Nilai:

LAPORAN PRAKTIKUM
KARAKTERISTIK BAHAN HASIL PERTANIAN
(Karakteristik Optik: Pengukuran warna dengan Pengambil Citra Digital)

Oleh:
Nama : Salma Delila Purnama
NPM : 240110160100
Hari, Tanggal Praktikum : Rabu, 15 November 2017
Waktu/Shift : 07.30-09.30/B2
Co. Ass : 1. Connie Shintia Ayu Sidabutar
2. Lisa Oktavia Br Napitupulu
3. Zahra Eza Arpima
4. Zulfaa Irbah Zain

LABORATORIUM PASCA PANEN DAN TEKNOLOGI PROSES

TEKNIK PERTANIAN DAN BIOSISTEM
FAKULTAS TEKNOLOGI INDUSTRI PERTANIAN
UNIVERSITAS PADJADJARAN
2017
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Warna adalah salah satu atribut kualitas yang penting untuk produk pangan.
Perubahan warna biasa terjadi selama proses pematangan, penyimpanan dan
prosessing. Warna merupakan sifat dari cahaya, yang bisa diukur dalam intensitas
maupun panjang gelombangnya. Warna suatu bahan menjadi tampak jika cahaya dari
benda yang disinari atau sumber iluminasi mengenai permukaan obyek. Selain
melibatkan komponen fisik dan fisiologis, daya terima konsumen juga juga
ditentukan dari warna, bahkan kerusakan fisik dapat dilihat dengan adanya perubahan
warna.
Warna dapat diukur dengan alat kolorimeter, spektrofotometer, kromameter dan
alat pengukur warna lainnya. Chromameter merupakan alat pengukuran warna.
Prinsip kerja dari Chromameter adalah pengukuran perbedaan warna melalui
pantulan cahaya oleh permukaan sampel. Lampu getar di dalam kromameter akan
memancarkan sinar xenon dan menghasilkan penyebaran dan penerangan cahaya
yang merata pada permukaan sampel. Prinsip kerja alat ini adalah dengan membaca
notasi hunter pada alat Chromameter yang terdiri dari nilai L, a, b, dimana notasi L
menyatakan kecerahan yaitu cahaya pantul yang menghasilkan warna kromatik putih,
abu-abu dan hitam. Pada umumnya sistem output dari hasil pengukuran yang keluar
terdiri dari tiga buah output yaitu sistem warna CIE, sistem warna Hunter Lab, dan
sistem warna CIELAB. (Nurjanah, 2016)

Gambar 1. Kromameter
 (Sumber: Nurjanah, 2016)
Nilai hue mewakili panjang gelombang yang dominan yang menentukan apakah
warna tersebut merah, hijau atau kuning. Nilai Hue diukur dari lokasi pada roda
standar warna, yang diekspresikan dengan nilai derajat sudut diantara 0° dan 360°.
Sedangkan chroma menunjukan ukuran kekuatan atau kemurnian sebuah warna, juga
dikenal dengan istilah intensitas warna/saturasi. (Nurjanah, 2016)

1.1 Tujuan Praktikum

1.1.1 Tujuan Instruksional Umum (TIU)
Adapun tujuan instruksional umum praktikum kali ini adalah:
1. Mahasiswa dapat menentukan karakteristik optik pada bahan hasil pertanian.

1.1.2 Tujuan Instruksional Khusus (TIK)

Adapun tujuan instruksional khusus praktikum kali ini adalah:
1. Mahasiswa dapat menganalisis warna dan menerapkan pengukuran
karakteristik optik L*, a*, b*, C dan H dengan alat Pengambil Citra Digital.
 BAB II
TINJAUAN PUSTAKA

