ALAT PENGHITUNG BENIH IKAN LELE MENGGUNAKAN

PENGOLAHAN CITRA

PROYEK AKHIR
Laporan akhir ini dibuat dan diajukan untuk memenuhi salah satu syarat kelulusan
Diploma IV Politeknik Manufaktur Negeri Bangka Belitung

Disusun oleh:

Dendi Ahmad Septian NPM 1051706

Sunardi NPM 1051729

HALAMAN JUDUL
POLITEKNIK MANUFAKTUR NEGERI
BANGKA BELITUNG
TAHUN 2021
ii
iii
 ABSTRAK

Usaha budidaya pembenihan ikan lele saat ini sangat tinggi. Hal ini dapat dilihat
dari banyaknya orang yang membuka usaha pembenihan ikan lele dan tempat
makan ikan lele namun masih terkendala dalam proses perhitungan jumlah benih
ikan lele. Metode penghitungan pada saat ini masih secara secara manual dan
volumetrik. Dari kedua metode tersebut masih sangat bergantung kepada orang
yang menghitung benih ikan lele tersebut. Bila dalam penghitungan benih ikan
lele dihitung 50 ekor paling sedikit perhitungannya mungkin akan akurat, tetapi
bila sudah ribuan penghitungannya akan kurang akurat. Maka dari itu dibuatlah
alat penghitung benih ikan lele secara otomatis agar mempersingkat waktu
penghitungan ikan lele tersebut, menggunakan webcam. Setelah dilakukan
pengujian pada rancang bangun alat penghitung benih ikan lele didapatkan
bahwa, dari persentase rata-rata error alat pada 5 kali percobaan pada setiap
perhitungan jumlah benih ikan lele dengan data maksimum 200 ekor benih lele
berukuran panjang 5 mm – 10 mm hasil yang didapatkankan adalah rata-rata
error alat yaitu 8,92%. Waktu proses perhitungan menggunakan alat lebih cepat
dari pada perhitungan secara manual. Kesalahan utama penghitungan
disebabkan oleh banyaknya benih ikan lele yang bertumpukan dan ukuran benih
yang berbeda-beda sehingga pembacaan tidak stabil atau akurat.

Kata Kunci: Benih, Ikan Lele, Hitung, Webcam

iv
 ABSTRACT

Currently catfish hatchery cultivation is very high. This can be seen from the
number of people who open catfish hatchery businesses and catfish eating places
but are still constrained in the process of calculating the number of catfish seeds.
The method of calculation at this time is still manual and volumetric. Of the two
methods, it is still very dependent on the person counting the catfish seeds. If the
counting of catfish seeds is counted 50 heads the calculation may at least be
accurate, but if there are thousands of the calculations will be less accurate.
Therefore, a tool for calculating catfish seeds was made automatically in order to
shorten the counting time of the catfish, using a webcam. After testing the design
of the catfish seed counting tool, it was found that, from the average percentage
error of the tool in 5 experiments for each calculation of the number of catfish
seeds with a maximum data of 200 catfish seeds measuring 5 mm - 10 mm in
length, the results obtained were the average error of the tool was 8.92%. The
calculation process time using the tool is faster than manual calculations. The
main error in counting was caused by the large number of catfish seeds that were
piled up and the size of the seeds that varied so that the reading was unstable or
accurate.

Keywords: Seeds, Catfish, Count, Webcam

v
 KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh. Segala puji bagi Allah

SWT yang telah melimpahkan taufiq dan hidayah-Nya kepada penulis, sehingga
penulis dapat menyusun laporan proyek akhir ini dengan Judul “Alat Penghitung
Benih Ikan Lele Menggunakan Pengolahan Citra”. Sholawat serta salam semoga
selalu tercurahkan kepada Nabi Muhammad SAW beserta keluarga dan sahabat-
sahabatnya, serta semoga semua umatnya senantiasa dapat menjalankan syari’at-
syari’atnya, Aamiin.
Penulis menyadari sepenuhnya, bahwa dalam penyusunan laporan Proyek
Akhir ini banyak terdpat kekurangan mengingat terbatasnya kemampuan penulis,
namun berkat rahmat Allah SWT, serta pengarahan dari berbagai pihak, akhirnya
laporan proyek akhir ini dapat diselesaikan. Harapan penulis semoga laporan
proyek akhir ini dapat bermanfaat untuk kepentingan bersama.

Sehubungan dengan itu, penulis menyampaikan ucapan terima kasih kepada:

1. Ibunda dan Ayahanda tercinta serta seluruh keluarga yang dengan penuh
keikhlasan dan kesungguhan hati memberikan bantuan moral dan spiritual
yang tak ternilai harganya.
2. Bapak I Made Andik Setiawan, M.Eng, Ph.D. Selaku Direktur di Politeknik
Manufaktur Negeri Bangka Belitung yang telah banyak memberikan
kemudahan dalam menyelesaikan pendidikan.
3. Bapak Indra Dwisaputra, M.T. selaku Ka. Prodi Politeknik Manufaktur Negeri
Bangka Belitung dan Bapak Indra Dwisaputra, M.T. selaku wali kelas IV TE.
4. Bapak Irwan,M.Sc.,Ph.D dan Ibu Nofriyani, M.Tr.T. Selaku dosen
pembimbing yang telah membimbing, mengarahkan dan memberi saran-saran
dalam pembuatan dan penyusunan laporan proyek akhir ini.
5. Ibu Ria selaku pemilik tambak ikan lele dan seluruh pekerja tambak ikan lele
di Desa Bukit Betung, Sungailiat, Bangka.

vi
6. Dosen dan Staf Pengajar di Politeknik Manufaktur Negeri Bangka Belitung
yang telah mendidik, membina dan mengantarkan penulis untuk menempuh
kematangan dalam berfikir dan berperilaku.
7. Teman–teman seperjuangan dan semua pihak yang telah memberikan
bantuannya serta sahabat-sahabat yang selalu memberikan support selama ini
dan mitra kerja penulis selama mengerjakan proyek akhir ini yang selalu
berjuang bersama-sama.
Setelah melalui proses yang panjang dan penuh tantangan, akhirnya penulis
dapat menyelesaikan pembuatan alat dan laporan proyek akhir ini yang tentunya
masih banyak kekurangan dan jauh dari kesempurnaan. Walaupun demikian,
penulis berharap laporan proyek akhir ini dapat bermanfaat bagi kita semua dan
penulis khususnya. Semoga Allah senatiasa melimpahkan taufiq dan hidayah-Nya
kepada penulis dan semua pihak yang telah membantu dalam pembuatan alat dan
penulisan laporan proyek ini, Wassalamua’laikum Warahmatullahi Wabarakatuh.

Sungailiat, 03 Maret 2021

Penulis

Sapgitayani

vii
 DAFTAR ISI

HALAMAN JUDUL ............................................................................................ i

LEMBAR PENGESAHAN .................................. Error! Bookmark not defined.
PERNYATAAN BUKAN PLAGIAT .................................................................. ii
ABSTRAK ......................................................................................................... iv
ABSTRACT .......................................................................................................... v
KATA PENGANTAR ........................................................................................ vi
DAFTAR ISI .................................................................................................... viii
DAFTAR GAMBAR ........................................................................................... x
DAFTAR TABEL ............................................................................................. xii
DAFTAR LAMPIRAN ..................................................................................... xiii
BAB I PENDAHULUAN ................................................................................... 1
1.1 Latar Belakang............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 2
1.3 Batasan Masalah ......................................................................................... 3
1.4 Tujuan ........................................................................................................ 3
BAB II DASAR TEORI...................................................................................... 4
2.1 Ikan Lele..................................................................................................... 4
2.2 SolidWorks ................................................................................................. 5
2.3 Pengolahan Citra......................................................................................... 6
2.4 Python ........................................................................................................ 8
2.5 Segmentasi Citra ......................................................................................... 9
2.6 Pengembangan Alat Penghitung Benih Ikan .............................................. 11
BAB III METODE PELAKSANAAN .............................................................. 13
Perancangan dan Pembuatan Software Alat Penghitung Benih Ikan Lele ............ 13
3.1 Pengumpulan Data dan Informasi ............................................................. 14
3.2 Perancangan Sistem Hardware Benih Ikan Lele........................................ 14
3.3 Pembuatan Hardware Benih Ikan Lele...................................................... 15
3.4 Perancangan dan Pembuatan Software Alat Penghitung Benih Ikan Lele... 15
viii
3.5 Pengujian Sistem Perbagian ...................................................................... 15
3.6 Pengujian Alat Keseluruhan ...................................................................... 16
BAB IV PEMBAHASAN ................................................................................. 17
4.1 Perancangan Sistem Hardware Benih Ikan Lele........................................ 17
4.1.1 Perakitan Kontruksi Alat .................................................................. 18
4.2 Pembuatan Hardware Benih Ikan Lele...................................................... 18
4.3 Perancangan dan Pembuatan Software ...................................................... 22
4.4 Pengujian Sistem Perbagian ...................................................................... 24
4.4.1 Pengujian Sistem Bagian Input ........................................................ 25
4.4.2 Pengujian Sistem Bagian Pemroses .................................................. 25
4.4.3 Pengujian Sistem Bagian Output ...................................................... 32
4.5 Pengujian Alat Keseluruhan ...................................................................... 32
4.5.1 Pengujian Program Alat ................................................................... 33
BAB V PENUTUP ........................................................................................... 44
5.1 Kesimpulan............................................................................................... 44
5.2 Saran ........................................................................................................ 45
DAFTAR PUSTAKA ........................................................................................ 46

ix
 DAFTAR GAMBAR

Gambar 2.1 Benih Ikan Lele ................................................................................ 5

