IDENTIFIKASI TULANG DAUN MONOKOTIL DAN DIKOTIL

DENGAN METODE MANUAL THRESHOLDING

Oleh :

Laorency Fania Christy

NIM : 642011006

TUGAS AKHIR

Diajukan Kepada Program Studi Fisika, Fakultas Sains dan Matematika

guna memenuhi sebagian dari persyaratan untuk memperoleh gelar

Sarjana Sains

Program Studi Fisika

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS KRISTEN SATYA WACANA

SALATIGA

2015

i
ii
iii
iv
 MOTTO

Ketahuilah kemampuan yang ada pada dirimu, jadilah dirimu sendiri

Syukuri setiap pemberianNya

Sebab di dalam Dia kamu telah menjadi kayadalam segala hal: dalam segala macam
perkataan dan segala macam pengetahuan

( 1 Korintus 1:5 )

v
 KATA PENGANTAR

Puji syukur kepada Tuhan Yesus Kristus atas kasih anugerah serta penyertaan-Nya sehingga
peneliti dapat menyelesaikan penelitian yang berjudul “Identifikasi Tulang Daun Monokotil dan
Dikotil dengan Metode Manual Thresholding”, yang diajukan sebagai persyaratan dalam
menyelesaikan Program Studi Fisika Fakultas Sains dan Matematika Universitas Kristen Satya
Wacana Salatiga.
Peneliti menyadari bahwa tanpa dukungan dari berbagai pihak, laporan penelitian ini tidak
dapat terselesaikan dengan baik. Oleh karena itu peneliti mengucapkan terima kasih kepada
berbagai pihak, yaitu:
1. Dekan Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Salatiga.
2. Ketua Program Studi Fisika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana
Salatiga.
3. Ibu Made Rai Suci Shanti N.A, S.Si., M.Pd selaku wali studi angkatan 2011 dan pembimbing
utama dalam tugas akhir ini.
4. Bapak Giner Maslebu, S.Pd., S.Si., M.Si selaku pembimbing pendamping.
5. Seluruh Bapak/Ibu dosen pengajar dan seluruh staf di Fakultas Sains dan Matematika,
Universitas Kristen Satya Wacana Salatiga yang telah mendidik dan memberikan motivasi
dalam perkuliahan.
6. Laboran-laboran FSM, khususnya laboran progdi fisika Mas Tri, Mas Sigit, Pak Tafip yang
senantiasa membantu dan menyediakan peralatan selama perkuliahan.
7. Teman-teman angkatan 2011, Ruth Arientya, Gisella, Umi, Kristia, Dita, Debora, Yospina,
Satriya, Azhar, Dio, Yodhi, Ishak, Aziz, Cholik, Puis) dan adik angkatan Katriana Pradipta
yang telah memberi dukungan dan semangat.
8. Teman-teman kos seruni 18 Mbak Ema, Mbak Pipit, Mbak Dezy, Radita, Mb Alina, Shendi,
Andini yang telah memberi semangat selama skripsi dan Mas Pandu, Mbak Dina yang sudah
menjadi bapak ibu kos selama saya studi di Salatiga.

vi
9. Keluarga saya, Papa, Ibu, kakak dan adik tercinta Yona dan Roi yang telah memberi doa
dukungan, semangat, motivasi, Papa Ibu yang sudah membiayai sampai saya menjadi sarjana.
10. Mas Arco sebagai orang terkasih, teman, sahabat saya, terimakasih atas kesabaran, doa,
semangat yang sudah diberikan selama ini.
11. Kak doni yang telah meminjamkan kamera untuk penelitian ini.
12. Semua pihak yang telah membantu dan tidak dapat disebutkan satu demi satu.

