BAB II

LANDASAN TEORI

2.1 Tanaman Bawang Merah

Bawang merah merupakan tanaman hortikultura unggulan dan telah
diusahakan oleh petani secara intensif. Komoditi hortikultura ini termasuk
kedalam kelompok rempah tidak bisa disubstitusi dan berfungsi sebagai bumbu
penyedap makanan serta bahan obat tradisional. Tanaman bawang merah
merupakan sumber pendapatan bagi petani dan memberikan kontribusi yang
tinggi terhadap pengembangan ekonomi pada beberapa wilayah (Kurnianingsih,
2018).
Bawang merah (Allium ascalonicum) adalah salah satu komoditas pertanian
yang banyak dikonsumsi oleh masyarakat Indonesia sebagai bumbu masakan.
Permintaan masyarakat Indonesia terhadap bawang merah dalam kurun waktu
tahun 2007 hingga tahun 2010 mengalami peningkatan dari 901 102 ton menjadi 1
116 275 ton, yang diikuti oleh peningkatan produksi bawang merah dari 802 827
ton menjadi 1 046 325 ton. Meskipun begitu, peningkatan produksi bawang merah
belum mampu mengimbangi peningkatan permintaan masyarakat (Triwidodo &
Tanjung, 2020).

2.1.1 Jenis Penyakit Tanaman Bawang Merah

Dalam proses pembudidayaan pada tanaman bawang merah terdapat
beberapa penyakit yang sering menyerang tanaman ini. Bawang merah sangat
rentan untuk terkena infeksi bakteri dan jamur, penyakit utama pada tanaman
bawang merah di antaranya Bercak Ungu, Moler, Busuk Daun, dan Antraknosa
(Dasril Aldo, 2020).
a. Bercak Ungu
Salah satu penyakit yang banyak menyerang tanaman bawang merah di
lapangan adalah penyakit bercak ungu atau ditingkat petani sering disebut
trotol. Penyakit ini disebabkan oleh cendawan Alternaria porii. Cendawan ini
menimbulkan gejala melekuk pada daun, berwarna putih atau kelabu.

6
 7

Gambar 2.1 Penyakit Bercak Ungu

Sumber : https://ejournal.unsrat.ac.id, Yukiko N.K Susandi, 2018.
Gejala Bercak Ungu ditandai dengan matinya bagian tanaman dari
sekumpulan sel dalam jaringan tertentu dan kemudian terlihat bercak-bercak
kehitaman. Gejala serangan penyakit bercak ungu : bercak berukuran kecil,
melengkung dengan warna putih hingga kelabu. Apabila ukuran bercak
membesar, warna berubah keunguan dan tampak bercincin. Pinggiran bercak
berwarna merah keunguan yang dikelilingi oleh zona berwarna kuning. Apabila
cuaca lembab, warna permukaan bercak berubah menjadi coklat kehitaman,
dengan ujung daun yang mengering. Jumlah bercak pada dau tua lebih banyak
dari pada pada daun muda. (Gambar 2.1). Tanda bercak pada daun yang terinfeksi
cukup terlihat sangat jelas, memiliki miselium cendawan dengan struktur yang
mengering, dan menyerang pada bagian tangkai bunga pada saat masa anaman
dari sekumpulan sel yang terbatas dalam jaringan tertentu dan pada bagian salah
satu tanaman terlihat adanya bercak hitam.
 8

b. Moler
Tanda penyakit moler pada tanaman bawang merah adalah warna daunnya
tampak kuning, tanaman cepat layu, bentuk daun terpelintir atau meliuk, serta
tanaman mudah tercabut karena pertumbuhan akar terganggu dan membusuk.
Tanaman yang terserang juga akan mengalami pengurangan hasil yang
signifikan.

Gambar 2.2 Penyakit Moler

Sumber : https://journal.lppm-unasman.ac.id, Hikmahwati, 2020.