Gambar 2.2 Aplikasi Solidworks.......................................................................... 6
Gambar 2.3 Skema Ruang Warna RGB................................................................ 7
Gambar 2.4 Bahasa Pemrograman Python ............................................................ 9
Gambar 2.5 Rancang Bangun Penghitung Benih Ikan ........................................ 11
Gambar 3.1 Flowchart Metode Pelaksanaan ...................................................... 13
Gambar 3.2 Blok Diagram ................................................................................. 14
Gambar 4.1 Blok Diagram Hardware ................................................................ 17
Gambar 4.2 Desain Alat Penghitung Benih Ikan Lele ......................................... 18
Gambar 4.3 Box Benih Lele ............................................................................... 21
Gambar 4.4 Perakitan Kotak Box Luar ............................................................... 21
Gambar 4.5 Perakitan Tempat untuk Webcam .................................................... 22
Gambar 4.6 Hasil Perakitan Kontruksi Alat Penghitung Benih Ikan Lele ........... 22
Gambar 4.7 Flowchart Tahapan Image Processing ........................................... 23
Gambar 4.8 Hasil Pengujian Benih Ikan Lele ..................................................... 25
Gambar 4.9 Hasil Pengujian Webcam ................................................................ 26
Gambar 4.10 Hasil Pengujian Led ...................................................................... 26
Gambar 4.11 Hasil Pengujian Raspberry Pi 3 ..................................................... 27
Gambar 4.12 Hasil Batas Threshold ................................................................... 28
Gambar 4.13 Hasil dari Proses Tangkap Layar ................................................... 29
Gambar 4.14 Hasil dari Proses Grayscale .......................................................... 29
Gambar 4.15 (a) Hasil Sebelum Thresholding (b) Hasil Sesudah Thresholding .. 29
Gambar 4.16 (a) Hasil Saat Thresholding (b) Hasil Sesudah Morfologi .............. 30
Gambar 4.17 Hasil Proses Thresholding............................................................. 30
Gambar 4.18 (a) Hasil Penentuan Foreground (b) Hasil Penentuan Background 31
Gambar 4.19 Hasil Marking ............................................................................... 31
Gambar 4.20 Hasil Perhitungan Jumlah Benih Ikan Lele .................................... 32
Gambar 4.21 Hasil Pengujian Raspberry Pi 3 dan Monitor ................................. 32
x
Gambar 4.22 Benih Ikan Lele tanpa Menggunakan Cahaya ................................ 33
Gambar 4.23 Benih Ikan Lele Menggunakan Cahaya ......................................... 36
Gambar 4.24 Hasil Benih Ikan Lele dengan Ketinggian Air Berbeda ................. 39
Gambar 4.25 Gambar Benih Ikan Lele dengan Ketinggian Webcam Berbeda ..... 40
Gambar 4.26 Hasil Deteksi Webcam Menggunakan Wadah Lingkaran ............... 41

xi
 DAFTAR TABEL

Tabel 4.1 Tabel Peralatan Kontruksi Alat ........................................................... 19

Tabel 4.2 Pengujian Program tanpa Menggunakan Cahaya ................................ 34
Tabel 4.3 Pengujian Program Menggunakan Cahaya .......................................... 36
Tabel 4.4 Hasil Benih Ikan Lele dengan Ketinggian Air Berbeda ....................... 39
Tabel 4.5 Uji Coba Penghitungan Waktu Manual dan Waktu Alat ..................... 42

xii
 DAFTAR LAMPIRAN

Lampiran 1 : Daftar Riwayat Hidup

Lampiran 2 : Desain Alat
Lampiran 3 : Program Alat Penghitung Benih Ikan Lele

xiii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sebagai negara bahari dan negara kepulauan terbesar di dunia, Indonesia
memiliki beragam ekosistem pesisir dan laut salah satunya sumberdaya perikanan.
Meskipun potensi dan pemanfaatan sumberdaya perikanan di perairan air tawar,
payau maupun laut sangat tinggi [1]. Menurut data dari Kementerian Kelautan
dan Perikanan (KKP) pada tahun 2020 s/d 2024, angka konsumsi ikan nasional
dari 56,39 kg/kapita/tahun ditahun 2020 menjadi 62,50 kg/kapita/tahun ditahun
2024. KKP merencanakan peningkatan angka konsumsi ikan sebesar 6,11
kg/kapita/tahun [2]. Fakta di atas menjadi sebuah peluang emas bagi sektor
perikanan budidaya nasional untuk peningkatan produksi terutama produksi ikan
lele secara nasional. Hal ini diprediksi bahwa kebutuhan ikan global pada masa
mendatang tidak lagi bisa bergantung pada produksi perikanan tangkap [3].
Pembenihan benih ikan lele khususnya di Bangka Belitung menjadi salah
satu usaha yang cukup menjanjikan. Usaha budidaya pembenihan ikan lele
memiliki posisi yang sangat penting tetapi dalam tingkat keberhasilan pelaksanaan
usaha pembenihan benih ikan lele, bukan hanya ditentukan oleh kemampuan daya
dukung lingkungan saja, akan tetapi juga ditentukan oleh kemampuan
pembudidaya yang mampu mengelola benih ikan lele dengan baik.
Dalam pembenihan ikan lele dibutuhkan suatu proses perhitungan hal ini
dilakukan petambak benih ikan lele agar dapat menentukan besarnya pakan yang
akan diberikan dan pengeluaran pakan saat benih ikan lele masih kecil sampai
benih lele besar. Didalam proses penghitungan jumlah benih ikan lele selam ini
masih menggunakan cara manual sehingga membutuhkan waktu yang relatif
lama. Itu dapat dilihat dari proses perhitungan jumlah benih ikan lele untuk orang
yang terampil membutuhkan waktu 1,5 sampai 2 jam untuk 1 kantong plastik
yang berisi ± 2 ribu ekor benih ikan lele dengan ukuran push larva 6 mm,7 mm

1
dan 8 mm. Selain itu, dikarenakan ukuran benih ikan lele yang kecil dan
jumlahnya yang sangat banyak proses perhitungan benih ikan lele secara manual
dapat memakan waktu yang lama dan tingkat ketelitian yang rendah.
Proses perhitungan jumlah benih ikan lele masyarakat Indonesia saat ini
masih secara manual, ada beberapa metode penghitungan otomatis sendiri telah
diterapkan untuk proses penghitungan jumlah benih ikan. Metode dalam
penghitungan benih ikan ini dilakukan dengan memanfaatkan teknologi
pengolahan citra digital image processing. Didalam teknologi ini menggunakan
metode pengolahan baik foto maupun video untuk melakukan proses
penghitungan jumlah benih ikan. Namun penerapan teknologi pengolahan citra
belum dapat menghitung ikan yang bergerombol dan tingkat kecerahan objek
yang berbeda masih menjadi kendala [4]. Metode berikutnya juga menggunakan
pengolahan citra dengan sistem yang dirancang dan diimplementasikan
menggunakan HTML, Python, serta pengolahan citra yang menggunakan metode
thresholding, morphology, serta pelabelan. Sistem ini diterapkan secara real time
[5]. Oleh karena itu, dengan membuat rancang bangun “Alat Penghitung Benih
Ikan Lele Menggunakan Pengolahan Citra” yang rancang bangunnya sederhana
diharapkan mudah digunakan bagi masyarakat dan tentunya aman untuk benih
ikan lele. Hasil penghitungan benih ikan lele tersebut dapat dilihat melalui laptop
atau monitor.

1.2 Rumusan Masalah

Berdasarkan berbagai hal yang telah dikemukakan di atas, maka rumusan
masalah yang akan dikaji dalam proyek akhir ini adalah:
1. Bagaimana merancang alat penghitung benih ikan lele otomatis.
2. Bagaimana cara membuat alat penghitung benih ikan lele yang dapat
menghitung secara otomatis.
3. Bagaimana cara menentukan batasan threshold dan cakupan luasan webcam
dalam mendeteksi ikan lele.

2
1.3 Batasan Masalah
Adapun batasan masalah dalam proyek akhir ini adalah:
1. Toleransi penghitungan 10%.
2. Benih ikan lele berukuran panjang 5 mm – 10 mm.
3. Jumlah benih ikan lele maksimal 200 ekor.
4. Ketinggian webcam 42 cm.
5. Belum membedakan antara benih ikan lele dengan benda lain.
6. Data hasil perhitungan benih ikan lele dapat menampilkan jumlah benih ikan
lele.

1.4 Tujuan
Proyek akhir ini membuat mesin Alat Penghitung Benih Ikan Lele dengan
tujuan sebagai berikut:
1. Merancang alat penghitung benih ikan lele otomatis.
2. Membuat alat penghitung benih ikan lele yang dapat menghitung secara
otomatis.
3. Menentukan batasan threshold dan cakupan luasan webcam dalam
mendeteksi ikan lele.

3
 BAB II
DASAR TEORI

2.1 Ikan Lele

Ikan lele memiliki banyak nama dalam hal penyebutan di berbagai daerah
di Indonesia. Di daerah jawa ikan lele disebut dengan ikan lindi, di daerah Karo,
Sumatera Utara disebut dengan ikan sibakut, di daerah Kalimantan Selatan ikan
lele biasa disebut dengan ikan pintet, di daerah Sulawesi Selatan ikan lele disebut
dengan ikan cepi. Sedangkan di luar negeri, ikan lele disebut dengan ikan keli di
daerah Malaysia, ikan Plamond untuk daerah Thailand, serta ca tre trang untuk
daerah Jepang [6].
Ikan lele memiliki sirip yang terdiri dari sirip tunggal dan sirip
berpasangan. Pada sirip tunggal ikan lele terdiri adari sirip punggung (sirip
dorsal) dengan mempunyai jari-jari D.68-79, sirip caudal atau ekor, dan sirip anal
atau sirip dubur degan jumlah jari-jari A.50-60. Sirip dorsal ikan lele memiliki
bentuk yang memanjang di dekat leher hingga hampir menyatu dengan sirip
ekor. Sirip caudal ikan lele membulat hampir setengah lingkaran tubuh ikan lele,
sirip ekor dengan bentuk ini membuat ikan lele dalam bergerak tidak terlalu cepat
jika dibandingkan dengan ikan yang memiliki ekor dengan bentukyang sama
namun tetap dapat mengatur arah pergerakan. Pergerakan ikan lele lebih lambat
ini disebabkan karena tidak adanya perbandingan antara sirip bagian ekor atas
dengan sirip bagian ekor bawah. Sirip berpasangan pada ikan lele ditemukan di
bagian perut dan dada. Sirip di bagian perut disebut sebagi sirip ventral dan sirip
di bagian dada yang disebut sebagai sirip pektoral dengan jumlah jari-jari masing-
masing V.5-6 dan P.I9-10. Kedua jenis sirip berpasangan ini berfungsi sebagai
alat keseimbangan bagi ikan lele. Ikan lele juga mempunyai patil pada sirip
pektoralnya yang berfungsi sebagai alat perlindungan diri. Patil juga berfungsi
sebagai alat untuk begerak di daerah yang airnya kurang untuk beberapa saat. Ikan
lele dikelompokan sebagai hewan bertulang belakang (vertebrata) dari kelas
Pisces, ordo Ostariophysi, famili Clariidae. Ikan lele adalah salah satu jenis ikan
4
nokturnal yang mulai beraktivitas dimalam hari. Ikan lele termasuk jenis ikan
karnivora. Ikan lele juga memakan hama-hama di persawahan dan juga jentik-
jentik nyamuk yang ada di genangan air. Ikan lele sangat ganas itu dapat dilihat
dari ikan lele akan memangsa dengan menggunakan gigi yang yang ada di rongga
mulutnya, gigi - gigi ini berbentuk viliform dan melekat di rahangnya [7].
Adapun gambar benih ikan lele dapat dilihat pada gambar 2.1.