2.1 Sifat Optik

Sifat optik pada produk pertanian mencakup pada penampakan atau warna pada
produk tersebut. Sifat optik juga berperan penting dalam perancangan alat dan mesin
pertanian, contohnya pada perancangan mesin grading pada buah tertentu
berdasarkan kematangan buah tersebut. Seperti yang kita tahu bahwa kebanyakan dari
buah dapat di tindai kematanganya dilihat dari warna buah tersebut (optik).
Klasifikasi buah-buahan dan sayuran berdasarkan warna saat ini telah
berkembang secara luas. Disamping warna, sifat optik lain seperti sifat penerusan
(transmittance) dan sifat pemantulan (reflectance) cahaya juga penting untuk evaluasi
kuantitatif berbagai sifat bahan. Dengan perubahan warna, kemampuan penerusan
dan pemantulan dari produk juga berubah.
Seperti telah diketahui, variasi warna adalah bentuk variasi panjang gelombang
radiasi elektromagnetik. Suatu bahan akan menyerap atau memantulkan sinar cahaya
berbagai panjang gelombang secara berbeda-beda, tergantung warnanya. Dengan
demikian pengukuran-pengukuran dapat dilakukan menggunakan cahaya tunggal
(monochromatic) berbagai panjang gelombang (spectrophotometry).
Jadi sifat optik juga diperlukan dalam penyimpanan bahan pertanian, selain
untuk mempertahankan kualitas produk juga untuk mengawetkan produk. Sedangkan
ke awetan produk pertanian dapat dilihat dari perubahan warna yang terjadi pada
produk tersebut. Kalau kita pahami secara mendalam, pemahaman tentang sifat optik
dari produk pertasnain banyak serkali manfaat atau pengaplikasiannya dalam
penanganan produk pertanian, terutama sekali dalam hal perncangan alat dan mesin
pertanian itu sendiri.
Indonesia merupakan Negara agraris, oleh karena itu Indonesia merupakan
Negara penghasil produk pertanian dalam jumlah yang besar. Alangkah malunya
Negara ini jikalau tidak mampu mengelola atau mengolah produknya tersebut.
Padahal produk pertanian merupakan kebutuhan primer bagi setiap manusia di
seluruh dunia pada umumnya.
Pada dasarnya pengolahan produk pertanian itu tidaklah sulit, asalkan kita dapat
memahami sifat dari produk pertanian tersebut berikut dengan masalah yang
dihadapi. Dengan itu semua kita dapat menciptakan alat atau mesin tertentu yang
benilai guna dan tidak merusak lingkungan atau bahkan tidak merusak produk
pertanian itu sendiri sebagai solusi cerdas dari masalah itu sendiri. (Sahay, 1994)

2.2 Sortasi
Sortasi adalah pemisahan bahan yang sudah dibersihkan ke dalam berbagai fraksi
kualitas berdasarkan karakteristik fisik (kadar air, bentuk, ukuran, berat jenis, tekstur,
warna, benda asing/kotoran), kimia (komposisi bahan, bau dan rasa ketengikan) dan
biologis (jenis dan jumlah kerusakan oleh serangga, jumlah mikroba dan daya
tumbuh khususnya pada bahan pertanian berbentuk bijian). Ada dua macam proses
sortasi, yaitu sortasi basah dan sortasi kering. Proses ini untuk memisahkan kotorann-
kotoran atau bahan-bahan asing lainnya dari bahan simplisia. Hal tersebut
dikarenakan tanah merupakan salah satu sumber mikrobia yang potensial. Sehingga,
pembersihan tanah dapat mengurangi kontaminasi mikroba pada bahan obat.
Tujuannya untuk memisahkan benda-benda asing seperti bagian-bagian tanaman
yang tidak diinginkan dan pengotoran lain yang masih tertinggal pada simplisia
kering. Sortasi dapat dilakukan dengan atau secara mekanik. (Sandira, 2015)
Grading adalah proses pemilihan bahan berdasarkan permintaan konsumen atau
berdasarkan nilai komersilnya. Sortasi dan grading berkait erat dengan tingkat selera
konsumen suatu produk atau segmen pasar yang akan dituju dalam pemasaran suatu
produk. Terlebih apabila yang akan dituju adalah segmen pasar tingkat menengah ke
atas dan atau segmen pasar luar negeri. Kegiatan sortasi dan grading sangat
menentukan apakah suatu produk laku dipasar atau tidak. Pada kegiatan grading,
penentuan mutu hasil panen biasanya didasarkan pada kebersihan produk, aspek
kesehatan, ukuran, bobot, warna, bentuk, kematangan, kesegaran, ada atau tidak
adanya serangan/kerusakan oleh penyakit, adanya kerusakan oleh serangga, dan
luka/lecet oleh faktor mekanis.
Pada buah budidaya tanaman, penyortiran produk hasil panenan dilakuakn secara
manual atau menggunakan mesin penyortiran. Grading secara manual memerlukan
tenaga yang terampil dan terlatih, dan bila hasil panen dalam jumlah besar akan
memerlukan lebih banyak tenaga kerja. Sortasi dan Grading tersebut dapat dirasakan
secara sentuhan maka dari itu mesin sortasi di desain sedemikian rupa agar bisa
memisahkan mana yang baik dan mana yang tidak memenuhi standar. Kerusakan
yang dialami buah dapat terlihat secara fisik atau optik. (Fairuz, 2002)