Gejala Moler meperlihatkan ciri yang khas yaitu warna daun menjadi
kuning dan bentuknya melengkung terpelintir. Hal ini menyebabkan tanaman
menjadi cepat layu, kurus kekuningan dan terkulai seperti akan roboh. Pada
bagian dasar umbi lapis terlihat koloni cendawan berwarna putih dan apabila
dipotong membujur maka terlihat adanya pembusukan yang berawal dari dasar
umbi meluas ke atas maupun ke samping (Gambar 2.2).

c. Busuk Daun
Penyakit yang disebabkan cendawan  Peronospora destructor  ini mengganas
terutama pada musim hujan. Gejala awal berupa bercak hijau pucat di dekat
ujung daun lalu meluas dengan sangat cepat bila intensitas hujan tinggi. Daun
 9

segera menguning, layu, lantas mengering. Penanganan segera sangat

diperlukan untuk menghindari meluasnya serangan. Karena itu kehadiran
penyakit ini perlu diwaspadai pada pertanaman musim penghujan.

Gambar 2.3 Penyakit Busuk Daun

Sumber : https://gdmorganic.com, Wahyu Nurwijayo, 2021.

Pada musim hujan penyakit busuk daun (antraknosa) perlu mendapatkan

perhatian ekstra, sebab cendawan Collectricum gloeosporiodes dapat berkembang
biak dan menular sangat cepat. Adanya bercak putih berbentuk lonjong hingga
bulat, kadang-kadang berbentuk belah ketupat pada daun bawang. Bercak putih
pada daun terbentuk cekungan kedalam dan berbentuk lubang. Selanjutnya daun
yang terinfeksi akan patah dan terkulai dengan cepat. Jika infeksi berlanjut, maka
terbentuklah koloni konidia yang berwarna merah muda, yang kemudian berubah
menjadi coklat muda, coklat tua, dan akhirnya kehitam-hitaman. Dalam kondisi
kelembaban udara yang tinggi terutama pada musim penghujan, konidia
berkembang dengan cepat membentuk miselia yang tumbuh menjalar dari helaian
daun, masuk menembus sampai ke umbi, seterusnya menyebar di permukaan
tanah, berwarna putih, dan menginfeksi inang di sekitarnya. Umbi kemudian
membusuk, daun mengering

d. Antraknosa
Penyakit ini disebabkan oleh infeksi cendawan Collectricum yang menyukai
area lembab. Spora antraknosa mudah menyebar terbawa aliran atau percikan
 10

air. Gejalanya mirip dengan gejala busuk daun atau bercak ungu namun
antraknosa cepat menyebabkan tanaman mati. Apabila tidak segera ditangani,
untuk mencegah antraknosa maka harus menjaga agar area tanam bersih dari
gulma dan tidak terlalu lembab dan rutin menyemprotkan fungisida kontak
berbahan aktif propineb. 

Gambar 2.4 Penyakit Antraknosa

Sumber : http://e-journal.janabadra.ac.id, Sarianti, 2022.

2.2 Citra
Citra atau gambar merupakan salah satu komponen multimedia yang
memegang peranan yang sangat penting sebagai bentuk informasi. Citra sebagai
keluaran suatu sistem yang bersifat optic berupa foto, bersifat analog berupa
sinyal-sinyal video, atau bersifat digital yang dapat langsung disimpan dalam peta
magnetic (Muhammad dkk, 2020). Citra memiliki karakteristik yang tidak
dimiliki oleh data teks, yaitu citra kaya dengan informasi. Meskipun sebuah citra
kaya akan informasi, namun seringkali citra yang kita miliki mengalami
penurunan mutu (degradasi) citra yaitu penurunan kualitas citra, misalnya
karena mengandung cacat atau derau (noise), warnanya terlalu kontras, kurang
tajam, kabur (blurring), dan sebagainya (Sugiarti, 2018). Kemudian dalam
jurnal lain, mengemukakan pendapat bahwa citra merupakan fungsi menerus
(continue) atas intensitas cahaya pada bidang dua dimensi. Sebuah citra
mengandung informasi tentang objek yang direpresentasikan. Citra dapat juga
diartikan sebagai gambar 2 dimensi yang dihasilkan dari gambar analog dua
 11

dimensi yang kontinu menjadi gambar diskrit melalui proses sampling (Nabuasa,
2019).