Gambar 2.1 Benih Ikan Lele

2.2 SolidWorks
SolidWorks merupakan aplikasi program mekanikal 3D CAD (computer
aided design) yang berjalan pada Microsoft Windows. File SolidWorks memakai
penyimpanan file format Microsoft yang terstruktur. Ini berarti kalau terdapat
bermacam file tertanam dalam tiap SLDDRW (file foto), SLDPRT (part file),
SLDASM (file assembly), dengan bitmap preview serta metadata sub- file.
Berbagai macam tools dapat digunakan untuk mengekstrak sub- file, walaupun
sub- file dalam banyak permasalahan memakai format file biner. Parameter bisa
berbentuk numerik, semacam panjang garis ataupun diameter bundaran, ataupun
geometris, semacam tangen, paralel, konsentris, horizontal ataupun vertikal.
parameter numerik bisa berhubungan dengan satu sama lain lewat pemakaian
ikatan, yang membolehkan mereka buat menangkap iktikad dari desain [8].
Adapun untuk aplikasi dapat dilihat pada gambar 2.2.

5
 Gambar 2.2 Aplikasi Solidworks [8]

2.3 Pengolahan Citra

Pengolahan citra (image processing) adalah suatu proses pengolah piksel-
piksel di dalam citra digital untuk tujuan tertentu. Pengolahan citra dulunya hanya
digunakan untuk memperbaiki kualitas citra, tetapi dengan adanya perkembangan
dunia komputasi yang ditandai dengan semakin meningkatnya kapasitas dan
kecepatan proses komputer serta munculnya ilmu-ilmu komputasi yang
memungkinkan manusia dalam mengambil informasi dari suatu citra [9].
Ada beberapa cara dalam menyimpan citra digital di dalam memori. Cara
penyimpanan menentukan jenis citra digital yang akan terbentuk. Jenis citra
digital yang paling sering digunakan adalah citra biner, citra grayscale dan citra
warna. Citra biner (monokrom). Banyaknya dua warna, yaitu hitam dan putih.
Dibutuhkan 1 bit di sebuah memori untuk dapat menyimpan kedua warna ini.
 Citra grayscale (skala keabuan). Banyaknya warna tergantung pada jumlah
bit yang telah disediakan di dalam memori untuk menampung kebutuhan
warna. Citra 2 bit mewakili beberapa warna yaitu 4 warna yang memiliki
citra 3 bit, mewakili 8 warna, dan seterusnya. Jika nilai bit warna yang
disediakan di memori besar, maka semakin halus juga gradasi warna yang
terbentuk.
 Citra warna (color image). Setiap piksel pada citra warna mewakili
beberapa warna yang merupakan kombinasi dari warna dasar (RG8 = Red,
6
 Green, Blue). Setiap warna dasar digunakan dalam menyimpan 8 bit =
1 byte, yang berarti setiap warna mempunyai gradasi warna sebanyak 255
warna. Setiap piksel mempunyai kombinasi warna yang unik yaitu
sebanyak 28 x 28 x 28 warna lebih. Oleh sebab itu, dinamakan color
image sebab mempunyai jumlah warna yang cukup besar sehingga dapat
dikatakan hampir mencakup semua warna di alam [9].
Monitor menggunakan model warna RGB (red, green, blue) yaitu suatu
permodelan warna yang didasarkan pada pembentukan warna yang melalui
kombinasi ketiga warna pokok merah, hijau, biru untuk merepresentasikan suatu
warna. Gambar 2.3 menampilkan skema ruang warna RGB. Pada gambar 2.3 itu
diasumsikan semua nilai warna telah dinormalisasi sehingga range nilai yang
dihasilkan adalah (0,1). Nilai warna RGB terdapat disudut utama sumbu
koordinat. Sudut utama yang merepresentasikan nilai warna sekunder
menghasilkan paduan warna utama. Warna sekunder yaitu cyan, magenta dan
yellow. Titik pusat koordinat terdir dari (0,0,0) merepresentasikan warna hitam,
sedangkan warna putih terletak di sudut kubus yang letaknya paling jauh dari titik
pusat atau di koordinat (1,1,1). Diagonal ruang terdiri dari (0,0,0) sampai (1,1,1)
merupakan range nilai yang akan menghasilkan warna gradasi keabuan [10].

Gambar 2.3 Skema Ruang Warna RGB [10]

Berdasarkan intensitas cahaya yang diperoleh dari piksel didalam sebuah

citra. Citra digital dibagi menjadi tiga jenis warna, yaitu citra warna, citra abu-
abu, dan citra biner. Citra warna terdiri dari beberapa warna kombinasi dari 256
warna dengan intensitas warna dasar (red, green, blue). Setiap piksel adalah
gabungan antara ketiga jenis warna tersebut, sehingga masing-masing piksel

7
memiliki tiga komposisi warna. Grayscaling adalah proses perubahan nilai piksel
dari warna (RGB) menjadi gray-level atau sering disebut juga sebagai grayscale.
Pada dasarnya proses grayscaling dilakukan dengan meratakan beberapa nilai
piksel dari 3 nilai RGB menjadi 1 nilai. Proses grayscaling secara matematis
dapat ditulis sebagai berikut:
𝑅+𝐺+𝐵
Gs = ………………………………………………………………………………………..……(1)
3

Gs adalah nilai grayscale dari proses grayscaling. R adalah nilai warna merah, G
adalah nilai warna hijau dan B adalah nilai warna biru. Citra biner dihasilkan
melalui citra warna yang telah melalaui proses binerisasi. Operasi yang dapat
digunakan untuk binerisasi adalah thresholding. Thresholding citra adalah metode
yang gunanya untuk memisahkan objek dan background-nya. Thresholding
merupakan sebuah teknik yang sederhana dan efektif untuk proses segmentasi
citra. Segmentasi citra adalah proses pemisahan citra menjadi beberapa bagian
yang homogen dan mengekstrak bagian-bagian tersebut menjadi beberapa objek
yang akan diamati [10].

2.4 Python
Python merupakan bahasa pemrograman interpretatif yang multiguna
memakai filosofi perancangan dengan fokus kepada tingkatan keterbacaan kode.
Bahasa pemrograman, Python mencampurkan sebagian keahlian, kapabilitas serta
sintaksis kode dan guna pustaka yang bermutu besar. Pada dasarnya, bahasa
pemrograman yang dirancang oleh Guido van Rossum ini sangat banyak
dimanfaatkan buat membuat sesuatu program yang dipakai oleh warga universal.
Salah satunya program GUI (graphical user interface), aplikasi smartphone,
program CLI, IoT, game, web, program buat hacking serta masih banyak lagi [11].

8
 Gambar 2.4 Bahasa Pemrograman Python [12]

2.5 Segmentasi Citra

Segmentasi citra adalah suatu proses yang membagi citra digital menjadi
beberapa daerah atau kelompok, dimana masing-masing daerah terdiri dari
sekumpulan piksel. Segmentasi citra digunakan dalam menyederhanakan dan
merubah representasi citra ke sesuatu yang lebih bermakna dan lebih mudah untuk
dianalisis. Segmentasi citra ini bertujuan dalam mencari objek yang ingin di cari
dan batas-batas bentuk objek seperti garis, kurva dalam citra. Segmentasi adalah
suatu proses partisi gambar digital ke beberapa daerah dengan maksud untuk
penyederhanakan atau merubah gambar menjadi sesuatu yang lebih bermakna dan
mudah dianalisa [13]. Jenis-jenis segmentasi yaitu:
 Watershed
Metode watershed adalah salah satu metode segmentasi citra yang
membagi citra menjadi region yang berbeda-beda dengan menggambarkan
citra sebagai relief topografi. Metode watershed menghasilkan terlalu
banyak region yang dapat menyebabkan bagian penting dari suatu objek
terpisah atau disebut oversegmentasi, sehingga perlu dilakukan
pengembangan metode. Cara yang dapat dilakukan untuk mengurangi
oversegmentasi pada metode watershed dengan cara memanfaatkan
perbedaan gradien dalam menentukan arah dari kemiringan topografi,
penambahan marker yang dapat digunakan untuk mensegmentasi sebagian
objek yang dipilih menggunakan multiresolusi dalam mengurangi
oversegmentasi dengan skala ruang tertentu [14].

9
 Morfologi
Metode morfologi adalah penggunaan dalam structuring element.
Structuring element adalah suatu bentuk dasar suatu objek yang berfungsi
dalam menganalisis struktur geometri dari objek lain yang lebih besar dan
kompleks. Tujuan dari structuring element untuk memperoleh informasi
dalam hal bentuk dari sebuah citra dengan mengatur bentuk serta ukuran
suatu structuring element. Morfologi memiliki dua operator dasar
diantaranya dilasi (dilation) dan erosi (erosion) yang biasa digunakan
untuk mengekstrak komponen yang diinginkan dalam sebuah citra.
Berdasarkan dua operator tersebut, dapat diturunkan dua operator lainnya
yang berguna dalam menghaluskan batas subinterval komponen yang telah
diekstrak, yaitu opening dan closing. Penggunaan metode morfologi selalu
melibatkan sebuah citra dengan komponen I sebagai (citra) dan elemen
penyusun E sebagai (structuring element). Dilasi untuk memperbesar
komponen yang diinginkan dengan penambahan seluruh tepinya dengan
elemen penyusun E. Erosi untuk menghilangkan komponen yang
diinginkan dengan cara mengurangi seluruh tepinya dengan elemen
penyusun E [15].
 Thresholding
Thresholding adalah salah satu metode yang digunakan dalam
proses segmentasi citra untuk memisahkan objek dengan background
dalam suatu citra berdasarkan perbedaan tingkat kecerahan atau gelap
terangnya suatu objek. Region citra yang memiliki warna gelap akan
menjadi semakin gelap (hitam sempurna dengan memiliki nilai intensitas
sebesar 0), sedangkan region citra yang memiliki warna terang akan dibuat
semakin terang (putih sempurna dengan memiliki nilai intensitas sebesar
1). Output dari proses segmentasi yang menggunakan metode thresholding
berupa citra biner dengan nilai intensitas piksel akan bernilai sebesar 0
atau 1. Setelah proses citra telah melakukan proses segmentasi atau sudah
berhasil dipisahkan objeknya dengan background, selanjutnya citra biner
yang didapatkan bisa dijadikan sebagai masking untuk melakukan proses
10
 cropping sehingga diperoleh tampilan citra asli tanpa background atau
dengan background yang dapat diubah-ubah [16].

