Ditujukan untuk memenuhi Ujian Tengah Semester IV Sistem Transformasi Data yang
dibimbing oleh: Bapak Imam Yuadi S.Sos., M.MT., Ph.D
Kebutuhan daging sapi yang tiap saat meningkat sering dimanfaatkan oleh penjual
daging sapi untuk melakukan berbagai aksi yang sebenarnya haram, seperti kecurangan.
Kecurangan yang sering dimanfaatkan pada umumnya dalam hal kualitas daging sapi.
Kualitas daging ditentukan oleh beberapa parameter, termasuk parameter ukuran, tekstur,
karakteristik warna, bau daging dan sebagainya. Parameter atau ukuran adalah salah satu
faktor penting untuk menentukan kualitas daging. Biasanya banyak masyarakat pada saat
menentukan kualitas daging, hanya menilai objek yang dilihatnya semata dengan
menggunakan indra penglihatan. Sehingga cara manual masih bersifat subjektif dalam
menilai kualitas daging.
Laporan ini bertujuan untuk mendeteksi dan menganalisis kualitas daging sapi dari
aspek Ekualisasi Histogram dan Thresholding. Adapun software yang kami gunakan yaitu
processing Fiji ImageJ dan raster graphics editor Adobe Inc, yaitu Photoshop CC 2019.
Keduanya kami jadikan tolok ukur analisis dengan faktor mudah dalam menganalisis gambar,
seperti dapat diketahui hasil nilai statistik mean dan standar deviasi dari hasil citra olahan
ekualisasi histogram dan thresholding. Sehingga kami sendiri pada akhirnya menggunakan
fitur analisis histogram dan thresholding. Hasil ini diharapkan dapat ditransformasikan
datanya menjadi sebuah informasi untuk pengambilan keputusan pada saat ingin membeli
daging sapi dengan melihat kualitasnya, layak atau tidak. dan juga sebagai tolok ukur untuk
laporan selanjutnya.
DASAR TEORI
1. Daging Sapi
Daging adalah semua jaringan hewan dan semua produk hasil pengolahan
jaringan-jaringan tersebut yang dapat dimakan serta tidak menimbulkan gangguan
kesehatan bagi yang mengonsumsinya. Organ-organ seperti hati, paru-paru, limpa,
pankreas, otak, jantung, ginjal dan jaringan otot termasuk dalam definisi ini. Pada
praktiknya, definisi ini terbatas hanya pada beberapa lusin dari sekitar 3000 spesies
mamalia. Daging terutama terdiri dari air, protein, dan lemak. Ini bisa dimakan
mentah, tetapi biasanya dimakan setelah dimasak dan dibumbui atau diolah dengan
berbagai cara. Daging yang tidak diolah akan membusuk atau membusuk dalam
beberapa jam atau hari akibat infeksi dan pembusukan oleh bakteri dan jamur.
Berdasarkan SNI, daging sapi adalah bagian otot skeletal dari karkas sapi yang aman,
layak dan lazim dikonsumsi oleh manusia, dapat berupa daging segar atau daging
beku. Karakteristik khusus daging sapi yang sehat adalah berwarna merah
terang/cerah, mengkilap, tidak pucat, elastis, tidak lengket dan beraroma “khas”. Sifat
sensorik yang dimiliki daging dapat menentukan kemampuan penerimaan bagi
konsumen.
2. Fiji ImageJ
Adobe Photoshop adalah perangkat lunak editor citra buatan Adobe Systems
yang dikhususkan untuk pengeditan foto/gambar dan pembuatan efek. Perangkat
lunak ini banyak digunakan oleh fotografer digital dan perusahaan iklan sehingga
dianggap sebagai pemimpin pasar (market leader) untuk perangkat lunak pengolah
gambar/foto, dan, bersama Adobe Acrobat, dianggap sebagai produk terbaik yang
pernah diproduksi oleh Adobe Systems. Versi kedelapan aplikasi ini disebut dengan
nama Photoshop CS (Creative Suite), versi sembilan disebut Adobe Photoshop CS2,
versi sepuluh disebut Adobe Photoshop CS3, versi kesebelas adalah Adobe Photoshop
CS4, versi keduabelas adalah Adobe Photoshop CS5, versi ketigabelas adalah CS6,
dan versi terbaru adalah Adobe Photoshop CC (Creative Cloud).
