IDENTIFIKASI DAUN POHON LOHANSUNG BERDASARKAN CITRA

WARNA MENGGUNAKAN UNSUR GRAYSCALE PADA MATLAB

Indah Sakinah Hasibuan1, Maya Tamara2, Miranda Warni Siregar3, Vioni M

Sinulingga4

Program Studi Pendidikan Teknologi Informasi Dan Komputer

Jurusan Pendidikan Teknik Elektro
Fakultas Teknik Universitas Negeri Medan
e-Mail : indahsakinah123@gmail.com, mayatamara73@gmail.com,
mirandawarni@gmail.com, sinulinggavioni99@gmail.com

ABSTRAK

Dalam suatu citra, banyak informasi yang bisa didapat, dan informasi tersebut
dapat digunakan untuk menyederhanakan analisis citra, misalkan identifikasi objek dan
ekstraksi warna. Citra memiliki citra warna, salah satunya adalah citra warna model
RGB. Selain itu sebuah citra juga memiliki citra skala keabuan (grayscale) memiliki
unsur-unsur yang terdiri dari entropy, kontras, energi, homogenitas, skala keabuan dan
standar deviasi. Unsur-unsur citra RGB dan skala keabuan tersebut dapat mengenali atau
membedakan suatu objek berbentuk citra berdasarkan warnanya. Grayscale adalah
warna-warna piksel yang berada dalam rentang gradasi warna hitam dan putih, oleh
karena itu gambar grayscale hanya memiliki warna abu-abu dan tidak berwarna. Sebagai
alat bantu dalam mengolah citra, digunakan software MATLAB versi R2013a, karena
terdapat toolbox yang dapat mengolah objek untuk membantu dan mempermudah dalam
pengolahan warna dalam suatu objek.

Kata Kunci : Citra, warna RGB, skala keabuan

 I. PENDAHULUAN
Untuk mengenali suatu data yang terdapat pada gambar atau citra yang memiliki
bermacam-macam jenis, dapat digunakan metode pengolahan citra. Sistem visual manusia
dapat membedakan ratusan ribu shade warna dan intersitas, tetapi hanya 100 shade keabun.
Oleh sebab itu, dalam suatu citra, masih banyak informasi lainnya yang ada pada warna,
dan informasi tersebut juga dapat digunakan untuk menyederhanakan analisis citra,
misalkan identifikasi objek dan ekstraksi warna Citra memiliki citra warna, salah satunya
adalah citra warna model RGB, yaitu citra yang memiliki unsur warna merah, warna hijau
dan warna biru. Selain itu sebuah citra juga memiliki citra skala keabuan (grayscale)
memiliki unsur-unsur yang terdiri dari entropy, kontras, energi, homogenitas, skala
keabuan dan standar deviasi (Mathwork, 1999).
Pada jurnal ini, kami akan menggunakan daun pohon lohansung sebagai objek
pengolahan citra dengan menggunakan unsur Grayscale pada MATLAB R2013a.

