PERHITUNGAN LUAS KANOPI POHON BERDASARKAN

WARNA CITRA
TREE CANOPY AREA COMPUTATION BASED ON IMAGE COLOR

Tatik Maftukhah dan Sensus Wijonarko

Pusat Penelitian Metrologi LIPI, Kompleks Puspiptek Gedung 420, Tangerang, Banten
tatikmh@kim.lipi.go.id

ABSTRAK
Aplikasi pengolahan citra berdasarkan warna telah dibuat untuk perhitungan luas kanopi suatu pohon. Data
luas kanopi pohon merupakan data dukung dalam pengukuran intersepsi hujan pada pohon yang diolah lebih
lanjut untuk mengukur data ketersediaan air suatu wilayah. Citra kanopi yang merupakan rekaman kamera
yang terpasang di atas pohon, kemudian dilakukan pengolahan data citra berdasarkan warna. Hijau dalam citra
tersebut merupakan warna daun sehingga perhitungan jumlah piksel untuk kandungan warna hijau menunjukkan
luas kanopi suatu pohon. Dengan mengonversikan antara luas citra dan luasan riil dapat diketahui luas kanopi
pohon riil. Aplikasi pengolahan citra untuk perhitungan luas kanopi ini dibangun dengan fasilitas bahasa C++
XE2, library OpenCV, dan komponen PlotLab. Aplikasi-aplikasi ini telah diterapkan pada sistem Instrumen
Neraca Air di PDAM Belitung.
Kata kunci: pengolahan citra, warna citra, luas kanopi

ABSTRACT
An application of image processing based on image color has been made for a tree canopy area computation. The
tree canopy area is the supporting data of the rain interception measurement that were processed to calculate the
availability in an area. The canopy image is recorded result of camera installed on the tree, then it is conducted
to the image data based on color. Green color in the image is tree color, so pixel number computation for the
green color is tree canopy area. From the conversion between image area and real area, the image canopy can
be used to know real canopy area. An application built use facilities of C++ XE2 language, OpenCV library,
and PlotLab component has been applied for the Water Balance Instrument System at Belitung PDAM.
Keywords: image processing, image color, canopy area

1. PENDAHULUAN mengukur luas kanopi pohon, di antaranya

Citra adalah data gambar yang dihasilkan kamera
foto, kamera video, atau alat lain yang bertipe
dua dimensi. Citra dapat diolah dengan suatu
perhitungan matematis untuk mendapatkan
informasi yang dibutuhkan. Beberapa peneliti
telah melakukan pengolahan data citra untuk
perhitungan luas, deteksi wajah, deteksi waktu
panen buah, dan sebagainya.
Pada penelitian ini telah dilakukan peng­
olahan data citra untuk mengetahui luas
kanopi suatu pohon, yang digunakan sebagai
data dukung dalam perhitungan nilai intersepsi.
Pengukuran luas kanopi pohon dirasa sangat
susah, karena letak kanopi pohon yang tinggi
dari tanah, bentuk daun yang tidak beraturan,
dan pertumbuhan daun yang relatif pesat.
Beberapa penelitian telah dilakukan untuk
dengan menggunakan perhitungan diameter
kanopi, menggunakan lidar, dan memakai laser.
Pengukuran luas kanopi pohon pada peneli-
tian ini dengan memanfaatkan warna citra dari
kanopi pohon tersebut. Pemasangan video di
atas kanopi pohon digunakan untuk memperoleh
citra kanopi pohon yang dibutuhkan. Setelah
itu dilakukan perhitungan jumlah piksel dari
semua warna citra yang dihasilkan. Piksel yang
berwarna hijau menunjukkan warna kanopi
pohon. Jumlah piksel warna hijau yang dikalikan
dengan skala antara luas citra dan luas riil dapat
digunakan untuk perhitungan luas kanopi pohon.
2. TEORI DASAR
Salah satu parameter untuk perhitungan keterse-
diaan air suatu wilayah adalah nilai intersepsi