Salatiga, 16 Januari 2016

Penulis,

Laorency Fania Christy

vii
 DAFTAR ISI

HALAMAN JUDUL i

LEMBAR PENGESAHAN ii

LEMBAR PERNYATAAN KEASLIAN iii

LEMBAR PERSETUJUAN AKSES iv

MOTTO v

KATA PENGANTAR vi

DAFTAR ISI viii

PENDAHULUAN 1

LAMPIRAN 3

viii
 Identifikasi Tulang Daun Monokotil dan Dikotil dengan
Metode Manual Thresholding
Laorency F. Christy1,2,*, Giner Maslebu 1,2, Made R.S.S.N. Ayub1,2
1
Jurusan Fisika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Salatiga
2
Jurusan Pendidikan Fisika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Salatiga
* Email: lfania.christy@gmail.com
Abstrak. Kemampuan untuk mempelajari suatu obyek tidak dimiliki oleh semua orang, hanya orang yang ahli dalam
bidang tertentu saja yang dapat mengenalinya secara langsung. Seiring perkembangan tekonologi, banyak cara yang dapat
dilakukan untuk identifikasi suatu obyek, salah satunya dapat dilakukan dengan pengolahan citra digital. Penelitian ini
bertujuan untuk membedakan tulang daun monokotil dan dikotil dengan metode manual thresholding. Metode thresholding
termasuk salah satu metode dalam segmentasi citra. Thresholding atau binerisasi adalah pengelompokan piksel-piksel dalam
citra berdasarkan batas nilai intensitas tertentu. Jika intensitas piksel sesuai dengan syarat intensitas obyek maka akan
dipetakan menjadi piksel obyek pada citra hasil operasi, sebaliknya jika tidak memenuhi syarat maka akan dipetakan
menjadi piksel latar belakang. Citra yang diambil adalah daun monokotil melati air (Echinodorus palaefolius) dan daun
dikotil jambu biji (Psidium guajava). Citra dianalisis dengan pengolahan aplikasi yang disusun dalam bentuk M-File input
program. Citra asli dengan tipe RGB (Red, Green, Blue) diubah menjadi citra keabuan (grayscale), tahap selanjutnya yaitu
proses thresholding pada citra grayscale, untuk memilih nilai threshold (nilai level keabuan) dari 0-255. Segmentasi citra
menghasilkan citra biner, yang nilai thresholdnya dapat ditentukan terlebih dahulu, sehingga dapat diperoleh hasil dengan
nilai threshold (T) terbaik. Analisis terhadap citra biner dengan manual thresholding dihasilkan nilai threshold pada rentang
155-172 (monokotil) dan 125-145 (dikotil). Selanjutnya, dipilih satu nilai threshold terbaik, pada T=167 untuk citra biner
monokotil dan T=138 untuk citra biner dikotil. Kedua nilai threshold hasil segmentasi sudah dapat memisahkan tulang daun
monokotil dan dikotil dengan struktur daun yang lain. Metode segmentasi citra dengan manual thresholding dapat
digunakan untuk membedakan tulang daun monokotil dan dikotil, sehingga membantu dalam mempelajari morfologi daun
melalui pengolahan citra digital.

Kata kunci: manual thresholding, pengolahan citra, monokotil dan dikotil.