1.1 Latar Belakang

Pohon lohansung adalah sebuah tanaman yang memiliki bentuk dan warna yang
cukup unik. Untuk mengetahui skala RGB dan skala keabuannya, maka citra daun pohon
lohansung tersebut diolah dengan menggunakan unsur-unsur yang terdapat pada aplikasi
MATLAB. Unsur citra warna ditambahkan dengan unsur citra skala keabuan dapat
dijadikan masukan untuk dapat membedakan suatu objek berbentuk citra berdasarkan
warnanya. Digunakannya skala keabuan dan unsur RGB karena kemampuannya untuk
meniru sifat sistem yang diinputkan. Selain itu karena RGB dan Grayscale merupakan
topik yang hangat dibicarakan dan mengundang banyak ketertarikan orang dalam
menerapkannya dalam berbagai macam aplikasi. Sebagai alat bantu dalam mengolah citra
dalam tulisan ini, digunakan software MATLAB versi R2013a, karena dalam MATLAB
terdapat toolbox untuk mengolah citra yang sangat membantu dan mempermudah dalam
pembuatan pengolahan citra. Dengan adanya pengolahan citra menggunakan coding-
coding di MATLAB maka dapat menghasilkan daun lohansung yang sudah diolah, dan
warna pada daun semula bisa berubah menjadi warna keabuan serta skalanya pada RGB
bisa di deteksi. Warna yang ada pada MATLAB hanya red, green dan blue (RGB) maka
dari itu warna daun hanya bisa berubah menjadi tiga macam warna saja setelah dilakukan
pendeteksian.
 1.2 Tujuan
Penelitian ini bertujuan untuk mengolah objek citra daun pohon lohansung dengan
menggunakan unsur-unsur RGB dan unsur Grayscale pada MATLAB R2013a.
1.3 Pendekatan Pemecahan Masalah
Pendekatan pemecahan masalah adalah pendekatan yang digunakan dalam
mempelajari suatu ilmu pengetahuan dengan maksud mengubah keadaan yang actual
menjadi suatu keadaan, seperti yang kita kehendaki dengan memperhatikan prosedur
pemecahan yang sistematis. Seperti yang dikemukakan oleh Polya, prosedur pemecahan
masalah ada empat langkah yaitu Memahami masalah, Membuat rencana untuk
menyelesaikan masalah, Melaksanakan rencana yang dibuat pada langkah kedua,
Memeriksa ulang jawaban yang diperoleh. Dengan mengembangkan pembelajaran
pemecahan masalah, peserta didik dapat mengembangkan sikap kritis dan ilmiah.
Ada beberapa cara yang bisa dilakukan untuk memperoleh gambar daun pohon
lohansung dengan menggunakan matlab.

II. KAJIAN TEORI

a. Komponen Citra Digital
Setiap citra digital memiliki beberapa karakteristik, antara lain ukuran citra, resolusi
dan format nilainya. Umumnya citra digital berbentuk persegi panjang yang memiliki lebar
dan tinggi tertentu. Ukuran ini biasanya dinyatakan dalam banyaknya titik atau pixel,
sehingga ukuran citra selalu bernilai bulat. Komputer dapat mengolah isyarat-isyarat
elektronika digital yang merupakan kumpulan sinyal biner (bernilai 0 atau 1). Untuk itu,
citra digital harus mempunyai format tertentu yang sesuai sehingga dapat
mempresentasikan obyek pencitraan dalam bentuk kombinasi data biner. Pada umumnya
untuk penampilan secara visual, nilai data digital tersebut mempresentasikan warna dari
citra yang diolah, dengan demikian format citra yang digital berhubungan erat dengan
warna. Format citra digital yang banyak dipakai adalah citra biner, skala keabuan (grey
scale), warna dan warna berindeks.

b. Citra Skala Keabuan (Grayscale)

Bagian ini melibatkan matriks korelasi kejadian (co-accurrence matrix) dari sebuah
citra. Co-occurrence matrix bertujuan menganalisa pasangan pixel yang bersebelahan
secara horizontal. Pada objek citra gray-level, matriks ini disebut GLCM (Gray-level co-
occurrence). Jika objek berupa citra biner, maka akan terbentuk matriks GLCM 2 levels (2
x 2). Sedangkan jika objek berupa citra intensitas, maka akan terbentuk matriks GLCM 8
levels ( 8 x 8) (Mathwork, 1999).
Unsur-unsur gray-level dalam citra berikut ini dapat digunakan untuk membedakan
suatu objek citra, yaitu :
1. Energi
Digunakan untuk mengukur konsentrasi pasangan gray level. Nilai ini didapat
dengan memangkatkan setiap elemen dalam GLCM, kemudian dijumlahkan.
2. Kontras
Menyatakan sebarang terang (lightness) dan gelap (darkness) di dalam sebuah
gambar. Berfungsi untuk mengukur perbedaan lokal dalam citra.
3. Homogenitas
Berfungsi untuk mengukur kehomogenan variasi gray level lokal dalam citra.
4. Entropy
Berfungsi untuk mengukur keteracakan dari distribusi perbedaan lokal dalam citra.
5. Derajat keabuan
Merupakan nilai ambang global dari grayscale (250 x 250 ).
6. Standar deviasi
Merupakan nilai standar deviasi dari citra grayscale.

c. Citra Warna (True Color)

Pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan
kombinasi dari 3 warna dasar, masing-masing warna diarahkan ke salah satu standard
hardware tertentu (RGB, CMY,YIQ), atau aplikasi pengolahan citra (HSI). Penelitian
memperlihatkan bahwa kombinasi warna yang memberikan rentang warna yang paling
lebar adalah model warna RGB, yaitu merah, hijau dan biru (Munir, 2004). Format citra ini
sering disebut sebagai citra RGB (red-greenblue). Setiap warna dasar memiliki intensitas
sendiri dengan nilai maksimum 225 (8 bit), misalnya warna kuning merupakan kombinasi
warna merah dan hijau sehingga nilai RGB-nya adalah 255 255 0, sedangkan warna ungu
muda memiliki nilai RGB 150 0 150. Dengan demikian, setiap titik pada citra warna
membutuhkan data 3 byte. Jumlah kombinasi warna yang mungkin untuk citra adalah 224
atau lebih dari 16 juta warna atau bisa dianggap mencakup semua warna yang ada.
 d. Segmentasi Citra
Segmentasi citra adalah proses mempartisi citra menjadi beberapa segmen untuk
menemukan objek yang diminati. Ada beberapa teknik untuk melakukan segmentasi pada
gambar digital seperti grayscale, thresholding, clustering, edge detection, metode berbasis
histogram, dan lain lain. Dalam proyek ini, metode grayscale digunakan untuk segmentasi
daun pohon lohansung.
Citra masukan diubah menjadi ruang warna RGB dan ditunjukkan pada hijau.
Selanjutnya, gambar grayscale hijau diubah menjadi gambar grayscale dengan piksel daun
berwarna putih pekat dan piksel latar belakang berwarna hitam, seperti yang ditunjukkan
pada gambar berikut.

III. METODE
1. Pengumpulan Data
Data yang digunakan bersumber dari daun pohon lohansung di Kecamatan medan
tembung, untuk jenis daunnya ada beberapa ukuran dari daun yang kecil, sedang hingga
yang besar. Data yang dikumpulkan sebanyak 30 data berupa data tekstual yang digunakan
sebagai data training untuk mendapatkan pohon keputusan. Sedangkan data gambar daun
yang akan diakuisisi bersumber dari pohon lohansung yang diambil dengan kamera
smartphone 8 megapixel dengan mode manual. Data gambar diambil dengan rasio 1:1
berukuran 6 x 6 cm dengan latar belakang berwarna agar proses segmentasi atau
pemisahan objek dengan latar belakang lebih mudah seperti terlihat pada Gambar 1.

2. Akuisisi Data Citra Digital

 Data gambar digital daun pohon lohansung yang telah dikumpulkan untuk tahap
testing diproses menjadi data tekstual. Data yang diakuisisi adalah jumlah daun, nilai hijau,
nilai bersih, dan nilai utuh daun.
3. Segmentasi Citra Biner
Pertama dilakukan segmentasi citra biner. Tujuan segmentasi adalah mendapatkan
representasi sederhana dari suatu citra sehingga lebih mudah dalam pengolahannya
Segmentasi dilakukan dengan mengubah citra beras RGB (Red, Green, Blue) menjadi citra
grayscale terlebih dahulu. Perubahan citra RGB menjadi grayscale dilakukan dengan
persamaan berikut:

Setelah dikonversi menjadi data citra grayscale, kemudian dilakukan konversi ke

citra biner dengan threshold nilai tengah dari nilai keabuan pada citra. Setelah didapatkan
citra biner dilakukan segmentasi dengan memisahkan pixel berwarna hitam sebagai
background dan hijau sebagai objek. Untuk mempermudah analisa objek untuk tahap
selanjutnya, dilakukan pengambilan data letak koordinat setiap region objek yang
tersegmentasi.
4. Identifikasi Kualitas Daun
Proses identifikasi dilakukan dengan mengklasifikasi data daun ke dalam aturan-
aturan berdasarkan pohon keputusan ID3 pada proses training data. Input yang digunakan
untuk proses klasifikasi yaitu nilai hijau, nilai bersih dan nilai utuh dari gambar daun yang
telah diakuisisi sebelumnya. Output yang dihasilkan berupa hasil klasifikasi dari gambar
daun ke dalam 3 kelas yaitu baik, buruk, atau kurang