Perhitungan Luas Kanopi Pohon ... | 9

atau curah hujan yang tertahan oleh tanaman.[1] Piksel yang mengandung warna hijau berarti
Nilai intersepsi dapat dihitung dari besarnya data dari bit ke 2, 3, dan 4 bernilai satu.
curah hujan, air lolosan, aliran air batang, dan
luas kanopi pohon. Saat ini, pengukuran luas 3. METODOLOGI
kanopi pohon telah dilakukan dengan beberapa
Metodologi yang digunakan dalam penelitian
cara, di antaranya dengan perhitungan rerata
ini terdiri atas pembuatan diagram alir aplikasi,
kedua diameter kanopi[2], lidar[3, 4], dan laser[5].
pembuatan aplikasi, pengujian, analisis data, dan
Kamera merupakan alat perekam gambar penerapan sistem.
atau susunan gambar yang diam atau bergerak.
Perkembangan pengolahan data kamera telah
3.1 Diagram Alir Aplikasi
banyak diterapkan di berbagai bidang. Beberapa
kegiatan penelitian yang telah memanfaatkan Diagram alir dari aplikasi dalam pengolahan
data kamera, antara lain untuk pengukuran citra untuk perhitungan luas kanopi dapat dilihat
kecepatan gerak objek,[6] pengukuran jarak,[7] pada Gambar 1.
keamanan,[8] pengendali arah gerak robot,[9]
dan deteksi kesegaran makanan[10] . Pengolahan
data kamera tersebut berupa citra digital dengan Inisialisasi
ukuran jumlah piksel yang berbeda, sesuai Mulai
Kamera
dengan alat yang digunakan. Telah diketahui
bahwa piksel merupakan suatu unsur gambar
atau representasi sebuah titik terkecil dalam
gambar grafis yang dihitung per inci.[11]
Selain jumlah piksel, resolusi citra digital Olah Ambil
dapat diukur dari jumlah warna. Model warna data data
RGB (red, green, blue) mempunyai tiga warna citra citra
primer, yaitu merah, hijau, dan biru.[12] Nilai se-
tiap parameter R, G, dan B dari 0 sampai dengan
1. Setiap titik warna dapat direpresentasikan
sebagai penjumlahan vektor berbobot dari warna
Hitung Hitung
primer menggunakan unit vektor R, G, dan B:
piksel luas
hijau kanopi
C (λ ) =( R, G , B ) =rR + gG + bB …........... (1)

dengan parameter r, g, dan b yang nilainya dari

Selesai
0 sampai dengan 1.
Pada penelitian ini, dilakukan pengukuran
luas kanopi pohon dengan menggunakan fasili-
tas yang ada di kamera, yaitu dengan mengolah Gambar 1. Diagram Alir Aplikasi Perhitungan Luas
citra kanopi pohon yang terekam kamera. Setiap Kanopi Pohon
citra yang dihasilkan tersusun dari beberapa 3.2 Pembuatan Aplikasi
piksel yang terbagi dalam m baris dan n kolom.
Setiap piksel bernilai 0 s.d. 255 yang terdiri atas Aplikasi yang digunakan untuk pengukuran luas
8 bit yang merupakan kombinasi dari ketiga kanopi pohon dibangun dengan bahasa C++
warna primer,[13] yang dideskripsikan seperti XE 2 dengan library OpenCV dan komponen
pada Tabel 1. PlotLab. Berdasarkan diagram alir yang telah
disusun, pertama-tama aplikasi akan merekam
Tabel 1. Kombinasi Warna Piksel data kanopi pohon dengan fasilitas video. Dari
data video akan dipilih satu gambar atau citra
Bit 7 6 5 4 3 2 1 0
yang akan diproses untuk pengolahan data citra.
Warna R R R G G G B B