2.3 Dimensi Warna

1. Hue
Hue adalah rona warna yang memiliki ciri khusus dan digunakan untuk
membedakan warna satu dan lainnya. contoh: Merah, Kuning, dan lainnya.
Terdapat 5 klasifikasi warna pada Hue yaitu:
a. Primer
Adalah warna pertama atau warna pokok. Disebut utama karena warna
tersebut tidak dapat dibentuk dari warna lain. Disebut pokok karena dapat
digunakan sebagai campuran untuk menghasilkan warna lainnya., berikut
adalah nama-nama warna primer:
- Biru, warna sebenarnya adalah Sian (Cyan) yaitu warna biru semu hijau
- Merah, warna sebenarnya adalah Magenta yaitu warna merah semu ungu
- Kuning, atau biasa disebut Lemon Yellow.

b. Sekunder
Adalah warna jadian dari pencampuran 2 warna primer, berikut adalah
nama-nama warna sekunder:
- Jingga (Orange), adalah hasil pencampuran warna merah dan kuning
- Ungu (Violet), adalah hasil pencampuran warna merah dan biru
 - Hijau (Green), adalah hasil pencampuran warna kuning dan biru

c. Intermediate
Adalah warna perantara, diantara warna primer dan sekunder, berikut adalah
nama-nama intermediate:
- Kuning-Hijau (Sejenis Moon Green)
- Kuning - Jingga (Sejenis Deep Yellow)
- Merah - Jingga (Red/ Vermilion)
- Merah - Ungu (Purple)
- Biru - Violet (Sejenis Blue/ Indigo)
- Biru - Hijau (Sejenis Sea Green)

d. Tersier
Adalah hasil pencampuran dari 2 warna sekunder, berikut adalah nama-nama
Tersier:
- Coklat kuning (disebut juga Siena mentah, Kuning Tersier, Yellow Ochre,
atau Olive), yaitu pencampuran warna jingga dan hijau
- Coklat Merah (disebut juga Siena Bakar, Merah Tersier, Burnt Siena, atau
Red Brown), yaitu pencampuran warna jingga dan ungu
- Coklat Biru (disebut juga Siena Sepia, Biru Tersier, Zaitun, atau Navy Blue)
yaitu pencampuran warna hijau dan ungu.

e. Kuarter
Adalah hasil pencampuran dari 2 warna tersier. Nama - nama Kuarter:
- Coklat Jingga (Jingga/ Orange Kuarte / semacam Brown), yaitu hasil
pencampuran kuning tersier dan merah tersier.
- Coklat Hijau (Hijau kuarter/ semacam mass green), yaitu pencampuran biru
tersier dan kuning tersier.
- Coklat Ungu (Ungu/ Violet Kuarter/ semacam Deep Purple), yaitu hasil
pencampuran warna merah tersier dan biru tersier.
2. Value
Adalah dimensi mengenai terang gelap, atau tua muda warna. atau biasa disebut
"Brightness" atau "Terang"an warna.