2.6 Pengembangan Alat Penghitung Benih Ikan

Alat penghitungan benih ikan otomatis sebelumnya sudah pernah di buat
dan juga dikembangkan oleh salah satu universitas yaitu:

 Rancang bangun penghitung benih ikan menggunakan binary thresholding

pada Raspberry Pi secara real time [5].
Salah satu alat perhitungan benih ikan yang telah dibuat oleh [5] Pada
penelitian ini telah dilakukan uji coba dengan mendesain dan mengembangkan
alat yang mampu menghitung benih ikan dengan mengimplementasikan
pengolahan citra dijadikan solusi untuk mengatasi permasalahan para petani
ikan. Sistem yang dirancang dan diimplementasikan menggunakan HTML,
Python, serta pengolahan citra yang menggunakan beberapa metode seperti
metode thresholding, morphology, serta pelabelan. Sistem ini diterapkan secara
real time, serta dapat menghitung objek yang mendekati perhitungan yang
sebenarnya [5].

Gambar 2.5 Rancang Bangun Penghitung Benih Ikan [5]

Berdasarkan hasil perancangan dan pengujian alat penghitung benih ikan

tersebut, yang telah dilakukan diperoleh kesimpulan sebagai berikut:
1. Penelitian ini telah berhasil membuat sistem yang digunakan untuk menghitung
objek menggunakan image processing secara realtime. Perangkat ini dapat

11
 digunakan dari lokal area dikarenakan dibuat khusus dalam satu ruang lingkup
saja.
2. Sistem berjalan sesuai dengan yang diharapkan, yaitu mampu menghitung
objek secara optimal sebesar 40 ekor ikan [5].
Berdasarkan pengembangan alat penghitung benih benih ikan yang dibuat
oleh [5] yang masih ada kekurangan sehingga konsep rancangan yang akan
dibuat yaitu alat penghitung benih ikan lele, untuk mendeteksi benih lelenya
menggunakan webcam dan dengan komponen kontruksi yang berbeda. Proyek
akhir kami menggunakan bahan yang sederhana namun tidak merusak nilai jual
serta mengkombinasikan 3 metode dalam proses perhitungan benih ikan lele
yaitu: watershed, morfologi, dan thresholding.

12
 BAB III
METODE PELAKSANAAN

Proyek akhir dengan judul “Alat Penghitung Benih Ikan Lele

Menggunakan Pengolahan Citra” dikembangkan melalui beberapa tahapan. Ini
dapat dilihat pada flowchart metode pelaksanaan pada gambar 3.1.

Mulai A

Penggumpulan Data Pengujian Sistem Keseluruhan

dan Informasi

Selesai

Perancangan Sistem
Hardware Benih Ikan
Lele

Pembuatan Sistem
Hardware Benih Ikan Lele

Perancangan dan Pembuatan

Software Alat Penghitung
Benih Ikan Lele

Pengujian Sistem Perbagian

A
Gambar 3.1 Flowchart Metode Pelaksanaan

13
3.1 Pengumpulan Data dan Informasi
Pengumpulan data dan informasi terkait proyek akhir ini dilakukan
melalui dua cara, yaitu: (1) studi literatur; (2) wawancara. Studi literatur
mempelajari referensi-referensi yang bersumber baik dari buku-buku maupun
internet dan survei lapangan. Referensi-referensi dari buku dan internet
dibutuhkan untuk mengetahui perkembangan teknologi alat penghitung benih ikan
yang sudah ada saat ini. Wawancara dilakukan dengan survei lapangan dilakukan
dengan mengunjungi langsung tambak ikan lele di Desa Bukit Betung, Sungailiat,
Bangka. Survei dilakukan untuk mendapatkan informasi-informasi mengenai cara
menghitung benih ikan lele dan ukuran benih ikan lele. Setelah dilakukannya
survei, pengumpulan dan pengolahan data dilakukan untuk mendapatkan
kebutuhan komponen dan peralatan yang akan digunakan di dalam perancangan
hardware dan software.

3.2 Perancangan Sistem Hardware Benih Ikan Lele

Tahapan perancangan hardware merupakan suatu tahapan yang dilakukan
untuk menentukan dan merancang perangkat hardware yang akan digunakan
untuk membuat alat. Perangkat hardware dalam proyek ini meliputi perangkat
input, pemroses, dan output. Perangkat input terdiri dari benih ikan lele. Perangkat
pemroses terdiri dari webcam dan pemrograman pada Raspberry Pi 3. Sedangkan
perangkat output merupakan perangkat yang akan ditampilkan hasil perhitungan
benih ikan lele pada laptop atau monitor. Berikut ini merupakan blok diagram alat
penghitung benih ikan lele secara umum dapat dilihat pada gambar 3.1.

Input: Proses: Output:

Benih Ikan lele 1. Webcam Monitor

2. Raspberry Pi

Gambar 3.2 Blok Diagram

14
 Beberapa langkah dalam perancangan pembuatan sistem hardware
mekanik dilakukan seperti berikut:
1. Penentuan wadah penampung benih ikan lele dengan menggunakan
wadah.
2. Penentuan ukuran kontruksi yang menggunakan kayu dan triplek untuk
kontruksi alat keseluruhan.
3. Pemilihan jenis webcam yang akan digunakan.
4. Penentuan peletakan webcam.

3.3 Pembuatan Hardware Benih Ikan Lele

Pembuatan hardware benih ikan lele ialah membuat konstruksi pada alat
penghitung benih ikan lele, meliputi pembuatan pada bagian-bagian sistem
mekanik dari alat penghitung benih ikan lele. Pembuatan hardware mekanik alat
penghitung benih ikan lele yang akan dibuat meliputi dudukan webcam, kerangka
utama alat.

3.4 Perancangan dan Pembuatan Software Alat Penghitung Benih Ikan Lele
Perancangan software pada proyek ini merupakan pengkodean pada
Raspberry Pi 3 yang digunakan untuk mengontrol sistem secara keseluruhan dari
“Alat Penghitung Benih Ikan Lele Menggunakan Pengolahan Citra” yang akan
dibuat.
Beberapa langkah dalam pengkodean Raspberry Pi 3 yang dilakukan, yaitu
perancangan dan pembuatan kode program Raspberry Pi 3.

3.5 Pengujian Sistem Perbagian

Pengujian sistem perbagian pada proyek akhir ini merupakan langkah
untuk menguji masing-masing bagian dari keseluruhan bagian yang ada di sistem
“Alat Penghitung Benih Ikan Lele Menggunakan Pengolahan Citra” ini. Pengujian
dilakukan pada bagian input, pemroses, dan output. Pada bagian input pengujian
dilakukan untuk memastikan bahwa komponen input yang berupa benih ikan lele
dapat terlihat dalam proses mengambil gambar yang diletakan pada wadah benih
15
ikan lele tersedia. Pada bagian pemroses pengujian yang akan dilakukan untuk
memastikan pemroses bekerja sebagaimana mestinya dengan memonitor hasil
pemrosesan baik pada perangkat keras. Pengujian bagian output merupakan
tahapan untuk menguji perangkat yang dalam pemrosesanya dapat bekerja
sebagaimana mestinya. Pada proyek akhir ini perangkat output merupakan
monitor yang digunakan untuk menampilkan hasil perhitungan benih ikan lele.
Adapun uji coba perbagian yang dilakukan seperti berikut ini:
1. Uji coba bagian input
 Uji coba benih ikan lele.
2. Uji coba bagian pemroses
 Uji coba koneksi antara webcam, laptop dan Raspberry Pi 3.
 Uji coba led.
 Uji coba penentuan nilai ambang batas (threshold).
 Uji coba pengolahan citra.
3. Uji coba bagian output
 Uji coba pengujian program.
 Uji coba tampilan di laptop atau monitor.

3.6 Pengujian Alat Keseluruhan

Uji coba keseluruhan yang merupakan pengujian terhadap sistem secara
keseluruhan dilakukan apabila semua komponen dan peralatan sudah selesai
dirakit dan tersusun sesuai rancangan kemudian di uji coba untuk mengetahui
apakah berfungsi sesuai dengan yang diinginkan pada “Alat Penghitung Benih
Ikan Lele Menggunakan Pengolahan Citra” beberapa tahap tersebut yaitu:
1. Komunikasi antara laptop dengan webcam dan Raspberry Pi 3
menggunakan aplikasi Python.
2. Melakukan perbandingan antara penggunaan kamera ditempat terang dan
tempat gelap dengan wadah yang berisi benih ikan lele dengan jumlah
benih ikan lele yang bervariasi, agar data yang di-input di Raspberry Pi 3
lebih akurat.

16
 BAB IV
PEMBAHASAN

Bab ini menguraikan proses pembuatan proyek akhir dengan judul “Alat
Penghitung Benih Ikan Lele Menggunakan Pengolahan Citra”. Berikut ini
merupakan blok diagram hardware alat penghitung benih ikan lele menggunakan
pengolahan citra dapat dilihat pada gambar 4.1.

Benih Kamera atau Laptop atau

Raspberry Pi 3
ikan lele Webcam Monitor

Gambar 4.1 Blok Diagram Hardware

Pada blok diagram hardware diatas terdapat satu input yaitu benih ikan
lele. Benih ikan lele berfungsi sebagai objek benda yang akan dideteksi kemudian
webcam berfungsi untuk menangkap atau mengambil gambar dari benih ikan lele
yang kemudian di proses ke dalam program Raspberry Pi 3 menggunakan bahasa
pemrograman Python yang selanjutnya hasil dari program Python tersebut dapat
ditampilkan dan di lihat hasil perhitungan pada laptop atau monitor.

4.1 Perancangan Sistem Hardware Benih Ikan Lele

Pada tahapan ini yang dilakukan adalah mempersiapkan rancangan alat
yang akan di buat pada alat penghitung benih ikan lele dengan menggunakan
pengolahan citra, rancangan alat yang dipersiapkan yaitu wadah yang digunakan
sebagai tempat penampung benih ikan lele dan triplek yang dipakai untuk tempat
dudukan dari kontruksi alat penghitung benih ikan lele. Adapun pembuatan sistem
hardware dan software yaitu pemrograman Python, setelah selesai diprogram
Raspberry Pi 3 yang digunakan akan di pasang disamping triplek dan webcam
akan diletakan tepat diatas wadah dengan jarak yang sudah ditentukan dengan
perhitungan.
17
4.1.1 Perakitan Kontruksi Alat
Pada tahap perancangan dan pembuatan hardware alat penghitung benih
ikan lele dengan menggunakan pengolahan citra ini proses yang akan dilakukan
yaitu memasang webcam ditempat yang telah ditentukan berdasarkan perhitungan
antara webcam dengan ukuran wadah ikan lele sehingga hasil perhitungan dapat
ditampilkan pada laptop atau monitor. Sebelum membuat kontruksi alat
penghitung benih ikan lele dengan menggunakan pengolahan citra siapkan
terlebih dahulu rancangan alat penghitung benih ikan lele yang akan dibuat agar
tidak terjadi kesalahan dalam menentukan letak dan ukuran dari bahan yang akan
digunakan. Perancangan kontruksi alat pertama-tama secara manual menggunakan
kertas gambar kemudian menggunakan aplikasi Solidworks. Pembuatan desain ini
disesuaikan dengan kebutuhan. Ketinggian webcam sebelumya sudah di sesuaikan
dengan ukuran wadah. Adapun desain gambar dari alat penghitung benih ikan lele
dengan menggunakan pengolahan citra dapat dilihat pada gambar 4.2.