PENDAHULUAN Kemampuan untuk mengenal dan memahami

Morfologi tumbuhan merupakan ilmu yang
mempelajari bentuk fisik dan struktur tubuh dari
tumbuhan. Morfologi tumbuhan berguna untuk
mengidentifikasi tumbuhan secara visual, jika hanya
sekedar nama tidak akan menggambarkan dengan
jelas bagaimana wujud tumbuhan tersebut. Sebagai
contoh, hal yang paling sering dan mudah dilakukan
ketika membedakan tumbuhan monokotil dan dikotil
adalah mengamati bagian daunnya. Daun memiliki
tulang daun yang beraneka ragam sesuai
pengelompokan jenis tumbuhan monokotil dan
dikotil. Struktur tulang daun pada tumbuhan
monokotil yaitu sejajar atau melengkung, sedangkan
pada tumbuhan dikotil struktur tulang daunnya
menyirip atau menjari [1].
GAMBAR 1. Jenis Tulang Daun (a) menyirip (b)
melengkung (c) menjari (d) sejajar
karakteristik bagian tumbuhan tidak dimiliki oleh
semua orang, hanya orang-orang tertentu yang ahli
dalam bidang morfologi tumbuhan yang bisa
mengenalinya. Seiring dengan berkembangnya
teknologi, banyak cara yang dapat dilakukan untuk
mengidentifikasi suatu obyek termasuk ciri-ciri fisik
dari tumbuhan, salah satunya dapat dilakukan dengan
pengolahan citra (image processing).
Citra (image) adalah bentuk informasi visual
yang berupa kumpulan dari piksel-piksel yang
disusun dalam larik dua dimensi [2]. Agar citra dapat
terlihat baik, maka citra tersebut dapat diperbaiki
dengan pengolahan citra digital. Pengolahan citra
digital (digital image processing) adalah ilmu yang
mempelajari tentang teknik-teknik mengolah citra
[3]. Citra yang sudah diolah melalui teknik
pengolahan citra menghasilkan keluaran yang
kualitasnya lebih baik [4].
Salah satu metode dalam pengolahan citra
adalah segmentasi citra. Proses segmentasi
dilakukan dengan membagi citra ke dalam
beberapa kategori objek sesuai dengan
pengelompokan tingkat keabuan, teknik ini sering
disebut sebagai pengambangan (thresholding).
Thresholding yaitu proses pemisahan piksel-piksel Supaya proses pengamatan mudah, hasil citra
terhadap citra grayscale sehingga menghasilkan citra grayscale dapat ditampilkan ke dalam histogram,
biner. Proses thresholding ini pada dasarnya adalah clustering, atau varians sebelum dipilih nilai
proses pengubahan kuantisasi citra, sehingga untuk thresholdnya [7]. Dalam penelitian ini akan dibatasi
melakukan thresholding dapat digunakan rumus : pada proses membedakan tulang daun monokotil dan
w dikotil dengan metode manual thresholding.
x 1
b
BAHAN DAN METODE

Keterangan: Prosedur penelitian untuk membedakan tulang

x  nilai derajat keabuan setelah thresholding
w  nilai derajat keabuan sebelum thresholding
b  jumlah derajat keabuan yang diinginkan
Sebelum citra RGB (Red, Green, Blue) diubah ke
dalam citra biner, citra RGB terlebih dahulu diubah
menjadi citra grayscale. Pada proses pengubahan
menjadi citra grayscale dapat dilakukan dengan cara
mengambil nilai tiap piksel dari komponen red (r),
green (g), dan blue (b), ketiga warna dasar tersebut
diambil rata-ratanya (s), sehingga dapat ditulis
sebagai berikut:
r  g b
 2
s
3
Nilai rata-rata (s) digunakan untuk memberi warna
pada piksel gambar sehingga warna RGB berubah
menjadi grayscale.
Citra biner memiliki dua nilai derajat keabuan,
yaitu hitam dan putih. Secara matematis dapat ditulis
sebagai berikut.
daun monokotil dan dikotil diawali dengan
pengambilan citra (akuisisi data). Akuisisi data
berhubungan dengan pengambilan citra, kamera yang
digunakan, pencahayaan, waktu dan latar belakang
objek yang sama. Hal ini bertujuan untuk
menghasilkan citra yang kualitasnya sama.
Selanjutnya dibuat rancangan pengolahan citra
dengan perangkat lunak untuk membuat program
yang dapat digunakan analisis citra. Hal terakhir
yang dilakukan dalam prosedur penelitian adalah
analisis citra sebagai hasil penelitian.
Penelitian ini menggunakan citra daun monokotil,
melati air (Echinodorus palaefolius) dan daun dikotil
jambu biji (Psidium guajava) dianalisis dengan
pengolahan aplikasi yang sudah dirancang. Langkah-
langkah aplikasi pengolahan citra ditunjukkan oleh
diagram alir program pada GAMBAR 2.
Mulai
Baca citra

 1 if f ( x, y )  T 
g ( x, y )     3 Konversi citra RGB ke
 0 if f ( x, y )  T  grayscale