3. Chroma (Intesitas Warna)

Adalah tingkat kekuatan atau intesitas warna, yaitu kuat lemahnya warna, cerah
redupnya warna atau murni kotornya warna. (Sandira, 2015)

2.4 Mutu Bahan Hasil Pertanian dengan Pengolahan Citra Digital

Pengolahan citra (Image Processing) merupakan proses pengolahan dan proses
analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai data
masukan dan informasi keluaran yang berbentuk citra. Teknik-teknik pengolahan
citra umumnya terdiri atas penajaman citra, kompresi citra dan koreksi citra yang
tidak fokus. Dalam hal ini, sistem visual adalah sebuah proses untuk memperoleh
pengukuran atau abstraksi sifat-sifat geometri dari citra. Ada dua bagian pada proses
pembentukan citra, yaitu geometri citra yang menentukan suatu titik dalam
pemandangan diproyeksikan pada bidang citra dan fisik cahaya yang menentukan
kecerahan suatu titik pada bidang citra sebagai fungsi pencahayaan pemandangan
serta sifat-sifat permukaan.
Citra masukan diperoleh melalui suatu kamera yang di dalamnya terdapat suatu
alat digitasi yang mengubah citra masukan yang berbentuk analog menjadi citra
digital. Dalam pengambilan citra, hanya citra yang berbentuk digital yang dapat
diproses oleh komputer digital, data citra yang dimasukkan berupa nilai-nilai integer
yang menunjukkan nilai intensitas cahaya atau keabuan setiap pixel. Citra digital
dapat diperoleh secara otomatis dari sistem penangkap citra membentuk suatu matrik
dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu himpunan
diskrit pada titik (Prasetyo, 2012).
2.5 Sistem CIE LAB
Rentang warna CIE L*a*b* adalah cara yang paling banyak digunakan untuk
mengukur dan mengurutkan warna. Warna L*a*b* dirancang secara khusus agar
sesuai dengan penglihatan manusia. 
Sistem ini memperlihatkan semua warna yang dapat ditangkap oleh mata
manusia. Sistem ini telah digunakan secara luas di seluruh dunia oleh berbagai pihak
yang bertugs mengontrol warna kain, tinta, cat, plastik, kertas, bahan cetakan dan
lain-lainnya.Lokasi warna pada sistem CIE LAB ditentukan dengan koordinat L*,a*
dan b*. Dimana :
- L* menunjukan perbedaan cerah atau terang (Lightness) jika L* =100 maka
terang/light, dan gelap (dark) jika L*=0.
- a* menunjukkan perbedaan antara hijau (green) (-a*) dan merah (red)(+a*).
- b* menunjukkan perbedaan antara biru (blue) (-b*) dan kuning (yellow) (+b) .
(Nurjanah, 2016)

2.6 Pengukuran Warna

Pengukuran warna pada banyak bahan pangan merupakan komponen kualitas
yang penting dalam pemasaran. Walaupun tidak menunjukkan kandungan nutrisi,
rasa, dan manfaat namun para konsumen lebih memilih bahan pangan berdasarkan
penampilan luar. Pengukuran warna pada bahan pangan menyediakan indeks objektif
terhadap kualitas bahan pangan. Warna dapat menjadi indikator kematangan ataupun
kerusakan. Contohnya warna keripik kentang tergantung pada pengurangan
kandungan gula, cara penyimpanan dan cara pembuatan. Lalu warna kuning pada
kuning telur menunjukkan fungsi dari adanya pigmen (Clifton,1987).
Titik akhir proses pemasakan juga ditentukan berdasarkan warnanya. Selain itu,
perubahan warna dapat menimbulkan masalah dalam pemprosesan dan pengemasan
makanan. Warna coklat dan hitam dapat disebabkan oleh reaksi enzimatis ataupun
non-enzimatis. Reaksi pencoklatan no-enzimatis yang dominan antara lain reaksi
Maillard yang meyebabkan penghitaman pada kentang ataupun pencoklatan pada jus
jeruk. Sedangkan pencokltan enzimatis yang biasa terjadi pada buah dan beberapa
jenis sayuran terjadi akibat oksidasi enzim katalis, yaitu senyawa fenol.
Untuk menjaga kualitas, warna pada produk pangan harus diukur dan
distandarisasi. Jika makanan berwarna transparent, seperti jus atau ekstrak, dapat
diukur dengan kalorimeter maupun spektrofotmeter sebagai pengukur warna. Warna
makanan yang berbentuk cairan ataupun padatan dapat diukur dengan
membandingkan warna yang telah terstandarisasi. Warna pada makanan dapat
dinyatakan dengan tiga komponen angka. Yaitu,tristimulus kolorimetri. Dalam
pengukuran warna, cahaya direfleksikan oleh suatu bahan pangan dapat digolongkan
menjadi tiga komponen yaitu value,hue dan chroma. Salah satu instrumen tang dapat
digunakan untuk pengukuran warna adalah chromameter. (Parker, 2003)
Prinsip kerja dari kromameter adalah pengukuran perbedaan warna melalui
pantulan cahaya oleh permukaan sampel. Lampu getar di dalam kromameter akan
memancarkan sinar xenon dan menghasilkan penyebaran dan penerangan cahaya
yang merata pada permukaan sampel. Prinsip kerja alat ini adalah dengan membaca
notasi hunter pada alat Chromameter yang terdiri dari nilai L, a, b, dimana notasi L
menyatakan kecerahan yaitu cahaya pantul yang menghasilkan warna kromatik putih,
abu-abu dan hitam. Pada umumnya sistem output dari hasil pengukuran yang keluar
terdiri dari tiga buah output yaitu sistem warna CIE, sistem warna Hunter Lab, dan
sistem warna CIELAB. Nilai hue mewakili panjang gelombang yang dominan yang
menentukan apakah warna tersebut merah, hijau atau kuning. Nilai Hue diukur dari
lokasi pada roda standar warna, yang diekspresikan dengan nilai derajat sudut
diantara 0o dan 360o. Sedangkan chroma menunjukan ukuran kekuatan atau
kemurnian sebuah warna, juga dikenal dengan istilah intensitas warna/saturasi.
(Widyastuti, 1997)
 BAB III
METODOLOGI