Tempat
Webcam
Webcam
Box
Raspberry Pi
Wadah benih
ikan lele Kerangka
utama box
Gambar 4.2 Desain Alat Penghitung Benih Ikan Lele

4.2 Pembuatan Hardware Benih Ikan Lele

Adapun tahap-tahap pembuatan kontruksi Alat Penghitung Benih Ikan
Lele yaitu:
Siapkan peralatan yang akan digunakan untuk pembuatan kontruksi alat
penghitung benih ikan lele dengan menggunakan pengolahan citra. Setelah
membuat desain kontruksi alat penghitung benih ikan lele dengan menggunakan
pengolahan citra selanjutnya siapkan seluruh peralatan yang digunakan untuk
membuat alat penghitung benih ikan lele dan terlebih dahulu dirancang alat
penghitung benih ikan lele yang akan dibuat agar tidak terjadi kesalahan agar
18
terhindar dari pengeluaran biaya tambahan untuk membeli komponen dan
peralatan. Berikut ini adalah merupakan tabel peralatan yang digunakan terlihat
pada tabel dibawah ini.
Adapun tabel peralatan yang akan digunakan untuk membuat alat
penghitung benih ikan lele dapat dilihat pada tabel 4.1.

Tabel 4.1 Tabel Peralatan Kontruksi Alat

Peralatan yang
No Jumlah Keterangan Fungsi
Digunakan
1 Webcam 1 Buah Resolusi Digunakan sebagai
1080 piksel pendeteksi atau
menangkap
gambar ikan lele
2 Raspberry Pi 1 Buah Digunakan sebagai
proses untuk
menjalankan
program Python
3 Led 1 Buah Digunakan sebagai
penerang tempat
wadah benih ikan
lele
4 Wadah benih ikan lele 1 Buah P = 26 cm Digunakan sebagai
L = 19 cm tempat atau wadah
T = 9 cm menampung benih
ikan lele
5 Triplek 4 Buah Digunakan sebagai
tempat kontruksi
utama untuk
meletakan semua
komponen

19
 Peralatan yang
No Jumlah Keterangan Fungsi
Digunakan
6 Kayu 3 Buah Digunakan sebagai
penyanggah untuk
meletakan webcam
7 Box 1 Buah P = 9,8 cm Digunakan sebagai
L = 7,5 cm tempat box dari
T = 4 cm Raspberry Pi 3
8 Paku 20 Buah Digunakan untuk
merekatkan antara
triplek dengan
kayu

1) Perakitan kontruksi alat penghitung benih ikan lele.

Proses perakitan kontruksi alat penghitung benih ikan lele yang
digunakan sebagai box untuk tempat meletakan wadah benih ikan lele, tempat
webcam dan juga box Raspberry Pi 3. Sehingga webcam dapat diletakan di
posisi yang diinginkan yaitu berada diatas wadah benih ikan lele yang webcam
tersambung dengan box Raspberry Pi yang menggunakan bahasa pemrograman
Python yang selanjutnya di sambung ke monitor untuk melihat hasil
perhitungan dari benih ikan lele. Dalam pembuatan box alat penghitung benih
ikan lele dilakukan 3 tahapan yaitu:
1. Pembuatan box ikan lele.
Pembuatan box dalam berfungsi sebagai tempat untuk wadah benih
ikan lele. Adapun gambar perakitan box benih ikan lele dapat dilihat pada
gambar 4.3.

20
 Gambar 4.3 Box Benih Lele

2. Pembuatan box luar.

Pembuatan box luar berfungsi sebagai tempat atau kerangka utama
yang menghubungkan antara wadah benih ikan lele dengan tempat untuk
meletakan webcam. Adapun gambar perakitan box dalam dapat dilihat pada
gambar 4.4.

Gambar 4.4 Perakitan Kotak Box Luar

3. Tempat untuk webcam.

Tempat untuk webcam ini sendiri telah melakukan perhitungan
terlebih dahulu. Hal ini dikarenakan ketinggian dari webcam sangat
mempengaruhi panjang dan lebar tanggkapan citra. Format citra hasil
tanggkap dari webcam adalah 1080 piksel. Adapun gambar tempat dari
webcam dapat dilihat pada gambar 4.5.

21
 Gambar 4.5 Perakitan Tempat untuk Webcam

2) Pemasangan seluruh peralatan yang sudah dirakit.

Setelah proses perakitan dari box benih ikan lele, box luar, dan tempat
dari webcam selesai yang digunakan sebagai tempat alat penghitung benih ikan
lele. Selanjutnya ialah proses pemasangan seluruh komponen yaang telah
selesai dibuat sebelumya. Berikut merupakan hasil dari kontruksi alat
penghitung benih ikan lele dapat dilihat pada gambar 4.6.

Gambar 4.6 Hasil Perakitan Kontruksi Alat Penghitung Benih Ikan Lele

4.3 Perancangan dan Pembuatan Software

Perancangan software dalam pembuatan program Raspberry Pi 3. Program
di Raspberry Pi 3 pada “Alat Penghitung Benih Ikan Lele Menggunakan
Pengolahan Citra”. Flowchart tahapan image processing yang menggunakan
bahasa program Python pada image processing dapat dilihat pada gambar 4.7.

22
 Gambar 4.7 Flowchart Tahapan Image Processing

Dari gambar 4.7 diatas yang merupakan flowchart tahapan image

processing didapatkan tahapan prosesnya pertama pada saat semua kabel telah
terhubung ke Raspberry Pi 3 dan program telah dibuka pada monitor serta benih
ikan lele sudah ada di dalam wadah benih ikan lele. Webcam akan menyala untuk
menangkap layar dan apabila menekan tombol s pada keyboard maka proses
selanjutnya akan berjalan, jika tidak ditekan tombol s pada keyboard maka
webcam tidak akan menangkap layar atau mendeteksi benih ikan lele. Selanjutnya
proses grayscale image yang berfungsi untuk menggubah gambar asli tangkap
layar ke skala abu-abu. Setelah itu proses binary inverted thereshold dimana
background diubah menjadi hitam dan objek diubah menjadi putih. Proses
tersebut menggunakan nilai batas (threshold) yang telah didapatkan sebelumnya
dan hasil dari proses thresholding berupa citra biner. Selanjutnya proses
morfologi adalah proses yang mempunyai dua tahapan proses yang disebut

23
opening. Didalam opening terdapat dua proses yaitu dilasi dan erosi. Operasi
dilasi adalah proses untuk merapatkan atau menggabungkan piksel-piksel dari satu
objek (benih ikan lele) yang terpisah pada citra biner. Operasi erosi adalah proses
pemindahan atau pengurangan piksel pada batas dari suatu objek. Jumlah piksel
yang ditambahkan atau yang dihilangkan dari batas objek pada citra digital
masukan tergantung pada ukuran dan bentuk dari struktur objek. Setelah proses
morfologi berikutnya proses thresholding yang berfungsi untuk memisahkan
objek yang dalam hal ini benih ikan lele dengan background. Proses thresholding
tersebut dilakukan untuk mengubah piksel background menjadi hitam dan putih
dimana nilai piksel hitam (0) dan nilai piksel putih (255). Setelah itu proses
penentuan background area yang berfungsi untuk mendukung dan memperkuat
kesan serta fokus perhatian pada objek dan penentuan foreground area berfungsi
untuk pendukung objek utama. Selanjutnya yaitu menggabungkan kedua area
tersebut menggunakan algoritma watershed agar mengetahui objek dan
background yang mana tiap objek dan background akan diberi label warna yang
berbeda-beda. Pada proses ini foreground area akan bernilai 1 dan background
area bernilai 0. Proses terakhir yaitu marking yang berfungsi untuk melakukan
penandaan objek benih ikan lele dalam sebuah citra menggunakan metode contour
yang mana objek yang di marking akan dihitung dan dijumlahkan dan hasilnya
akan ditampilkan di monitor. Setelah perhitungan selesai maka proses akan
memulai dari awal lagi.

4.4 Pengujian Sistem Perbagian

Pada tahap ini yang akan dilakukan adalah pengujian pada setiap bagian
input, pemroses dan output yang bertujuan agar semua bagian dapat berfungsi
dengan baik dan sesuai dengan yang diharapkan.

24
4.4.1 Pengujian Sistem Bagian Input
Pada pengujian ini yang akan dilakukan dalah menguji pada bagian input
yang akan digunakan apakah berfungsi sesuai dengan yang diinginkan, pengujian
bagian input antaranya adalah pengujian benih ikan lele.

 Pengujian Benih Ikan Lele

Pada bagian ini adalah pengujian yang dilakukan yaitu untuk mengetahui
bahwa benih dari ikan lele ini bisa terdeteksi dan panjang dari benih ikan lele
sesuai dengan diinginkan. Pengukuran panjang benih ikan lele dilakukan dengan
menggunakan penggaris. Adapun pengujian benih ikan lele dapat dilihat pada
gambar 4.8.

Gambar 4.8 Hasil Pengujian Benih Ikan Lele

4.4.2 Pengujian Sistem Bagian Pemroses

Pada pengujian ini yang akan dilakukan adalah menguji pada bagian
pemroses yang akan digunakan untuk mengetahui apakah program yang dibuat
berfungsi sesuai dengan yang diinginkan atau tidak, pengujian bagian pemroses
yang dilakukan antaranya adalah pengujian Raspberry Pi 3 dan pengujian webcam.

 Pengujian Fungsi Webcam

Pada bagian ini adalah pengujian yang dilakukan yaitu untuk mengetahui
fungsi dari webcam yang telah terpasang dikontruksi alat. Uji coba koneksi antara
Raspberry Pi 3 dan webcam. Apabila webcam dihubungkan dengan Raspberry Pi
3 maka pada layar laptop atau monitor akan menampilkan gambar. Adapun
pengujian webcam dapat dilihat pada gambar 4.9.

25
 Gambar 4.9 Hasil Pengujian Webcam

Berdasarkan uji coba yang telah dilakukan bahwa webcam berfungsi

dengan baik dan benar sudah seperti yang diinginkan.

 Pengujian Fungsi Led

Pada bagian ini adalah pengujian yang dilakukan yaitu untuk mengetahui
fungsi dari led yang telah terpasang dikontruksi alat. Apabila saklar led
dihidupkan maka led hidup dan sebaliknya apabila saklar led dimatikan maka led
mati. Adapun pengujian led dapat dilihat pada gambar 4.10.