10 | Instrumentasi, Vol. 39 No. 1, 2015

 Pengolahan data dilakukan dengan perhi­
tungan nilai warna untuk semua piksel, kemudi­
an dilanjutkan dengan pembuatan histogram
warna yang berisi intensitas setiap warna yang
terdiri atas 256 data. Program dilanjutkan
dengan deteksi warna kanopi pohon, yaitu
hijau dan perhitungan jumlah piksel. Untuk
mendeteksi warna hijau tersebut dapat dilakukan
dengan operasi hexadecimal berikut ini.
pi & 0X00011100 = hi .................................. (2)
dengan
pi = warna piksel
hi = kandungan warna
i = 0 s.d. jumlah piksel
Piksel yang mengandung warna hijau, jika
hi bernilai 0X04, 0X08, 0X0C, 0X10, 0X14,
0X18, atau 0X1C, seperti yang ditampilkan
pada Tabel 2.
Contoh piksel (p i ) dengan warna 200
(decimal) = 0XC8 (hexa). Perhitungan yang
dilakukan untuk mengetahui apakah piksel
tersebut mengandung warna hijau, yaitu:
hi = 0XC8 & 0X1C ……….............................. (3)
= 0X110010000 & 0X00011100
= 0X000001000
= 0X08
Dari perhitungan tersebut dapat diketahui
bahwa piksel dengan nilai warna 200 mengan­
dung warna hijau.
Tabel 2. Data Piksel Warna Hijau
No. Nilai hi
1 0X0000 0100 = 0X04
2 0X0000 1000 = 0X08
3 0X0000 1100 = 0X0C
4 0X0001 0000 = 0X10
5 0X0001 0100 = 0X14
6 0X0001 1000 = 0X18
7 0X0001 1100 = 0X1C
4. PENGUJIAN DAN HASIL
Aplikasi telah dikembangkan untuk pengukuran
luas suatu kanopi pohon berdasarkan warna
citra. Pengujian laboratorium telah dilakukan
untuk pengukuran luas (berdasarkan warna)
dari beberapa bentuk objek, yaitu segi empat,
lingkaran, segitiga, dan persegi panjang, dengan
kesalahan rata-rata 0,0128%.[13] Pengukuran luas
kanopi pohon sangat susah karena letak kanopi
pohon yang tinggi dari tanah. Oleh karena itu,
pengujian laboratorium dilakukan untuk
beberapa bentuk dan warna yang berbeda, dan
digunakan sebagai simulasi dari pengujian luas
kanopi pohon. Tabel 3 menampilkan hasil peng­
ujian yang telah dilakukan oleh Maftukhah.[13]
Penerapan sistem telah dilakukan di wilayah
PDAM Air Serkuk, Belitung. Pemasangan
kamera dilakukan di atas pohon dengan keting-
gian sekitar 6 meter sehingga pengambilan
citra untuk luas kanopi pohon dapat dilakukan.
Gambar 2 merupakan kegiatan pemasangan
kamera di atas kanopi pohon.
Sementara itu, Gambar 3 merupakan
tampilan aplikasi yang telah dibuat. Aplikasi
menampilkan citra rekaman kamera, histogram/
grafik intensitas warna citra, dan hasil pengo-
lahan data.
Jumlah piksel pada citra merupakan perka-
lian jumlah baris dan kolom, yaitu
p =n x m .......................................................... (4)
= (694 x 449) piksel
= 291.401 piksel
Gambar 2. Pemasangan Kamera di Wilayah PDAM
Belitung
Perhitungan Luas Kanopi Pohon ... | 11
dengan Dari tampilan aplikasi pada Gambar 3 dapat
p : jumlah piksel pada citra diketahui bahwa jumlah piksel citra 291.401
dan jumlah piksel kanopi 93.014. Jika luas riil
n : jumlah baris pada citra
keseluruhan citra 44,8 m2, diperoleh luas riil
m : jumlah kolom pada citra kanopi 14,3 m2.
Sesuai dengan Persamaan (2), data warna
hijau terdeteksi sebanyak 93.014 piksel. 5. KESIMPULAN
Untuk perhitungan luas kanopi pohon Perhitungan luas kanopi dalam penelitian ini
perlu diketahui skala citra dengan melakukan merupakan data dukung dalam pengukuran
perbandingan antara luas riil dan luas citra. intersepsi hujan pada pohon tersebut, kemudian
Nilai skala atau perbandingan yang diperoleh hasil pengukuran intersepsi hujan tersebut dapat
digunakan untuk perhitungan luas kanopi pohon. diolah lebih lanjut untuk mendapatkan data
Perhitungan tersebut adalah sebagai berikut. ketersediaan air di suatu wilayah. Aplikasi peng­
pc/rc = pk/rk .............................................. (5) olahan data citra untuk perhitungan luas kanopi
pohon telah diterapkan pada sistem I­nstrumen
dengan Neraca Air di wilayah PDAM Belitung. Data
pc : jumlah piksel citra gambar atau citra hasil perekaman kamera
rc : luas riil citra diolah dengan cara melakukan perhitungan
kandungan warna pada setiap piksel. Luas
pk : jumlah piksel kanopi
kanopi pohon diperoleh dari jumlah piksel yang
rk : luas riil kanopi mengandung warna hijau sesuai dengan warna

Tabel 3. Data Pengujian Pengukuran Luas Objek[13]

No. Bentuk Objek Luas Pengukuran (cm2) Luas Objek (cm2) Kesalahan (%)
1 Segi empat 101,7 100 0,0170
2 Persegi panjang 51,6 50 0,0320
3 Segitiga 17,8 18 0,0110
4 Lingkaran 63,6 63,64 0,0006
5 Segi empat 73,5 72,25 0,0035
Rata-rata kesalahan 0,0128