IV. PEMBAHASAN
Untuk mendapat hasil dari pembahasan yang telah dijelaskan diatas, maka berikut
langkah-langkah pengolahan citra dari objek yang telah kami siapkan yaitu daun pohon
lohansung.
1. Pertama-tama bukalah aplikasi Matlab pada PC/Laptop anda.
2. Setelah dibuka, maka akan muncul tampilan seperti berikut ini.
 3. Seperti tujuan kita sebelumnya yaitu untuk mengidentifikasi nilai RGB dan
Grayscale dari daun pohon lohansung, maka untuk memulai membuat sebuah pengolahan
citra kita harus menempatkan file/gambar kita yang berbentuk JPG pada lokasi aplikasi
matlab kita. Untuk mengetahui citra RGB dari objek kita, maka pada jendela comman
windows masukkanlah coding seperti berikut ini untuk pemanggilan gambar RGB nya.

Setelah coding tersebut dimasukkan, maka hasilnya akan tampil seperti gambar yang
dibawah ini.

Tampillah gambar dengan warna RGB yang dengan berbagai warna hijau.
4. Lalu untuk mendapatkan hasil Grayscale pada objek kita, lanjutkanlah coding
yang telah dibuat tadi dengan coding berikut ini.
Maka muncullah hasil citra nya seperti di bawah ini.

Tampillah citra objek daun pohon lohansung dengan tipe grayscale.

Dari proses pengolahan citra tersebut, maka kita dapat melihat hasil akhirnya berikut.

(a) (b)
Gambar. Mengkonversi Gambar (a) RGB Menjadi Gambar (b) Grayscale.
 Dengan kode program
>> RGB = imread('daun lohansung.jpg');
>> imshow(RGB)
>> I = rgb2gray(RGB);
>> imshow(I)

Pada pengubahan sebuah gambar menjadi grayscale dapat dilakukan dengan

cara mengambil semua pixel pada gambar kemudian warna tiap pixel akan diambil
informasi mengenai 3 warna dasar yaitu merah, biru dan hijau (melalui fungsi
warnatoRGB), ketiga warna dasar ini akan di jumlahkan kemudian
dibagi tiga sehingga didapat nilai rata-rata. Nilai rata-rata inilah yang akan dipakai
untuk memberikan warna pada pixelgambar sehingga warna menjadi grayscale, tiga warna
dasar dari sebuah pixel akan diset menjadi nilai rata-rata (melalui fungsi RGBtowarna)

Analisa Hasil pengujian

Pada gambar terlihat bahwa nilai grayscale sangat berpengaruh dalam hal ini.
Analisis perbandingan citra menggunakan RGB menunjukan bahwa dengan menggunakan
transformasi ruang warna rgb saja sudah cukup untuk mendapatkan hasil yang baik.

IV. SIMPULAN
Penggunaan unsur-unsur citra warna model RGB yang terdiri dari warna merah,
hijau dan biru ditambah citra skala keabuan (grayscale) memiliki unsur-unsur yang terdiri
dari entropy, kontras, energi, homogenitas, skala keabuan dan standar deviasi. Dapat dapat
digunakan untuk mengenali atau membedakan suatu objek berbentuk citra berdasarkan
warnanya. Penggunaan software MATLAB sangat membantu dan mempermudah dalam
pembuatan sistem ini. Untuk mempercantik program aplikasi, dapat digunakan GUI
(Graphic User Interface) yang sudah disediakan oleh MATLAB.
 DAFTAR PUSTAKA

[1] Kusumanto, R., & Tompunu, A. N. (2011). Pengolahan Citra Digital Untuk Mendeteksi
Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB. Seminar Nasional
Teknologi Informasi & Komunikasi Terapan.
[2] Iqbal, Muhammad. 2005. Dasar Pengolahan Citra Menggunakan MATLAB. IPB 2005.
[3] Krisnawati. 2009. Transformasi Citra Menggunakan MATLAB. Jurnal.
[4] Mauridhi Hery Purnomo and Arif Muntasa, Konsep Pengolahan Citra Digital dan
Ekstraksi Fitur. Yogyakarta: Graha Ilmu, 2010.
[5] Anil K. Jain, Fundamental of Digital Image Processing.
[6] Sutopo, Hadi, Aresto, 2002, Analisis dan Design Berorientasi Obyek, J&J Learning,
Yogyakarta