Gambar 4.10 Hasil Pengujian Led

 Pengujian Raspberry Pi 3
Pada proses ini yang akan dilakukan adalah dengan menguji apakah
Raspberry Pi 3 yang digunakan berfungsi dengan baik untuk menyimpan program
yang dibuat pada Python. Berikut merupakan hasil pengujian Raspberry Pi 3
apakah berfungsi dengan baik yang dapat dilihat pada monitor atau laptop dapat

26
dilihat pada gambar dibawah ini. Adapun hasil pengujian Raspberry Pi 3 dalam
kondisi baik dan dapat digunakan dapat dilihat pada gambar 4.11.

Gambar 4.11 Hasil Pengujian Raspberry Pi 3

Seperti yang terlihat pada gambar di atas bahwa Raspberry Pi 3 yang

digunakan dapat menyimpan program dan berfungsi dengan baik.

 Penentuan Nilai Ambang Batas (Threshold)

Penentuan nilai threshold ini dilakukan untuk memisahkan daerah objek
dan background. Pada proses ini gambar dengan nilai citra grayscale
dikonversikan menjadi biner atau hitam putih. Dimana untuk nilai intensitas
piksel background sebesar 0 dan untuk objek sebesar 1. Penentuan nilai batas
threshold ini harus dilakukan dengan beberapa kali percobaan agar area untuk
objek dan background terlihat jelas. Dari beberapa kali hasil percobaan tersebut
didapatkan nilai threshold sebesar 79. Nilai threshold sebesar 79 diambil karena
dapat memisahkan objek dan background dengan jelas. Hasil dari proses
penentuan nilai threshold dapat dilihat pada gambar 4.12.

27
 a

(a) Hasil Batas Threshold Terlalu Rendah;

(b) Hasil Batas Threshold Yang Sesuai;

(c) Hasil Batas Threshold Terlalu Tinggi;

Gambar 4.12 Hasil Batas Threshold

Jika nilai threshold terlalu rendah dari 79 maka piksel akan lebih dominan
berwarna hitam sehingga area objek dan background tidak terlihat jelas. Begitu
juga sebaliknya jika nilai threshold terlalu tinggi dari 79 maka piksel akan lebih
lebih dominan berwarna putih sehingga area objek dan background tidak terlihat
jelas.

 Pengolahan Citra
Pengolahan citra pada benih ikan lele diawali dengan melakukan proses
tangkap layar pada daerah citra yang berada di luar daerah citra yang diproses.
Hasil dari proses tangkap layar ditunjukkan pada gambar 4.13.

28
 Gambar 4.13 Hasil dari Proses Tangkap Layar

Selanjutnya yaitu proses grayscale yang digunakan untuk mengubah citra

asli atau gambar RGB ke gambar skala abu-abu. Hasil dari proses grayscale
ditunjukkan pada gambar 4.14.

Gambar 4.14 Hasil dari Proses Grayscale

Proses berikutnya adalah thresholding yaitu proses dimana area

background diubah menjadi hitam dan area objek diubah menjadi putih. Proses
tersebut menggunakan nilai batas threshold yang telah didapatkan sebelumnya
dan hasil dari proses thresholding berupa citra biner. Hasil proses thresholding
ditunjukkan pada gambar 4.15.

a b

Gambar 4.15 (a) Hasil Sebelum Thresholding (b) Hasil Sesudah Thresholding
29
 Tahap selanjutnya adalah melakukan proses morfologi adalah proses yang
mempunyai dua tahapan proses yang disebut opening. Dimana dalam opening
terdapat dua proses yaitu dilasi dan erosi. Operasi dilasi adalah proses untuk
merapatkan atau menggabungkan piksel-piksel dari suatu objek (benih ikan lele)
yang terpisah pada citra biner. Operasi erosi adalah proses pemindahan atau
pengurangan piksel dari suatu objek (benih ikan lele). Hasil proses morfologi dari
citra yang telah di thresholding ditunjukkan pada gambar 4.16.

a b

Gambar 4.16 (a) Hasil Saat Thresholding (b) Hasil Sesudah Morfologi

Selanjutnya yaitu melakukan proses thresholding lagi yang mana bertujuan

untuk menghilangkan atau memperkecil noises atau objek kecil pada saat proses
morfologi, sehingga kesalahan penghitungan dapat diminimalisir. Hasil dari
proses thresholding lagi setelah morfologi ditunjukkan pada gambar 4.17.

Gambar 4.17 Hasil Proses Thresholding

Setelah proses thresholding kedua selanjutnya yaitu proses pemisahan

foreground dan background. Hasil proses pemisahan foreground dan background
dapat dilihat pada gambar 4.18.
30
 a b

Gambar 4.18 (a) Hasil Penentuan Foreground (b) Hasil Penentuan Background

Selanjutnya yaitu menggabungkan kedua area tersebut menggunakan

algoritma watershed agar mengetahui area untuk objek dan background. Dimana
tiap area objek dan background akan diberi label warna yang berbeda-beda. Pada
proses ini foreground area akan bernilai 1 dan background area bernilai 0. Hal
tersebut bersamaan dengan proses marking. Hasil proses marking dapat dilihat
pada gambar 4.19.

Gambar 4.19 Hasil Marking

Proses terakhir setelah marking adalah penghitungan jumlah benih ikan

lele dalam sebuah citra menggunakan metode contour. Pada proses ini objek yang
di marking akan dihitung dan dijumlah. Hasil dari proses penghitungan dan
penjumlah benih ikan lele ditampilkan monitor. Hasil perhitungan jumlah benih
ikan lele dapat dilihat pada gambar 4.20.

31
 Gambar 4.20 Hasil Perhitungan Jumlah Benih Ikan Lele

4.4.3 Pengujian Sistem Bagian Output

Pada proses pengujian sistem bagian output yang akan dilakukan adalah
dengan menguji Raspberry Pi 3 dan monitor apakah berfungsi dengan baik,
menguji tampilan nilai proses perhitungan benih ikan lele apakah tampil dilaptop
atau monitor.

 Pengujian Raspberry Pi 3 dan Monitor

Pada proses uji coba Raspberry Pi 3 dan laptop proses pembuatan proyek
akhir ini digunakan sebagai alat untuk menghitung benih ikan lele pada tambak
ikan lele. Adapun hasil pengujian Raspberry Pi 3 dan monitor dapat digunakan
dapat dilihat pada gambar 4.21.

Gambar 4.21 Hasil Pengujian Raspberry Pi 3 dan Monitor

4.5 Pengujian Alat Keseluruhan

Pada bagian pengujian alat, akan dilakukan setelah semua koneksi dan
kontruksi alat selesai dan sudah di pasang pada tambak ikan lele yang akan
dilakukan proses uji coba. Adapun pengujian yang dilakukan sebagai berikut.

32
4.5.1 Pengujian Program Alat
Pengujian program alat dilakukan setelah semua komponen dan kontruksi
telah selesai dibuat atau rakit. Pengujian dilakukan untuk mengetahui seberapa
besar tingkat presentasi error, nilai thresholding dan waktu penghitungan benih
ikan lele. Pengujian dilakukan dengan melihat seberapa efektif proses perhitungan
menggunakan cahaya, tanpa menggunakan cahaya, serta perbandingan dengan
perhitungan manual dengan jumlah benih ikan lele yang beragam. Pada wadah
yang digunakan jumlah benih maksimal 200 ekor. Jumlah benih diatas 200 ekor
dan ketinggian air 0,5 cm. Apabila ketinggian diatas 1 cm dan jumlah ikan lele
diatas 200 ekor itu bisa menyebabkan semakin banyak benih ikan lele yang
bersinggungan.
Pengujian untuk menghitung benih ikan lele pada citra dengan berbagai
jumlah benih yang berbeda tanpa menggunakan cahaya ditunjukkan pada tabel 4.2
dan untuk hasil gambar dapat dilihat pada gambar 4.22.

Gambar 4.22 Benih Ikan Lele tanpa Menggunakan Cahaya

33
 Tabel 4.2 Pengujian Program tanpa Menggunakan Cahaya
Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
1 10 10 0%
2 10 10 0%
3 10 10 0%
4 10 10 0%
5 10 10 0%
6 30 30 0%
7 30 30 0%
8 30 30 0%
9 30 30 0%
10 30 30 0%
11 50 45 10 %
12 50 43 14 %
13 50 47 6%
14 50 45 10 %
15 50 43 14 %
16 70 62 11,4 %
17 70 65 7,14 %
18 70 64 8,57 %
19 70 65 7,14 %
20 70 63 10 %
21 90 80 11,11 %
22 90 79 12,22 %
23 90 80 11,11 %
24 90 84 6,67 %
25 90 83 7,78 %
26 100 90 10 %
27 100 87 13 %

34
Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
28 100 86 14 %
29 100 85 15 %
30 100 87 13 %
31 120 108 10 %
32 120 109 9,16 %
33 120 110 8,33 %
34 120 108 10 %
35 120 110 8,33 %
36 140 129 7,86 %
37 140 125 10,7 %
38 140 125 10,7 %
39 140 120 14,28 %
40 140 126 10 %
41 160 145 9,37 %
42 160 145 9,37 %
43 160 140 12,5 %
44 160 140 12,5 %
45 160 145 9,37 %
46 180 166 7,78 %
47 180 166 7,78 %
48 180 165 8,33 %
49 180 165 8,33 %
50 180 160 11,11 %
51 200 186 7%
52 200 185 7,5 %
53 200 185 7,5 %
54 200 185 7,5 %

35
 Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
55 200 180 10 %

Dari hasil data percobaan pada 100 ekor benih ikan lele tanpa
menggunakan cahaya menunjukan bahwa presentasi error lebih kecil dari pada
perhitungan jumlah benih ikan lele diatas 120 karena ukuran dari benih ikan lele
yang bervariasi dan adanya benih ikan lele (lebih dari satu ekor) yang saling
bersinggungan. Benih ikan lele yang saling bersinggungan dihitung sebagai satu
ekor oleh program apabila benih ikan lele tersebut lebih kecil. Selanjutnya
pengujian program untuk menghitung benih ikan lele pada citra dengan berbagai
jumlah benih yang berbeda menggunakan cahaya ditunjukkan pada tabel 4.3 dan
untuk hasil gambar dapat dilihat pada gambar 4.23.