4. Ekualisasi Histogram
5. Thresholding
6. Ekstraksi Ciri
Ekstraksi ciri adalah tahapan mengekstrak ciri/informasi dari objek di dalam
citra yang ingin dikenali/dibedakan dengan objek lainnya. Ciri yang telah diekstrak
kemudian digunakan sebagai parameter/nilai input untuk membedakan antara objek
satu dengan lainnya pada tahapan identifikasi/klasifikasi. Ekstraksi ciri merupakan
langkah awal dalam melakukan klasifikasi dan interpretasi citra. Proses ini
berhubungan dengan kuantisasi karakteristik citra ke dalam sekelompok nilai ciri
yang sesuai. Karakteristik umum yang digunakan untuk mengenali satu atau beberapa
objek di dalam citra adalah ukuran, posisi atau lokasi, dan orientasi atau sudut
kemiringan objek terhadap garis patokan yang digunakan. Salah satu metode yang
digunakan pada ekstraksi ciri adalah ekstraksi ciri statistik orde pertama. Ekstraksi ciri
orde pertama merupakan metode pengambilan ciri yang didasarkan pada karakteristik
histogram citra. Histogram menunjukkan probabilitas kemunculan nilai derajat
keabuan piksel pada suatu citra.
1. Mean (µ)
Menunjukkan ukuran dispersi dari suatu citra seperti persamaan. Rumusnya adalah:
𝜇 = ∑ 𝑓𝑛 𝑝(𝑓𝑛)
Standar deviasi adalah akar kuadrat dari total selisih dengan nilai rata-ratanya. Standar
Deviasi adalah salah satu teknik statistik yang digunakan untuk menjelaskan
homogenitas kelompok. Jadi ini sebagai variasi sebaran data, makin kecil sebarannya
berarti variasi nilai data makin sama. Akan didapat jumlah ukuran yang detail. Nilai
standar deviasi dari sebuah citra ada perhitungannya. Rumusnya adalah:
Keterangan: 𝜎 merupakan nilai standar deviasi, 𝑁 merupakam jumlah total piksel,
𝑋𝑖 menunjukkan nilai piksel pada posisi ke-I dan µ merupakan nilai rata-rata piksel
dalam citra.
1. Kebutuhan Sistem
Perangkat lunak yang kami gunakan untuk pengerjaan ini yaitu: 1). Sistem
Operasi Microsoft Windows 10 Version 10.0.19042 Build 19042 x-64, 2). Sistem
Operasi Android Version 10 QP1A.190711.020, 3). Microsoft Office Word 2019, 4).
Fiji ImageJ, 5). Adobe Photoshop CC 2019.
2. Rancangan Analisis
Kami berencana memulai analisis dengan 2 software, yaitu Fiji ImageJ dan
Adobe Photoshop CC 2019. Yang pertama menggunakan Fiji ImageJ terlebih dahulu.
Tahap dimulai dengan beberapa foto atau citra yang akan kami kumpulkan
berdasarkan kriteria baik dan buruk dengan ekstensi .jpg dimana telah diambil 7
sampel data citra daging sapi yang dipilih untuk pengujian analisis yang akan
digunakan sebagai parameter. Citra daging sapi dengan format .jpg dikonversi
menjadi citra grayscale (aras keabuan), selanjutnya citra dikonversi ke citra grayscale
(aras keabuan) ekualisasi histogram sebagai pra-pengolahan citra untuk meningkatkan
akurasi ketepatan dari sampel citra daging sapi. Terakhir citra dikonversi ke
segmentasi citra thresholding.
Setelah itu kami gunakan software kedua yaitu Adobe Photoshop CC 2019.