2.2.1 Jenis-Jenis Citra

Berdasarkan bentuk sinyal penyusunannya, citra dapat digolongkan menjadi
dua jenis yaitu citra analog dan citra digital. Citra analog adalah citra yang
dibentuk dari sinyal analog yang bersifat kontinyu, sedangkan citra digital adalah
citra yang dibentuk dari sinyal digital yang bersifat diskrit (Risma Ekawati, 2021)
a. Citra Analog
Citra analog adalah citra yang dihasilkan dari alat akusisi citra analog,
contohnya adalah mata manusia dan kamera analog. Gambaran yang
tertangkap oleh mata manusia dan foto atau film yang tertangkap oleh kamera
analog merupakan contoh dari citra analog. Citra tersebut memiliki kualitas
dengan tingjat kerincian (resolusi) yang sangat baik tetapi memiliki kelemahan
diantaranya adalah tidak dapat disimpan, diolah, dan diduplikasi didalam
komputer (Risma Ekawati, 2021).
b. Citra Digital
Citra digital merupakan representasi dari fungsi intesitas cahaya dalam bentuk
diskrit pada bidang dua dimensi. Citra tersusun oleh sekumpulan piksel
(picture element) yang memiliki koordinat (x,y) dan amplitudo f (x,y).
Koordinat (x,y) menunjukkan letak/posisi piksel dalam suatu citra, sedangkan
amplitudo f(x,y) menunjukan nilai intesitas warna citra. Representasi citra
digital beserta piksel penyusunan ditunjukan pada gambar berikut ini (Risma
Ekawati, 2021).
 12

Gambar 2.5 Citra dan Piksel Penyusunnya

Sumber : https://books.google.co.id/, Risma Ekawati, 2021.
2.3 Pengolahan citra
Pengolahan citra adalah cara mengolah citra dengan beberapa tahapan.
Tahapan pengolahan citra tersebut terdiri dari modifikasi kecemerlangan, negasi,
peningkatan kontras, dan thresholding. Modifikasi kecemerlangan adalah
merubah nilai keabuan atau warna gelap menjadi warna terang atau sebaliknya.
Negasi adalah merubah warna dari citra menjadi terbalik dengan batas yang
diberikan 0 dan 255 artinya, jika warna citra memiliki nilai 0 maka akan menjadi
255 dan sebaliknya. Thresholding merupakan teknik merubah warna citra menjadi
hitam putih, sebelum dikonversikan teknik ini melewati proses greyscale terlebih
dahulu melalui konversi dari citra RGB. Thresholding memiliki nilai ambang
batas jika, pixel output nilainya lebih dari 128 maka warna yang dihasilkan putih
atau nilai menjadi 255. Dan jika pixel output nilainya kurang dari 128 maka,
warnanya menjadi hitam atau nilai menjadi 0 ( Edy Mulyanto, 2019 ).
Dalam sebuah citra tidak akan terhindar dari penurunan kualitas ( degradasi )
diantaranya terdapat derau (noise) warna yang terlalu kontras atau yang kurang
tajam, efek warna yang tidak merata mengakibatkan suatu citra sulit dikenali
dikarenakan kabur (blurring) dan lain sebagainya. Oleh sebab itu, perlu dilakukan
pengolahan citra dimana suatu proses untuk memanipulasi citra yang terdegradasi
menjadi kualitas yang lebih baik sehingga lebih mudah diinterpretasi manusia dan
komputer. Secara umum operasi-operasi pengolahan citra dapat diklasifikasikan
sebagai berikut.
a. Image Enhancement
Image enhancement merupakan metode yang digunakan untuk memperbaiki
kualitas citra. Tahapan ini merupakan proses awal yang dilakukan untuk
mendapatkan kualitas citra yang lebih baik. Citra hasil akuisisi seringkali
memiliki kualitas yang buruk, seperti adanya noise (derau), terlalu
gelap/terang, kabur/kurang jelas, dan lain-lain. Image enhancement
memberikan perbaikan kualitas citra tanpa mengubah informasi dari citra yang
diperbaiki (Shoffan Saifullah, 2020).
b. Image Restoration
 13

Operasi ini bertujuan menghilangkan atau meminimumkan cacat pada citra.

Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra.
Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh
pemugaran citra adalah penghilangan kesamaran (deblurring) dan
penghilangan derau (noise). Kekaburan gambar (blur) atau derau (noise)
mungkin disebabkan pengaturan focus lensa yang tidak tepat atau kamera
bergoyang pada pengambilan gambar. Melalui operasi deblurring sifat gambar
info dapat ditingkatkan dengan tujuan agar terlihat lebih baik (Leli Sahrani,
2021).
c. Image Transformation
Image Transformation atau transformasi citra merupakan proses perubahan
suatu bentuk citra dimana dapat berupa perubahan geometri piksel seperti
perputaran (rotation), pergeseran (translation). Penskalaan (scalling), dan lain
sebagainya. Transformasi citra berfungsi untuk memperoleh informasi (feature
extraction) yang lebih jelas dalam suatu citra. Hasil transformasi dapat
dianalisis kembali serta dijadikan acuan untuk melakukan pemrosesan
selanjutnya (Leli Sahrani, 2021).
d. Image Segmentation
Image Segmentatio atau Segmentasi citra merupakan bagian dari proses
pengolahan citra. Segmentasi citra dilakukan untuk menghasilkan citra biner
yang diperoleh dari citra RGB dengan tujuan untuk memisahkan objek dengan
background. Tahapan ini merupakan tahapan yang kritis dalam pengolahan
citra karena diperlukan kualitas citra yang baik agar dapat dilakukan ekstraksi
fitur dan prosedur klasifikasi (Yulianto, 2018).
e. Image Analysis
Image analusis atau Analisis citra berfungsi untuk menghitung nilai kuantitatif
dari citra untuk menghasilkan deskripsinya dengan cara mengekstraksi ciri-ciri
tertentu yang digunakan untuk mengidentifikasi objek. Ekstraksi fitur adalah
siklus untuk mengambil atau melihat nilai unsur-unsur yang terkandung dalam
sebuah gambar. Nilai yang muncul atau yang diekstrak akan digunakan untuk
proses pelatihan (training). Proses ekstraksi komponen merupakan interaksi
 14

yang mengasumsikan bagian penting dalam mempersiapkan objek informasi

yang akan dirasakan (Leli Sahrani, 2021).

2.4 Klasifikasi
Klasifikasi adalah pengelompokkan data atau objek baru ke dalam kelas
atau label berdasarkan atribut-atribut tertentu. Teknik dari klasifikasi adalah
dengan melihat variabel dari kelompok data yang sudah ada (Nurul Chamidah,
2019). Dalam penelitian ini metode yang digunakan untuk mengklasifikasi adalah
metode K-Means.

2.4.1 Metode K-Means

Metode K-means merupakan salah satu algoritma dengan partitional, karena
K-Means didasarkan pada penentuan jumlah awal kelompok dengan
mendefinisikan nilai centroid awalnya (Nuari Sivi Anisa, 2020). Algoritma K-
Means menggunakan proses secara berulang-ulang untuk mendapatkan basis data
cluster, dibutuhkan jumlah cluster awal yang diinginkan sebagai masukan dan
menghasilkan titik centroid akhir sebagai output. Metode K-means akan memilih
pola k sebagai titik awal centroid, berikut ini adalah sistem cara kerja dari
penerapan K-Means:
a. Siapkan data training berbentuk vector.
b. Set nilai K cluster.
c. Set nilai awal centroids.
d. Hitung jarak antara data dan centroid menggunakan rumus Euclidean
Distance.
e. Partisi data berdasarkan nilai minimum.
f. Kemudian lakukan iterasi selama partisi data masih bergerak (tidak ada lagi
objek yang bergerak ke partisi lain), bila masih maka ke poin 3.
g. Bila grup data sekarang sama dengan grup data sebelumnya, maka hentikan
iterasi.
Setelah menentukan nilai centroid, maka untuk menghitung jarak antara data dan
centroid menggunakan rumus sebagai berikut ini :
 15