Gambar 4.23 Benih Ikan Lele Menggunakan Cahaya

Tabel 4.3 Pengujian Program Menggunakan Cahaya

Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
1 10 10 0%
2 10 10 0%
3 10 10 0%
4 10 10 0%
36
Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
5 10 10 0%
6 30 30 0%
7 30 30 0%
8 30 30 0%
9 30 30 0%
10 30 30 0%
11 50 50 0%
12 50 45 10 %
13 50 47 6%
14 50 45 10 %
15 50 50 0%
16 70 67 4,28 %
17 70 64 8,57 %
18 70 67 4,28 %
19 70 65 7,14 %
20 70 68 2,85 %
21 90 87 3,33 %
22 90 80 11,1 %
23 90 82 8,88 %
24 90 86 4,44 %
25 90 84 6,67 %
26 100 93 7%
27 100 85 15 %
28 100 92 8%
29 100 84 16 %
30 100 84 16 %
31 120 115 4,17 %

37
 Uji Hasil
Jumlah Benih Ikan Persentase
Coba Perhitungan
Lele (ekor) Error (%)
ke (ekor)
32 120 110 8,33 %
33 120 109 9,17 %
34 120 114 5%
35 120 112 6,67 %
36 140 135 3,57 %
37 140 130 7,14 %
38 140 134 4,28 %
39 140 130 7,14 %
40 140 134 4,28 %
41 160 156 2,5 %
42 160 155 3,12 %
43 160 155 3,12 %
44 160 150 6,25 %
45 160 156 2,5 %
46 180 170 5,56 %
47 180 169 6,11 %
48 180 165 8,33 %
49 180 169 6,11 %
50 180 170 5,56 %
51 200 186 7%
52 200 185 7,5 %
53 200 180 7%
54 200 185 7,5 %
55 200 180 7%

Dari hasil data percobaan pada 100 ekor benih ikan lele tanpa
menggunakan cahaya pada tabel 4.2 dan menggunakan cahaya pada tabel 4.3
menunjukan bahwa presentasi error pada tabel menggunakan cahaya lebih kecil
38
dari pada tanpa menggunakan cahaya itu disebabkan karena cahaya sangat
mempengaruhi proses ke akuratan dalam perhitungan benih ikan lele dan ukuran
dari benih ikan lele yang bervariasi juga berpengaruh. Semakin besar benih ikan
lele maka ikan lele yang kecil tidak akan bisa kedeteksi dalam program.
Percobaan berikutnya yaitu melihat ketinggian air yang berbeda. Untuk
menentukan ketinggian air yang tepat dalam proses perhitungan benih ikan lele.
Hasil perhitungan benih ikan lele dengan ketinggian air berbeda dapat dilihat pada
tabel 4.4 dan untuk hasil gambar dapat dilihat pada gambar 4.24.

Gambar 4.24 Hasil Benih Ikan Lele dengan Ketinggian Air Berbeda

Tabel 4.4 Hasil Benih Ikan Lele dengan Ketinggian Air Berbeda
Hasil Perhitungan Menggunakan Alat
Uji Coba Jumlah Benih
Berdasarkan Ketinggian Air
ke Ikan Lele (ekor)
2 cm 1,5 cm 1 cm 0,5 cm 0 cm
1 15 10 11 12 15 14
2 30 26 28 28 30 27
3 70 48 52 50 58 53
4 90 53 62 67 75 68
5 100 40 60 82 92 85

Dari hasil data percobaan pada benih ikan lele dengan pada tabel 4.4
menunjukan bahwa ketinggian air sangat mempengaruhi dalam hal ketepatan
dalam pembacaan benih ikan lele dengan ketebalan 1 mm – 2 mm. Hal ini
dikarenakan banyaknya benih ikan lele yang bertumpukan. Semakin tinggi air

39
maka benih ikan lele akan semakin banyak yang bertumpukan. Objek (benih ikan
lele) yang banyak ini membentuk wilayah yang gelap, jadi ada sebagian benih
yang tidak terdeteksi diakibatkan oleh wilayah yang gelap lebih dominan
dibandingkan objek dan dalam proses perhitungan pada saat tidak ada air dalam
wadah tidak efektif dikarenakan benih ikan lele yang melompat-lompat sehingga
perhitungan kurang baik. Percobaan selanjutnya yaitu melihat ketinggian webcam
yang berbeda. Untuk menentukan ketinggian webcam yang tepat dalam proses
menangkap citra dari benih ikan lele. Hasil gambar benih ikan lele dengan
ketinggian webcam berbeda dapat dilihat pada gambar 4.25.
a

(a) Gambar Benih Ikan Lele dengan Ketinggian Webcam Rendah;

(b) Gambar Benih Ikan Lele dengan Ketinggian Webcam Tinggi;

Gambar 4.25 Gambar Benih Ikan Lele dengan Ketinggian Webcam Berbeda

Dari hasil gambar 4.25 didapatkan bahwa benih ikan lele dengan
ketinggian yang berbeda menunjukan bahwa ketinggian webcam sangat
mempengaruhi dalam hal pembacaan benih ikan lele. Hal ini dikarenakan semakin
dekat webcam maka pembacaan dari benih ikan lele yang perhitungan awal 100
benih ikan lele hanya beberapa ekor benih ikan lele yang terdeteksi ketinggian
webcam 30 cm dan sebaliknya semakin tinggi posisi webcam perhitungan maka
pembacaan webcam akan mendeteksi objek selain benih ikan lele, hal ini

40
dikarenakan benih ikan lele akan kalah dominan dengan sekitar tepi wadah yang
mana ketinggian webcam 50 cm. Ketinggian yang tepat dalam mendeteksi benih
ikan lele adalah 42 cm. Percobaan selanjutnya dengan menggunakan wadah benih
lele berbentuk lingkaran. Hal ini diuji coba agar mengetahui wadah mana yang
lebih efektif hasil uji coba wadah benih lele berbentuk lingkaran dapat dilihat
pada gambar 4.26.

(a) Hasil Deteksi Webcam Posisi Rendah Menggunakan Wadah Lingkaran;

b

(b) Hasil Deteksi Webcam Posisi Sesuai Menggunakan Wadah Lingkaran;

(c) Hasil Deteksi Webcam Posisi Tinggi Menggunakan Wadah Lingkaran;

Gambar 4.26 Hasil Deteksi Webcam Menggunakan Wadah Lingkaran

Dari hasil gambar 4.26 didapatkan bahwa sebelum menggunakan wadah

berbentuk segi empat, mencoba terlebih dahulu menggunakan wadah berbentuk
lingkaran yang ternyata sangat mempengaruhi dalam proses pembacaan benih
41
ikan lele. Pada hasil deteksi webcam posisi rendah yang mana dalam proses
perhitungan benih ikan lele tidak efektif itu dikarenakan sebagian benih lele tidak
dapat terdeteksi dan pada saat thresholding akan menyebabkan area objek dan
background tidak terlihat dengan jelas. Begitu juga dengan hasil deteksi webcam
posisi tinggi. Pada hasil deteksi webcam sama dengan desain pembacaan dari
webcam tidak efektif karena bentuk wadah yang berbentuk lingkaran yang
menyebabkan banyaknya ruang kosong yang terdekteksi oleh webcam selain
benih ikan lele. Setelah itu dilakukan uji coba penghitungan benih ikan lele
dengan membandingkan waktu perhitungan secara manual dan menggunakan
pengolahan citra. Hasil uji coba dapat dilihat pada tabel 4.5.

Tabel 4.5 Uji Coba Penghitungan Waktu Manual dan Waktu Alat
Rata – Rata
Jumlah Waktu Waktu
Uji Persentase
Benih Hitung Hitung
Coba Error 5 kali
Ikan Lele Manual Alat
ke Percobaan
(ekor) (menit) (menit)
(%)
1 10 03.01 01.40 0%

2 30 05.58 01.40 0%

3 50 07.34 01.40 3,3%

4 70 10.40 01.40 6,9%

5 90 16.20 01.40 9,3%

6 100 20.23 01.40 11,6%

7 120 25.23 01.40 12,18%

8 140 30.16 01.40 12,57%

9 160 37.59 01.40 13,12%

10 180 43.20 01.40 14,5%

11 200 47.30 01.40 14,72%

42
 Cara perhitungan persentase error dengan mengambil beberapa sampel pada
tabel 4.5 uji coba pada benih ikan lele yang didapatkan. Dari persentase rata-rata
error alat pada 5 kali percobaan pada setiap perhitungan jumlah benih ikan lele
dengan data maksimum 200 ekor benih lele adalah:
98,19
jadi = 8,92%
11

Untuk setiap kali percobaan atau uji coba alat, alat belum bisa mendapatkan
nilai penghitungan yang akurat yang ditunjukkan oleh hasil uji coba yaitu nilai
errornya yang tidak stabil. Hal ini dipengaruhi oleh benih ikan lele yang
ukurannya tidak sama dan cahaya sehingga program tidak bisa membaca hasil
tangkap dari webcam. Untuk perbandingan waktu menggunakan alat penghitung
otomatis dan penghitungan benih secara manual, ialah penghitungan
menggunakan alat lebih cepat dari waktu penghitungan manual dan jarak waktu
perhitungan menggunakan alat relatif hampir sama.

43
 BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan hasil pengujian dan analisa dari proyek akhir yang berjudul
“Alat Penghitung Benih Ikan Lele Menggunakan Pengolahan Citra” ini, maka
dapat ditarik kesimpulan bahwa:
1. Alat ini dirancang secara manual menggunakan kertas gambar dan setelah itu
menggunakan aplikasi Solidworks agar desain lebih menarik dan lebih mudah
dipahami.
2. Alat dapat berfungsi dengan baik dalam menghitung benih ikan lele. Tingkat
kesalahan pembacaan benih ikan lele yang tingkat kesalahan atau presentae
error di bawah 10 % yaitu perhitungan dengan jumlah 90 ekor dengan ukuran
benih ikan lele 5 mm – 10 mm. Apabila diatas 90 ekor tingkat kesalahan atau
presentae error sudah di atas 10 %. Hal ini dikarenakan benih ikan lele yang
saling berdekatan atau bersinggungan sehingga webcam mendeteksi satu benih
ikan lele walaupun ada 2 atau 3 benih ikan lele. Cahaya juga sangat
mempengaruhi dalam proses perhitungan benih ikan lele. Apabila
pencahayaannya seimbang maka pembacaan akan lebih akurat dan sebaliknya
jika cahayanya ada yang lebih dominan (gelap) maka program akan membaca
cahaya yang lebih gelap.
3. Penentuan nilai batasan threshold dalam perhitungan benih ikan lele ini
dilakukan beberapa kali percobaan yaitu dengan nilai 60, 70, 75, 79, 80, 85,
dan 90. Dari beberapa kali percobaan didapatkan nilai yang paling baik
menggunakan nilai threshold sebesar 79. Jika nilai threshold terlalu rendah dari
79 maka piksel akan lebih dominan berwarna hitam sehingga area objek dan
background tidak terlihat jelas. Begitu juga sebaliknya jika nilai threshold
terlalu tinggi dari 79 maka piksel akan lebih lebih dominan berwarna putih
sehingga area objek dan background tidak terlihat jelas.