Dengan g ( x, y ) adalah citra biner dari citra

grayscale f ( x, y ) , dan T menyatakan nilai Segmentasi citra dengan
threshold. Piksel yang memiliki derajat keabuan metode thresholding manual
lebih kecil dari nilai batas yang ditentukan diberi
nilai 0, sedangkan yang memiliki derajat keabuan
lebih besar dari nilai batas diberi nilai 1 [5].
Penentuan nilai T tersebut berdasarkan kondisi piksel Interpretasi tulang daun
itu sendiri, jika intensitas piksel sesuai dengan syarat
intensitas obyek maka akan dipetakan menjadi piksel
obyek (nilai 1) pada citra hasil operasi, sebaliknya
jika tidak memenuhi syarat maka akan dipetakan Selesai
menjadi piksel latar belakang (nilai 0) [6]. Parameter
dalam thresholding adalah pemilihan nilai threshold.
GAMBAR 2. Diagram Alir Program
Peneliti dapat menentukan nilai threshold (T) secara
manual (manual thresholding) atau dengan
thresholding otomatis menggunakan algoritma.
 Pengolahan citra dimulai dengan membaca citra
daun hasil akuisisi data dari kamera dalam format
RGB (Red, Green, Blue). Selanjutnya, citra RGB
diubah ke citra grayscale dengan rentang nilai
keabuan 0-255. Setelah citra RGB menjadi citra
grayscale, dilakukan proses segmentasi citra dengan
metode thresholding manual. Tujuan dilakukan
thresholding untuk mendapatkan citra biner yang
akan diinterpretasi untuk membedakan berbagai
bentuk tulang daun. Dalam penelitian ini, metode
yang digunakan adalah manual thresholding dengan
cara menguji citra dengan berbagai nilai threshold
(T) yang berbeda-beda pada rentang 0-255. Dari
hasil pengujian dengan variasi nilai T, akan dipilih
satu nilai T yang tepat untuk proses binerisasi citra.
HASIL DAN DISKUSI
Dalam perancangan model pengolahan citra
berbasis komputer, maka dapat digunakan GUI
(Graphical User Interface) yang merupakan salah
satu program komputer yang lebih banyak
menggunakan grafik daripada teks. GUI terdiri dari
menu bar, toolbar, navigation pane, task page,
graphics toolbar, graphics windows sehingga
memberi kemudahan pada pengguna komputer
[8][9]. Penggunaan GUI untuk pengolahan citra
berbasis komputer juga dilakukan oleh Agustinus S.
dan Dwi A. (2013) untuk simulasi dan analisis
perbaikan citra digital dengan memasukkan
parameter input citra [10]. Berikut adalah Tampilan
GUI pada metode pengolahan citra manual
thresholding yang ditunjukkan pada GAMBAR 3.
GAMBAR 3. Tampilan Citra Asli, Citra Grayscale, dan
Hasil Thresholding
GAMBAR 3 menunjukkan hasil pengolahan citra
asli dengan ukuran 4272 x 2848 piksel yang diubah
ke dalam citra grayscale (0-255). Analisis terhadap
citra grayscale dengan metode manual thresholding
menghasilkan citra biner dengan satu nilai threshold
terbaik yang ditentukan dari rentang batas nilai
bawah dan nilai atas ambang keabuan citra.
Pemilihan nilai threshold terbaik diambil
berdasarkan pada parameter kejelasan tulang daun
setelah dilakukan segmentasi citra dengan metode
manual thresholding.
GAMBAR 4. Citra Biner Hasil Segmentasi Daun
Monokotil dengan Variasi Nilai Threshold
Nilai threshold untuk daun monokotil dipilih
dengan rentang 155-172. T=155 ditentukan sebagai
nilai batas bawah, sedangkan T=172 ditentukan
sebagai nilai batas atas. Nilai T=155 masih terdapat
titik-titik pada citra yang sebenarnya bukan bagian
dari citra (noise) sedangkan T=172 tidak begitu