√∑
n
2
D ( p ,c )n= ( p ¿ ¿ i−c i )2∨¿ ¿ ¿ ............................................................................
i=0

(1)

Keterangan :
p = data
c = centroid
n = jumlah data
i = iterasi

2.5 Ekstraksi Fitur

Ekstraksi fitur adalah proses pengambilan ciri sebuah objek yang dapat
menggambarkan karakteristik dari objek tersebut. Ekstraksi fitur yang sering
digunakan di dalam sebuah penelitian adalah ekstraksi fitur bentuk, ekstraksi fitur
warna dan ekstraksi fitur tekstur. Pada penelitian ini yang digunakan adalah
ekstraksi fitur tekstur. Ekstraksi fitur tekstur mengandung informasi yang penting
berupa dasar penataan permukaan pada awan, daun, batu bara, kain dan lain- lain.

2.5.1 Gabor Fiter

Gabor filter merupakan salah satu filter yang mampu mensimulasikan
karakteristik sistem visual manusia dalam membedakan tekstur berdasarkan atas
kapabilitas untuk mengidentifikasikan berbagai frekuensi dan orientasi spasial
tekstur dari citra yang diamati (Nazariana, 2019). Fungsi gabor diperkenalkan
oleh seorang fisikiawan yang bernama Denis Gabor pada tahun 1946 sebagai alat
untuk deteksi sinyal dalam noise / derau. Pada tahun 1980 seseorang bernama
Dougman menggunakan Gabor filter ini ke citra 2 Dimensi. Jadilah gabor filter
yang digunakan untuk menganalisis tekstur dan deteksi tepi pada sebuah citra.
Sedangkan Gabor filter adalah fungsi sinusoidal yang dimodulasi oleh
fungsi Gaussian. Metode ini sering difungsikan sebagai detektor tepi, garis, dan
bentuk. Untuk membangkitkan kernel Gabor digunakan persamaan berikut :
 16

G ( x , y )=
1
2π
exp
x
{
+
σx σy
y
}
exp ( 2 πμ 0 ( x cos θ+ y sin θ ) )...............................(2)

Keterangan :

x, y = koordinat dari gabor filter

𝜎 = standard deviasi Gaussian envelope

𝜃 = orientasi

𝜇 = frekuensi

Pemilihan parameter dilakukan untuk mencari karakteristik tekstur yang terdapat

pada citra untuk proses segmentasi. Keluaran filter merupakan modulasi dari rata-
rata konvolusi filter real dan imajiner terhadap citra. Setelah mendapatkan ciri
Gabor maka dapat dilakukan ekstraksi ciri. Seleksi ciri memilih informasi dari
ciri yang ada, yang dapat membedakan kelas-kelas obyek secara baik. Ekstraksi
ciri yaitu salah satu ciri yang dapat dipilih adalah ciri energy yaitu mencari nilai
rata tekstur dari magnitude response (Rangga, 2018). yang didefenisikan sebagai
berikut:
m n
1
∑ ∑|x ( m, n )| ..................................................................(3)
2
Energy=
MN i=1 j=1

Keterangan :

m = jumlah baris citra atau panjang

n = jumlah kolom citra atau lebar

i = ordinat piksel

j = absis piksel

MN = jumlah piksel dalam citra

x (m,n) = intensitas piksel

Kemudian setelah diperoleh nilai energy maka nilai energy akan digunakan
sebagai masukan klasifikasi. sebagai ciri yang membedakan antara penyakit yang
satu dengan penyakit lainnya. Adapun langkah-langkah untuk analisis tekstur
dengan gabor filter adalah sebagai berikut:
 17

1. Input citra asli.

2. Citra rgb dikonversi ke citra grayscale.
3. Pemberian nilai skala frekuensi dan orientasi.
4. Selanjutnya mencari nilai frekuensi tengah, tentukan nilai lebar pita frekuensi.
5. Hitung nilai riil dan imajiner.
6. Proses filter untuk mendapatkan nilai magnitude.