3.1 Alat dan Bahan

3.1.1 Alat
1. Cawan gelas
2. Gelas ukur
3. Mesin blackbox
4. Timbangan
5. Wadah sampel

3.1.2 Bahan
1. Jus Anggur
2. Jus Guava
3. Jus Mangga
4. Jus Sirsak
5. Kertas Putih

3.2 Prosedur Praktikum

1. Hubungkan kamera dengan black box dan monitor display pada posisi yang
benar
2. Ukurlah karakteristik warna L*, a*, dan b* untuk kertas putih dan hitam
3. Siapkan sampel sebanyak 15 ml dengan gelas ukur dan letakkan pada cawan
gelas kemudian ukurlah karakteristik warna L*, a* dan b* dan lakukan
pengulangan 2 kali untuk mendapatkan nilai rata-ratanya
4. Hitunglah C (Chroma) dan (H) derajat Hue untuk masing-masing sampel

¿
b
dengan rumus ini: H = tan -1 ()
a
¿ ¿ 2 ¿ 2
satuan derajat dan C = [ ( a ) + ( b ) ]
1
2
 BAB IV
HASIL PERCOBAAN

4.1 Tabel
Tabel 1. Hasil Pengukuran Sampel
Pengukuran Teoritis Gambar
Sample Ulangan
L* a* b* C H
1 32 2 11 11,18 79,695
Jus A 2 38 -2 6 6,32 -71,565
(Leci) 3 25 1 10 10,0498 84,289
Rata-rata 31,667 0,33 9 9,183 30,806
1 18 4 19 18,439 77,471
Jus B 2 24 4 21 21,377 79,215
(Anggur) 3 26 2 19 19,41 83,99
Rata-rata 22,667 3,33 19,33 19,742 80,225
1 7 12 8 14,422 33,69
Jus C 2 24 20 20 28,284 45
(Guava) 3 11 15 12 19,209 38,66
Rata-rata 14 15,667 13,33 20,638 39,117
1 20 7 29 76,429 29,83
Jus D 2 36 0 44 0 44
(Mangga) 3 22 4 33 83,08 33,24
Rata-rata 26 3,67 35,33 16,2788 35,69
1 9 12 11 79,7545 42,5104
2 19 16 22 27,8035 53,8726
Jus C+D
3 16 14 18 22,8035 52,2501
Rata-rata 14,667 14 17 22,0971 49,5360