Tahap dimulai dari input foto asli melalui file-open, kemudian untuk mengolah
menjadi grayscale lakukan duplicate layer foto asli untuk uji coba dan backup, baru
kemudian pilih tools image-adjustments-black and white. Dari sini, kami akan
menentukan preset maximum black karena netral (semua RGBs dan filter pada posisi
0%). Setelah itu klik ok. Selanjutnya baru alihkan menjadi grayscale dengan cara
tools image-mode-grayscale. Setelah itu kami convert ke ekualisasi histogram dengan
cara klik tools image-adjustments-equalize. Dari ekualisasi histogram yang
didapatkan hasilnya tanpa ada pengaturan preset, terakhir kami lakukan convert ke
threshold dengan cara klik tools image-adjusments-threshold. Akan muncul gambar
seperti grafik, pastikan untuk tidak perlu diotak-atik sehingga threshold levelnya yang
ada pada kami sebesar 128. Sampai sini telah selesai analisisnya, dan selanjutnya
dibandingkan dengan Fiji ImageJ. (Catatan: disarankan untuk duplicate layer dan
namakan layer dengan tahap tiap convert agar tak menghilangkan komposisi gambar
yang telah diatur secara bertahap).
5:
Persyaratan mutu
No Jenis uji
I II III
1 warna daging merah terang skor 1-5 merah kegelapan skor 6-7 merah gelap skor 8-9
2 warna lemak putih skor 1-3 putih kekuningan skor 4-6 kuning skor 7-9
3 marbling skor 9-12 skor 5-8 skor 1-4
1 2 3 4 5 6 7 8 9
Sementara itu, penilaian warna lemak dilakukan dengan melihat warna lemak
subkutis (lapisan terdalam dari kulit) dengan bantuan cahaya senter juga dalam hal ini
yaitu flashlight HP dan mencocokkannya dengan standar warna. Nilai skor warna
ditentukan berbasis skor standar warna yang paling sesuai dengan warna lemak. Sama
seperti standar warna daging, warna lemak ini terdiri dari 9 skor. Mulai dari warna
putih hingga kuning.
1 2 3 4 5 6 7 8 9
1
3 3 I
2
2 4 II
3
3 1 I
1 3 I
8 3 III
6
8 5 III
7
6 4 II
Foto/citra olahan
Data Foto/citra (thresholding) Mean (1 decimal) Standar deviasi
1
155,6 62,8
2
138,3 67,5
123,4 62,6
140,4 62,4
96,2 123,6
171,6 79,0
7
150,3 73,7
1
129,65 117,88
2
128,20 122,80
126,17 116,62
4
128,44 124,05
5
127,64 127,50
6
128,01 125,25
7
129,00 127,49
Berdasarkan hasil uji coba menggunakan aplikasi Fiji ImageJ (Tabel 3) dan
software Adobe Photoshop CC 2019 (Tabel 4) dengan menggunakan proses
pengolahan yang sama, dapat dihasilkan output nilai statistik yang berbeda. Masing-
masing memiliki keunggulan dan kelemahan dalam proses pengukurannya. Faktor-
faktor yang mempengaruhi perbedaan ukuran mereka diantaranya:
1). Hasil dari proses pengolahan citra segmentasi thresholding antara aplikasi Fiji
ImageJ dan software Adobe Photoshop CC 2019 terlihat citra yang dihasilkannya
memiliki ketebalan hitam (black thickness) yang berbeda. Pada aplikasi Fiji ImageJ,
citra yang dihasilkan kurang hitam daripada yang dihasilkan aplikasi Adobe
Photoshop CC 2019.
2). Pada penghitungan nilai statistik di aplikasi Fiji ImageJ, latar belakang
(background) terlihat tidak ikut dihitung, hanya benar-benar citra dagingnya saja yang
dihitung. Sedangkan pada software Adobe Photoshop CC 2019, latar belakang
(background) terdapat 1 foto/citra yang ikut dihitung.
