sampel dengan permukaan warna heterogen diperlukan banyak titik

(Kang, dkk., 2008). Pengukuran dengan metode ini membutuhkan waktu

yang lebih lama.

Terdapat beberapa format untuk menjelaskan warna, antara lain Red-

Green-Blue (RGB), L.a.b, Cyan-Magenta-Yellow-Black (CMYK), dan Hue

Saturation Value (HSV). Setiap alat pengukur warna menyediakan model

warna yang akan dipakai oleh pengamat, seperti pada Photoshop yang

menyediakan RGB dan CMYK (Afshari-Jouybari & Farahnaky, 2011).

Suatu CVS telah dikembangkan yang dapat menentukan nilai warna

RGB pada suatu permukaan obyek dua dimensi (Masithoh, dkk., 2011).

Nilai RGB dari CVS ini telah dibuktikan tidak berbeda nyata dengan nilai

RGB yang dihasilkan oleh Photoshop dengan menggunakan citra atau

gambar yang sama. Meskipun demikian pada CVS tersebut belum pernah

dilakukan kalibrasi dengan alat ukur warna yang lainnya seperti Colormeter.

Oleh karena itu pada penelitian ini akan dilakukan pengukuran

warna sampel tomat dengan menggunakan CVS dan menggunakan

Colormeter, karena Colormeter dianggap sebagai instrumen pengukur

warna yang standar karena dibuat oleh pabrik dan sudah ada hasil

perhitungan yang ada didalam sistem yang ada pada instrumen tersebut

untuk melihat nilai warna sample. Dari hasil pengukuran nilai warna dari

kedua instrumen tersebut pada akhirnya dibuat suatu persamaan kalibrasi

3
KALIBRASI NILAI PENGUKURAN PARAMETER WARNA DARI MACHINE VISION SYSTEM DENGAN
COLORMETER PADA TOMAT
FEBRIAN EKA NANDA
Universitas Gadjah Mada, 2013 | Diunduh dari http://etd.repository.ugm.ac.id/

antara nilai keduanya sehingga nilai warna yang dihasilkan oleh CVS yang

dikembangkan memiliki nilai yang sama atau mendekati dengan hasil dari

pengukuran Colormeter dengan menggunakan tomat sebagai sample.

1.2. Tujuan Penelitian

1. Menentukan komponen warna RGB tomat pada berbagai kelas

kemasakan dengan CVS.

2. Menentukan persamaan kalibrasi antara pengukuran CVS dengan

Colormeter.

3. Merancang interface program RGB tergkalibrasi untuk menentukan

nilai RGB terkalibrasi dari suatu produk.

1.3. Manfaat Penelitian

Penelitian ini diharapkan untuk mendapatkan program RGB

terkalibrasi yang nantinya bisa dipakai untuk mengukur nilai warna RGB

pada tomat baik yang dipakai dalam penelitian maupun sample tomat yang

baru dengan cara yang lebih mudah dan murah.

1.4. Batasan Masalah

Penelitian ini mengarah pada interface program RGB terkalibrasi yang

dibuat hanya diaplikasikan untuk membaca nilai warna pada sample tomat

yang berwarna hijau sampai tomat berwarna merah. Sample yang dipakai

dalam penelitian ini dilakukan masing-masing sebanyak 3 kali ulangan.

Anda mungkin juga menyukai