menunjukkan dengan jelas tulang daunnya. Setelah
menentukan nilai threshold (T) secara manual dan
berdasarkan variasi yang sudah dipilih, diperoleh
citra biner dengan nilai T terbaik yaitu T=167
(GAMBAR 4).
GAMBAR 5. Citra Biner Hasil Segmentasi Daun
Dikotil dengan Variasi Nilai Threshold
Pada daun dikotil, variasi nilai threshold yang
dipilih berada pada rentang 125-145. Hasil yang
ditunjukkan pada GAMBAR 5, nilai T=125 masih
memiliki banyak noise di sekitar tulang daunya,
T=145 menghasilkan citra biner dengan jumlah
tulang daun yang jarang. Sehingga dari rentang nilai
T batas bawah-batas atas diambil citra biner dengan
nilai T terbaik yaitu T=138 (GAMBAR 5).
 Citra biner hasil manual thresholding pada daun
monokotil dipilih dengan nilai T=167 dan daun
dikotil dengan nilai T=138. Nilai tersebut dipilih
karena dengan manual thresholding citra binerisasi
dapat memisahkan tulang daun dengan struktur
tulang daun yang lain .Pemilihan nilai thresholding
untuk memisahkan objek dengan latar belakangnya
juga dilakukan oleh Max. R. Kumaseh et al
2013dalam penelitiannya berhasil memisahkan objek
mata ikan dengan metode thresholding [11].
KESIMPULAN
Berdasarkan pengolahan citra dan analisis yang
sudah dilakukan, dapat diambil kesimpulan bahwa
nilai threshold terbaik yang dapat memisahkan
tulang daun dengan struktur daun yang lain untuk
daun monokotil T=167 dan daun dikotil T=138.
Analisis citra dengan metode manual thresholding
dapat digunakan untuk membedakan tulang daun
monokotil dan dikotil, sehingga membantu dalam
mempelajari morfologi daun melalui pengolahan
citra digital.
UCAPAN TERIMA KASIH
Puji dan syukur kepada Tuhan yang senantiasa
memberi penyertaan sehingga penulis dapat
menyelesaikan tugas akhir. Dalam penyusunan tugas
akhir ini, penulis juga mendapat dukungan dan
bimbingan dari berbagai pihak, untuk itu penulis
menyampaikan terima kasih kepada Made Rai Suci
Shanti N.A selaku pembimbing I , Giner Maslebu
selaku pembimbing II, keluarga yang selalu memberi
doa dan dukungan, serta teman-teman yang telah
memberi semangat.
REFERENSI
1. Tjitrosoepomo Gembong. 2009. Morfologi
Tumbuhan. Yogyakarta: Gadjah Mada
University Press. p. 1-2 ISBN 979-420-241-X.
2. Murinto, E. Aribowo, R. Syazali. 2007. Analisis
Perbandingan Metode Intensify Filtering
dengan Metode Frequency Filtering.
3. T. Sutoyo , E. Mulyanto , V. Suhartono, O.D.
Nurhayati, Wijanarto. 2009. Teori pengolahan
citra digital. Yogyakarta: Andi. p.256.
4. Munir, R. 2004. Pengolahan Citra digital.
Bandung: Informatika.
5. Putra, D. 2010. Pengolahan Citra Digital.
Yogyakarta: Andi.
6. Ahmad, Usman. 2005. Pengolahan Citra
Digital dan Teknik Pemrogramannya. Graha
Ilmu: Yogyakarta.
7. Prasetyo, Eko. 2011. Pengolahan Citra Digital
dan aplikasinya menggunakan Matlab. Penerbit
Andi: Yogyakarta.
8. Sugihrto, Aris. 2006. Pemrograman GUI
dengan MATLAB. Penerbit Andi: Yogyakarta.
9. Moore, Holly. 2011. MATLAB for Engineers
(third ed.). New Jersey : Prentice Hall.
10. Agustinus Siregar, Dwi Aryanta. 2013.
Simulasi dan Analisis Perbaikan Citra Digital
Domain Frekuensi dengan Transformasi
Fourier. Jurnal Online Institut Teknologi
Nasional. Bandung.
11. Kumaseh, Max.R; Luther Latumakulita;
Nelson Nainggolan. 2013. Segmentasi Citra
Digital Ikan Menggunakan Metode
Thresholding. Manado: Universitas Sam
Ratulangi.