Gambar 3. Aplikasi Perhitungan Luas Kanopi Pohon

12 | Instrumentasi, Vol. 39 No. 1, 2015

daun. Setelah dilakukan konversi antara luas
citra dan luas riil maka jumlah piksel kanopi
tersebut dapat digunakan untuk mengetahui luas
riil kanopi pohon.
6. UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada
manajemen Kompetitif, khususnya untuk Sub-
program Ketahanan dan Daya Saing Wilayah
dan Masyarakat Pesisir, dan manajemen Puslit
Metrologi yang telah mengizinkan penulis
mengikuti kegiatan penelitian Instrumen Neraca
Air untuk Pulau Kecil tahun 2012–2014.
7. DAFTAR PUSTAKA
[1] Maftukhah, Tatik. 2014. “Instrumen Neraca
Air untuk Pulau Kecil.” Laporan Kegiatan
Kompetitif LIPI Tahun Anggaran 2012 s/d
2014.
[2] Blozan, Will. 2008. “The Tree Measuring
Guidelines of the Eastern Native Tree Society.”
Diakses 14 November 2014. http://www.
nativetreesociety.org/measure/Tree_Measur-
ing_Guidelines-revised1.pdf.
[3] Hosoi, Fumiki dan Kenji Omasa. 2009. “Es-
timating Vertical Leaf Area Density Profiles
of Tree Canopies Using Three Dimensional
Portable Lidar Imaging.” Prosiding dari ISPRS
Workshop Laser Scanning 09. Paris.
[4] Hosoi, Fumiki, Kazushige Nakabayashi, dan
Kenji Omasa. 2011. “3-D Modeling of Tomato
Canopies using a High-Resolution Portable
Scanning Lidar for Extracting Structural In-
formation”. Sensors 11, 2.166–2.174.
[5] Anken, Thomas, Andrea Battiato, Dejan Seato-
vic, Vincent Meiser, Jörn Selbeck, dan Florian
Pforte. 2013. “Canopy-Area Measurement of
Plum Trees Using Laser and Near-Infrared
Imaging”. Dalam Konferensi “Sustainable
Agriculture trough ICT Innovation”. Publ.
EFITA-WCCA-CIGR, Torino, Italia, 130.
[6] Maftukhah, Tatik dan Sensus Wijonarko.
2012. “Penggunaan Komponen Mitov untuk
Pengukuran Kecepatan Gerak Obyek Berbasis
Video.” Dipresentasikan dan diterbitkan dalam
Prosiding Presentasi dan Pertemuan Ilmiah PPI
KIM-LIPI Ke-38. 450–460. Tangerang.
[7] Lazaro, Jose L., Angel E. Cano, Pedro R.
Fernandez, dan Yamilet Pompa. 2009. “Sensor
for Distance Measurement using Pixel Grey-
Level Information”. Sensors Journal 9(11),
8.896–8.906.
[8] Nugraha, Nur Ocvian dan Subali. 2005.
“Monitoring dan Sistem Keamanan Ruang
Penyimpanan Barang Berharga Berbasis Mi-
krokontroler Atmega8535.” Diakses 6 Novem-
ber 2015. http://eprints.undip.ac.id/19394/1/
jurnal.pdf.
[9] Hariyanto, Didik. 2011. “Pengolahan Citra
Digital pada Sensor Kamera sebagai Pengen-
dali Arah Gerak Robot Line Follower.” Lapo-
ran Tugas Akhir, Fakultas Teknik Universitas
Negeri Yogyakarta.
[10] Leon, Katherine, Domingo Mery, Franco
Pedreschi, dan Jorge Leon. 2006. “Color
Measurement in L*a*b Unit from RGB
Digital Images.” Food Research International,
1.084–1.091.
[11] Piksel. 2014. Diakses 2 Juni 2015. http://
id.wikipedia.org/wiki/Piksel.
[12] Schettini, Raimondo, Gianluigi Ciocca, dan
Silvia Zuffi. 2001. “A Survey of Methods for
Colour Image Indexing and Retrieval in Image
Databases.” Dalam Luo, R., L. MacDonald,
ed. Color Imaging Science: Exploiting Digital
Media. New York: John Wiley, 183–211.
[13] Maftukhah, Tatik dan Sensus Wijonarko.
2015. “Aplikasi Pengukuran Luas Obyek
Menggunakan Kamera.” Dipresentasikan
dan diterbitkan dalam Prosiding Presentasi
dan Pertemuan Ilmiah PPI KIM-LIPI Ke-41,
143–152. Jakarta.
Perhitungan Luas Kanopi Pohon ... | 13