(Tabel 5. range mean dan standar deviasi setiap mutu daging sapi –ImageJ)
X Mutu Range
Daging Mean Standar Deviasi
X
I 123,4 – 155,6 62,4 – 62,8
II 138,3 – 150,3 67,5 – 73,7
III m < 96,2 dan m > 171,6 79,00 < Sd < 123,6
(Tabel 6. range mean dan standar deviasi setiap mutu daging sapi –
Photoshop)
Mutu Range
Daging Mean Standar Deviasi
I 126,17 – 129,65 116,62 – 124,05
II 128,20 – 129,00 122,80 – 127,49
III 127,64 < Sd < 128,01 Sd < 125,25 dan Sd > 127,50
Pada hasil kalkulasi didapatkan 3 (tiga) nilai statistik daging sapi yaitu:
a). 1 kualitas buruk menyimpang masuk dalam range daging kualitas sedang,
b). 1 kualitas sedang menyimpang masuk dalam range daging kualitas baik,
c). 1 kualitas baik menyimpang masuk dalam range daging kualitas sedang.
(Data 6, Data 2, dan Data 4). Penentuan akurasi dapat dihitung:
3
Akurasi = 100% – * 100% = 100% – 42.85% = 57.15%
7
Akurasi yang dihasilkan menggunakan aplikasi/software Adobe Photoshop
CC 2019 ini memiliki ketepatan baca kualitas daging sebesar 57,15%.
PENUTUP
A. Kesimpulan
Berdasarkan hasil pengujian dan analisis yang kami lakukan, maka dapat
disimpulkan sebagai berikut:
1. Aplikasi Fiji ImageJ dan Adobe Photoshop CC 2019 yang dibuat pada laporan ini
dapat mengolah citra dari sampel data citra atau gambar dengan menggunakan proses
pengolahan citra ekualisasi histogram dan thresholding (perlakuan sama).
4. Hasil perbandingan antara aplikasi Fiji ImageJ dengan Adobe Photoshop CC 2019
ditentukan berdasarkan nilai statistik mean dan standar deviasi melalui pengukuran
dari histogram masing-masing.
5. Perhitungan yang didapatkan aplikasi Fiji ImageJ memiliki akurasi ketepatan baca
kualitas daging sapi sebesar 100% (lebih besar) dari akurasi ketepatan baca kualitas
daging berdasarkan software Adobe Photoshop CC 2019 sebesar 57,15% (lebih kecil).
B. Saran
Berdasarkan pengujian dan analisis terhadap sistem pendeteksi kualitas daging
sapi dengan ekualisasi histogram dan thresholding ini, kami memberikan beberapa
saran untuk pengembangan analisis di masa yang akan datang:
3. Perlu perhitungan nilai statistik yang lain untuk mengukur keakuratan dari hasil
laporan kami yang dibangun seperti nilai statistik skewness, kurtosis, center of mass,
integrated density, centroid, dan software atau tools lainnya selain Fiji ImageJ dan
Adobe Photoshop CC 2019 (misalnya mikroskop yang bisa digunakan pada software
dan fisik), serta pada nilai statistik orde kedua (seperti pada probabilitas hubungan
ketetanggaan antara dua piksel pada jarak dan orientasi sudut tertentu).
DAFTAR PUSTAKA
Herlambang, Anggit Sri, Oky Dwi Nurhayati, and Kurniawan Teguh Martono. "Sistem
pendeteksi kualitas daging dengan ekualisasi histogram dan thresholding berbasis
Android." Jurnal Teknologi dan Sistem Komputer 4.2 (2016): 404-413.
Falah, Rismawan Fajril, Oky Dwi Nurhayati, and Kurniawan Teguh Martono. "Aplikasi
Pendeteksi Kualitas Daging Menggunakan Segmentasi Region of Interest Berbasis
Mobile." Jurnal Teknologi dan Sistem Komputer 4.2 (2016): 333-343.
BSN Indonesia (Badan Standardisasi Nasional), “Mutu Karkas dan Daging Sapi”,
SNI:3932:2008, 2008.