44
4. Bentuk segi empat dipilih sebagai wadah dari benih ikan lele setelah
melakukan percobaan yang mana terlebih dahulu menggunakan wadah
berbentuk lingkaran yang ternyata sangat mempengaruhi dalam proses
pembacaan benih ikan lele. Pada hasil deteksi webcam posisi rendah yang
mana dalam proses perhitungan benih ikan lele tidak efektif itu dikarenakan
sebagian benih lele tidak dapat terdeteksi dan pada saat thresholding akan
menyebabkan area objek dan background tidak terlihat dengan jelas. Begitu
juga dengan hasil deteksi webcam posisi tinggi.
5. Ketinggian air yang baik dalam pembacaan webcam adalah 0,5 cm. Hal ini
dikarenakan semakin tinggi ketinggian air maka semakin banyak juga benih
ikan lele yang saling bertumpukan.
6. Pembacaan webcam dipengaruhi oleh cahaya dari luar. Hal ini sangat
mempengaruhi tingkat keakuratan dalam pembacaan benih ikan lele.
7. Penghitungan benih ikan lele dapat dilihat melalui monitor. Monitor akan
menampilkan jumlah perhitungan dari proses hasil pembacaan program.

5.2 Saran
Dari keseluruhan proyek akhir ini terdapat beberapa saran untuk
kedepannya dalam pembuatan proyek akhir ini, yaitu :
1. Diharapkan pada penelitian selanjutnya merancang alat langsung menggunakan
aplikasi Solidworks atau aplikasi lainnya.
2. Diharapkan pada perhitungan selanjutnya alat dapat menghitung benih ikan
lele dengan jumlah benih diatas 90 ekor dengan tingkat kesalahan atau
presentae error di bawah 10 %.
3. Diharapkan pada penelitian selanjutnya alat dapat menghitung benih ikan lele
dengan batasan threshold yang berbeda atau sama.
4. Diharapkan ketika menguji pencahayaan tidak mempengaruhi perhitungan dari
benih ikan lele.
5. Diharapkan bisa membedakan antara ikan lele dengan benda selain ikan lele.

45
 DAFTAR PUSTAKA

[1] I. S. Djunaidah, "Tingkat Konsumsi Ikan di Indonesia:," Jurnal

Penyuluhan Perikanan dan Kelaut, pp. 12-24, 2017.

[2] A. Suherman, "Direktur Jenderal Penguatan Daya Saing Produk Kelautan

Perikanan," 2020 Januari 10. [Online]. Available:
https://kkp.go.id/artikel/16451-2020-kkp-. [Accessed 2021 Februari 23].

[3] M. Ambari, "Mongabay," 16 Oktober 2018. [Online]. Available:

https://www.mongabay.co.id/2018/10/16/budidaya-lele-potensi-
primadona-ekspor-indonesia-selanjutnya/. [Accessed 23 Februari 2021].

[4] F. Mulyanti, "Pemeliharaan Parameter Pengolahan Citra Yang Optimal

Untuk Penghitungan Benih Dan Telur Ikan," Departemen Teknik Mesin
Dan Biosistem Fakultas Teknologi Pertanian Insitut Pertanian Bogor,
Bogor, 2013.

[5] R. A. A, I. N. Sari and V. I. Arinda, "Rancang Bangun Penghitung Benh

Ikan Menggunakan Binary Thresholding pada Raspberry Pi secara Real
Time," Jurnal Informatika Polinema, vol. 4, pp. 1-7, 2017.

[6] K. N. Arifah, "Hobi Ternak," 16 Juni 2020. [Online]. Available:

https://hobiternak.com/deskripsi-ikan-lele/. [Accessed 23 Februari 2021].

[7] M. B. Tamam, "Geneasi Biologi Indonesia," April 2018. [Online].

Available: https://generasibiologi.com/2018/04/deskirpsi-ciri-klasifikasi-
ikan-lele.html. [Accessed 23 Februari 2021].

[8] Arisma, "Reseller Solidworks Indonesia," Februari 2016. [Online].

Available: https://arismadata.com/solidworks/blog/2016/02/perbedaan-
solidworks-dan-

46
 autocad/#:~:text=SolidWorks%20sendiri%20adalah%20software%20prog
ram,file%20format%20Microsoft%20yang%20terstruktur.. [Accessed 02
Maret 2021].

[9] M. Riadi, "Kajian Pustaka," 21 April 2016. [Online]. Available:

https://www.kajianpustaka.com/2016/04/pengolahan-citra-digital.html.
[Accessed 11 November 2020].

[10] D. A. Setiawan, "Penghitungan Benih Udang Vaname (Litopenaeus

vannamei) Dengan Metode Pengolahan Citra," Depatermen Teknik Mesin
Dan Biosistem Fakultas Teknologi Pertanian Insitut Pertanian Bogor,
Bogor, 2016.

[11] D. Team, 29 November 2020. [Online]. Available:

https://www.dewaweb.com/blog/keunggulan-memahami-bahasa-
pemrograman-python/. [Accessed 23 Februari 2021].

[12] A. Muhardian, "Petani Kode," 15 September 2018. [Online]. Available:

https://www.petanikode.com/python-linux/. [Accessed 23 Februari 2021].

[13] I. P. E. Sutariawan, G. R. Dantes and K. Y. E. Aryanto, "Segmentasi Mata

Katarak Pada Citra Medis," Jurnal Ilmu Komputer Indonesia (JIKI), pp.
23-31, 2018.

[14] Gunawan, F. Halim and E. Wijaya, "Perangkat Lunak Segmentasi Citra,"

Jurnal SIFO Mikroskil, pp. 79-88, 2011.

[15] Sutrisno, A. A. Supianto and I. Cholissodin, "Implementasi Teknik

Watershed Dan Morfologi Pada Citra," Jurnal Teknologi Informasi dan
Ilmu Komputer (JTIIK), pp. 5-13, 2014.

[16] A. Pamungkas, "Pemrograman Matlab," 08 April 2017. [Online].

Available: https://pemrogramanmatlab.com/2017/04/08/segmentasi-citra-

47
dengan-metode-
thresholding/#:~:text=Thresholding%20merupakan%20salah%20satu%20
metode,kecerahannya%20atau%20gelap%20terang%20nya.. [Accessed
08 Januari 2021].

48
LAMPIRAN
 LAMPIRAN 1
DAFTAR RIWAYAT HIDUP
LAMPIRAN 2
DESAIN ALAT
 LAMPIRAN 3
PROGRAM ALAT PENGHITUNG BENIH IKAN LELE
MENGGUNAKAN PENGOLAHAN CITRA
import cv2

import imutils

import numpy as np

import matplotlib.pyplot as plt

import math

def calculateDistance(x1,y1,x2,y2):

dist = math.sqrt((x2 - x1)**2 + (y2 - y1)**2)

return dist

def jarak_terdekat(ctnp,ctnps):

jarak = 999999

x1,y1,w1,h1 = cv2.boundingRect(ctnp)

all_jarak = []

for p in ctnps:

x2,y2,w2,h2 = cv2.boundingRect(p)

tmp_jrk = calculateDistance(x1,y1,x2,y2)

if tmp_jrk > 0 :

all_jarak.append([tmp_jrk])

print(np.min(np.array(all_jarak)))

cap= cv2.VideoCapture(1)

result = True
while(result):

ret,frame=cap.read()

cv2.imshow('video_ikan_lele',frame)

if (cv2.waitKey(1) & 0xFF == ord('s')):

ret,frame=cap.read()

cv2.imwrite("Citra Asli1.jpg",frame)

result = False

cap.release()

cv2.destroyAllWindows()

img=cv2.imread('Citra Asli.jpg')

cv2.imwrite('img.png', img)

original = img.copy()

#Color space conversion

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.imwrite('1_gray.png', gray_img)

ret2, thresh = cv2.threshold(gray_img, 120, 255,

cv2.THRESH_BINARY_INV)

cv2.imwrite('2_thresh.png', thresh)

# menghilangkan noise

kernel = np.ones((2,3),np.uint8)

opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel)
cv2.imwrite('3_opening.png', opening)

erd = cv2.erode(opening,kernel,iterations=1)

cv2.imwrite('4_erode.png', erd)

dist = cv2.distanceTransform(erd,cv2.DIST_L2, cv2.DIST_MASK_3)

ret,thresh1 = cv2.threshold(dist,
0.2*dist.max(),255,cv2.THRESH_BINARY)

# Normalized processing, otherwise the effect will not be seen

cv2.normalize(dist,dist,0,6,cv2.NORM_MINMAX)

# cv2.imshow("dist",dist)

cv2.imwrite('5_dist.png', dist)

# cv2.imshow("thresh1",thresh1)

cv2.imwrite('6_thresh1.png', thresh1)

thresh1 = thresh1.astype(np.uint8)

# menentukan background area

sure_bg = cv2.dilate(thresh1,kernel,iterations=2)

cv2.imwrite('7_sure_bg.png', sure_bg)

# menentukanforeground area

dist_transform = cv2.distanceTransform(thresh1,cv2.DIST_L2,5)

ret, sure_fg =
cv2.threshold(dist_transform,0.02*dist_transform.max(),255,0)

cv2.imwrite('8_sure_fg.png', sure_fg)

# Finding unknown region

sure_fg = np.uint8(thresh1)

unknown = cv2.subtract(sure_bg,sure_fg)

# Marker labelling

ret, markers = cv2.connectedComponents(sure_fg)

# Add one to all labels so that sure background is not 0, but 1

markers = markers+1

# Now, mark the region of unknown with zero

markers[unknown==255] = 0

markers = cv2.watershed(img,markers)

img[markers == -1] = [255,0,0]

#menentukan objek

cnts = cv2.findContours(thresh1, cv2.RETR_EXTERNAL,

cv2.CHAIN_APPROX_SIMPLE)

cnts = cnts[0] if len(cnts) == 2 else cnts[1]

# tanda marking objek

allcnts= cv2.drawContours(original,cnts, 1,(0,255,0),1)

for contour in cnts:

x,y,w,h = cv2.boundingRect(contour)

cv2.rectangle(allcnts,(x,y),(x+w,y+h),(0,255,0),1)

# tanda text pada marking objek

# for (i, c) in enumerate(cnts):

# ((x, y), _) = cv2.minEnclosingCircle(c)

# cv2.putText(original, "{}".format(i + 1), (int(x) - 10,

int(y)),

# cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255,0,0), 2)

#menghitung jumlah objek

number= str(len(cnts))

hasil=cv2.putText(original, "jumlah = " +

number,(10,25),cv2.FONT_HERSHEY_SIMPLEX,0.7,(255,0,0),2)

#menampilkan hasil perhitungan

cv2.imshow("original",hasil)

cv2.imwrite('9_Hasil.png', hasil)

cv2.waitKey(0)

cv2.destroyAllWindows()

print("Program Selesai")

print(" by : Dendi Ahmad Septian & Sunardi")

cv2.waitKey(0)

cv2.destroyAllWindows()