2.6 Flowchart
Flowchart dapat diartikan sebagai suatu sarana yang menunjukkan langkah-
langkah yang harus dilaksanakan dalam menyelesaikan suatu masalah untuk
komputasi dengan cara mengekspresikannya ke dalam serangkaian simbol-simbol
grafis khusus. Flowchart merupakan bagan yang menjelaskan tentang prosedur
atau langkah-langkah dalam menyelesaikan suatu masalah dari suatu program
(Rosa & Shalahuddin, 2018).

Tabel 2.1 Simbol-simbol flowchart

Simbol Nama Fungsi

Proses Simbol proses terdefenisi

Terdefenisi untuk permulaan sub program

Simbol keputusan untuk

perbandingan, pernyataan,
Keputusan penyeleksian data yang
memberikan pilihan untuk
langkah selanjutnya

Proses Simbol proses terdefenisi

Terdefenisi untuk permulaan sub program
 18

Simbol penghubung untuk

menghubungkan bagian-
Penghubung
bagian flowchart yang berada
pada satu halaman

Simbol penghubung untuk

menghubungkan bagian-
Penghubung
bagian flowchart yang berada
pada halaman yang berbeda

Simbol terminal digunakan

Terminator untuk menyatakan awal dan
akhir suatu program

Simbol garis alir untuk

Garis Alir menunjukkan arah arus dari
sebuah proses

Simbol persiapan untuk proses

Persiapan inisialisasi atau pemberian
nilai awal

Simbol proses untuk proses

Proses
pengolahan data

Simbol Input/Output untuk

Input/Output
proses input dan output data

Sumber: (Rosa & Shalahuddin, 2018)

2.7 Matlab R2017b

Matlab merupakan aplikasi dengan bahasa canggih khusus dibuat untuk
komputasi numerik, pemrograman dan visualisasi. Dengan menggunakan matlab,
kita dapat menganalisis data, membuat aplikasi, model dan mengembangkan
algoritma. Berkat tools yang ditawarkan, bahasa dan built-in fungsi matematika.
 19

Kita dapat memeriksa berbagai pendekatan dan mencari solusi yang jauh lebih
cepat dibandingkan dengan bahasa pemrograman tradisional dan spreadsh.
Matlab adalah singkatan dari MATrix LABoratory. Pertama kali dibuat
untuk mempermudah penggunaan dua koleksi subrutin pada pustaka FORTRAN
yaitu: LINPACK dan EISPACK, dalam menangani komputasi matriks. Sejak itu,
Matlab berkembang menjadi sebuah sistem yang interaktif sekaligus sebagai
bahasa pemrograman untuk keperluan-keperluan ilmiah, komputasi teknis, dan
visualisasi. Elemen data dasar Matlab adalah matriks. Perintah-perintah
diekspresikan dalam bentuk yang sangat mirip dengan bentuk yang digunakan
dalam matematika dan bidang teknik. Contoh persamaan b=Ax, dengan A, b, dan
x matriks, ditulis: b=A*x. Untuk mendapat solusi x dari A dan b, tulis: x=A\b,
tidak diperlukan penulisan program khusus untuk operasi-operasi matriks seperti
perkalian matriks atau invers matriks. Oleh karena itu bahasa Matlab
menyelesaikan masalah tersebut memerlukan waktu lebih cepat dibanding waktu
yang dibutuhkan bahasa pemrograman tingkat tinggi lain (Atina, 2019).
Aplikasi Matlab juga bermanfaat dalam membantu atau memudahkan
pekerjaan manusia dalam beberapa hal, yaitu (Zaitunt 2019).
1. Perhitungan matematika.
2. Komputasi numerik.
3. Simulasi dan pemodelan
4. Visualisasi dan analisis data.
5. Pembuatan grafik untuk keperluan sains dan teknik.
6. Pengembangan aplikasi, misalnya dengan memanfaatkan GUI.
 20

Gambar 2.6 Tampilan Matlab

Sumber : https://jurnal.umj.ac.id, Rangga Putra, 2021.
21
22