Tabel 2. Nilai Hue dan Kisaran Warna Kromatisasi Sampel

Daerah Kisaran Warna
Sample Nilai Hue
Kromatisitas Sample
Jus A (Leci) 30,308 Red(R)
Jus B (Anggur) 80,225 Yellow Red (R)
Jus C (Guava) 39,117 Red(R)
Jus D (Mangga) 35,69 Red(R)
Jus C+D 49,5360 Red(R)
4.2 Perhitungan
1. Jus A (Leci):
b∗¿ 11
H1 = tan-1 ( ¿ = tan−1 ( )= 79,695
a∗¿ ¿ 2
b∗¿ 6
H2= tan-1 ( ¿= tan−1 ( ) = -71,565
a∗¿ ¿ −2
b∗¿ 10
H3= tan-1 ( ¿= tan−1 ( ) = 82,289
a∗¿ ¿ 1
H 1+ H 2+ H 3
Hrata-rata = = 30,806
3

C1 = [(a*)2 + (b*)2]1/2 = ¿)2+(11¿2]1/2= 11,18

C2 = [(a*)2 + (b*)2]1/2 = ¿)2+(6 ¿2]1/2= 6,32
C3 = [(a*)2 + (b*)2]1/2 = ¿)2+(10 ¿2]1/2= 10,0498
C 1+C 2+C 3
Crata-rata = = 9,183
3

2. Jus B (Anggur):
b∗¿ 19
H1 = tan-1 ( ¿ = tan−1 ( )= 77,471
a∗¿ ¿ 4
b∗¿ 21
H2= tan-1 ( ¿= tan−1 ( ) = 79,215
a∗¿ ¿ 4
b∗¿ 19
H3= tan-1 ( ¿= tan−1 ( ) = 83,99
a∗¿ ¿ 2
H 1+ H 2+ H 3
Hrata-rata = = 80,225
3

C1 = [(a*)2 + (b*)2]1/2 = ¿)2+(19 ¿2]1/2= 18,439

C2 = [(a*)2 + (b*)2]1/2 = ¿)2+(21 ¿2]1/2= 21,377
C3 = [(a*)2 + (b*)2]1/2 = ¿)2+(19 ¿2]1/2= 19,41
C 1+C 2+C 3
Crata-rata = = 19,742
3
3. Jus C (Guava):
b∗¿ 8
H1 = tan-1 ( ¿ = tan−1 ( )= 33,69
a∗¿ ¿ 12
b∗¿ 20
H2= tan-1 ( ¿= tan−1 ( ) = 45
a∗¿ ¿ 20
b∗¿ 12
H3= tan-1 ( ¿= tan−1 ( ) = 38,66
a∗¿ ¿ 15
H 1+ H 2+ H 3
Hrata-rata = = 39,117
3

C1 = [(a*)2 + (b*)2]1/2 = ¿)2+(8 ¿2]1/2= 14,422

C2 = [(a*)2 + (b*)2]1/2 = ¿)2+(20 ¿2]1/2= 28,284
C3 = [(a*)2 + (b*)2]1/2 = ¿)2+(15 ¿2]1/2= 19,209
C 1+C 2+C 3
Crata-rata = = 20,638
3

4. Jus D (Mangga):
b∗¿ 29
H1 = tan-1 ( ¿ = tan−1 ( )= 29,83
a∗¿ ¿ 7
b∗¿ 44
H2= tan-1 ( ¿= tan−1 ( ) = 44
a∗¿ ¿ 0
b∗¿ 33
H3= tan-1 ( ¿= tan−1 ( ) = 33,24
a∗¿ ¿ 4
H 1+ H 2+ H 3
Hrata-rata = = 35,69
3

C1 = [(a*)2 + (b*)2]1/2 = ¿)2+(29 ¿2]1/2= 76,429

C2 = [(a*)2 + (b*)2]1/2 = ¿)2+(44 ¿2]1/2= 0
C3 = [(a*)2 + (b*)2]1/2 = ¿)2+(33 ¿2]1/2= 83,08
C 1+C 2+C 3
Crata-rata = = 16,2788
3

5. Jus D+C :
 b∗¿ 11
H1 = tan-1 ( ¿ = tan−1 ( )= 42,5104
a∗¿ ¿ 12
b∗¿ 22
H2= tan-1 ( ¿= tan−1 ( ) = 53,8726
a∗¿ ¿ 16
b∗¿ 18
H3= tan-1 ( ¿= tan−1 ( ) = 52,2501
a∗¿ ¿ 14
H 1+ H 2+ H 3
Hrata-rata = = 49,5360
3

C1 = [(a*)2 + (b*)2]1/2 = ¿)2+(11¿2]1/2= 79,7545

C2 = [(a*)2 + (b*)2]1/2 = ¿)2+(22 ¿2]1/2= 27,8035
C3 = [(a*)2 + (b*)2]1/2 = ¿)2+(18 ¿2]1/2= 22,8035
C 1+C 2+C 3
Crata-rata = = 22,0971
3

4.2 Grafik

BAB V
PEMBAHASAN
 Pada praktikum kali ini membahas mengenai percobaan karakteristik optik
pengukuran warna dengan pengambil citra digital. Sifat optik diperlukan dalam
penyimpanan bahan pertanian, selain untuk mempertahankan kualitas produk juga
untuk mengawetkan produk. Hal ini terjadi diakibatkan oleh mikroba yang menjadi
zat perombak dan perusak pada bahan hasil pertanian, oleh karena itu pelakuan dan
penyimpanan sangat berpengaruh terhadap buah–buahan yang disimpan. Penerapan
teknologi pengolahan citra untuk identifikasi mutu produk tanaman perkebunan
sangat berpeluang untuk dikembangkan mengingat teknologi ini sangat sederhana
tetapi memiliki daya guna yang sangat tinggi. Tingkat kesulitan yang tertinggi pada
pengembangan teknologi ini adalah dalam sistem pemprograman nya, mengingat
teknologi ini menggunakan skrip-skrip pemrograman yang melibatkan sistem
kecerdasan buatan, namun dalam penerapan dan penggunaannya sangat mudah dan
sederhana. Pengembangan teknologi ini dapat digunakan untuk keperluan sortasi non-
destruktif menjadi lebih efisien.
Dalam percobaan melakukan pengulangan tiga kali pengulangan dan akan
didapatkan hasil berupa nilai L*, a*, b*, Hue dan Saturation. Nilai L* menunjukan
perbedaan terang (lightness), nilai a* menunjukan perbedaan hijau dengan merah,
nilai b* menunjukan perbedaan biru dan kuning, Hue (H) menunjukkan kombinasi
warna dasar (RGB), dan Saturation (C) menunjukkan tingkat kemurnian dari suatu
warna. Hasil dari pengujian-pengujian tersebut kemudian di rata-ratakan.
Dari hasil pengukuran pada sample A (Jus Leci), maka di dapatkan hasil sebagai
berikut, yaitu nilai rata-rata L* sebesar 31,667, nilai rata-rata sebesar a* 0,33, nilai
rata-rata b* sebesar 9, nilai rata-rata C sebesar 9,183 dan nilai rata-rata H sebesar
30,806. Pada pengukuran pada Sample B (Jus Anggur) didapatkan hasil sebagai
berikut, yaitu nilai rata-rata L* sebesar 22,667, nilai rata-rata sebesar a* 3,33, nilai
rata-rata b* sebesar 19,33, nilai rata-rata C sebesar 19,742 dan nilai rata-rata H
sebesar 80,225. Pada pengukuran pada Sample C (Jus Guava) didapatkan hasil
sebagai berikut, yaitu nilai rata-rata L* sebesar 14, nilai rata-rata a* sebesar 15,667,
nilai rata-rata b* sebesar 13,33, nilai rata-rata C sebesar 20,638 dan nilai rata-rata H
sebesar 39,117.
 Pada pengukuran pada Sample D (Jus Mangga) didapatkan hasil sebagai berikut,
yaitu nilai rata-rata L* sebesar 26, nilai rata-rata a* sebesar 3,67, nilai rata-rata b*
sebesar35,33, nilai rata-rata C sebesar 16,2788 dan nilai rata-rata H sebesar 35,69.
Dan yang terakhir adalah pengukuran pada Sample D+C didapatkan hasil sebagai
berikut, yaitu nilai rata-rata L* sebesar 14,667, nilai rata-rata a* sebesar 14, nilai rata-
rata b* sebesar 17, nilai rata-rata C sebesar 22,0971 dan nilai rata-rata H sebesar
79,5360.
Berdasarkan hasil pengukuran daerah kisaran warna kromatisitas dari Sample A
baik secara pengukuran dihasilkan warna Red. Untuk Sample B baik secara
pengukuran dihasilkan warna Yellow Red. Untuk Sample C, Sample D dan juga
Sample D+C memiliki hasil yang sama dengan Sample A dimana pengukuran daerah
kisaran warna kromatis yang dihasilkan berwarna Red.
Nilai HUE juga dihitung dalam praktikum ini dan berdasarkan hasil
pengukuran nilai HUE dari Sample A sampai Sample D+C, Sample B lah yang
menghasilkan nilai HUE terbesar yaitu sebesar 80,225. Nilai hue senidiri dapat
mewakili panjang gelombang yang dominan yang menentukan apakah warna tersebut
merah, hijau atau kuning. Sedangkan chroma menunjukan ukuran kekuatan atau
kemurnian sebuah warna, juga dikenal dengan istilah intensitas warna/saturasi. Dalam
perkembangannya pengolahan citra dapat digunakan dalam membedakan jenis
produk karena teknologi ini memiliki kemampuan dalam menganalisis produk
berdasarkan perbedaan intensitas warna.

BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan pada praktikum kali ini adalah :
1. Tingkat kesulitan yang tertinggi pada pengembangan teknologi pengolahan citra
digital ini adalah dalam sistem pemprogramannya.
2. Pada nilai a* pada sampel didapatkan nilai yang paling tinggi pada jus guava
karena memiliki tingkat kepekatan warna yang paling pekat.
3. Pada nilai b* didapatkan nilai yang paling tinggi adalah pada jus mangga
dikarenakan memiliki warna kuning yang dominan.
4. Sample L* yang paling tinggi adalah jus leci karena tingkat kecerahannya yang
lebih tinggi dibandingkan sampel lain.
5. L* menunjukan perbedaan cerah atau terang (Lightness) jika L* =100 maka
terang (light), dan gelap (dark).
6. a* menunjukkan perbedaan antara hijau (green) (-a*) dan merah (red)(+a*).
7. b* menunjukkan perbedaan antara biru (blue) (-b*) dan kuning (yellow) (+b).
8. Berdasarkan hasil yang didapatkan dan dibandingkan dengan setiap sampel yang
ada dapat disimpulkan bahwa setiap bahan sampel memiliki tingkat warna yang
berbeda dengan warna yang dominannya masing-masing.

6.2 Saran
Adapun saran dari praktikum kali ini yaitu :
1. Praktikan membaca modul yang sudah diberikan terlebih dahulu.
2. Praktikan lebih serius dan mematuhi semua peraturan praktikum yang sudah
ditetapkan agar praktikum berjalan efektif.

DAFTAR PUSTAKA
Clifton, E. M. (1987). Food Analysis Theory and Practice 2nd edition. Van Nostrand
Reinhold Co Inc. New York.
Fairuz, Jasmine. 2002.  Fisiologi Lepas Panen Produk Holtikultura. Bogor: M- Brio
Press.
Nurjanah, Sarifah. 2016. Penuntun Praktikum Karakteristik Bahan Hasil Pertanian.
Jatinangor: Universitas Padjadjaran.
Parker,R. (2003). Introduction to Food Science. Delmar.
Sahay, KM. dan KK. Singh.1994. Unit Operations of Agricultural Processing. Vikas
Publishing House PVT LTD, New Delhi.
Sandira, Ari. 2015. Sifat–Sifat Hasil Pertanian. Bandung: Alfabeta
Widyastuti, Yuli. 1997. Penanganan Hasil Panen Tanman Obat Komersial. Trubus
Agriwidya: Semarang.
Bono, Adi. 2012. Bahan Hasil Pertanian. Available at:
https://www.scribd.com/doc/248430475/sifat-fisik-hasil-pertanian (Diakses
pada tanggal 21 November 2017 pukul 21.34 WIB)
Prasetyo, Danis Bagus. 2012. Teknologi Pengolahan Citra Digital. Available
at:https://tugasdenny.wordpress.com/2012/03/05/teknologi-pengolahan-citra-
digital/ (Diaskes pada tanggal 21 November 2017 pukul 23.00 WIB).