Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 4, No. 2, Februari 2020, hlm. 463-471 http://j-ptiik.ub.ac.id

Sistem Penghitung Stroberi Matang di Kebun berdasarkan Hue dan

Saturation menggunakan Algoritme Watershed berbasis Raspberry Pi
Putri Harviana1, Hurriyatul Fitriyah2, Eko Setiawan3

Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1putriharviana@gmail.com, 2hfitriyah@ub.ac.id, 3ekosetiawan@ub.ac.id

Abstrak
Stroberi merupakan buah yang mengandung banyak manfaat, sehingga buah stroberi banyak
dibudidayakan di Indonesia. Dalam pembudidayaan tersebut petani memperhatikan produktivitas buah
stroberi dalam segi kuantitas maupun kualitas. Petani selama ini masih melakukan penghitungan buah
stroberi secara konvensional atau manual sehingga memerlukan waktu penghitungan yang lama. Selain
itu petani tidak pernah mengevaluasi hasil panen sekarang dengan sebelumnya. Oleh karena itu, petani
memerlukan alat yang dapat membantu dan memudahkan pada bidang pertanian dikenal dengan modern
farming atau pertanian modern. Pertanian modern di Indonesia yang sudah ada seperti alat penanam dan
pemanenan padi secara otomatis, alat pengering kedelai, alat penyemprot pestisida, mesin pemilah bibit
unggul, dan lain sebagainya. Untuk membuat alat yang sesuai dengan kebutuhan petani buah stroberi,
peneliti mengembangkan sistem penghitung stroberi matang di kebun berdasarkan nilai hue dan
saturation. Nilai hue dan saturation digunakan karena kedua nilai tersebut dapat mengatasi perubahan
intensitas cahaya dan dapat melakukan deteksi stroberi matang berdasarkan warna kulit buahnya. Sistem
tersebut menggunakan algoritme watershed untuk memisahkan stroberi dengan kondisi menempel atau
berdempetan, sehingga dapat dihitung sebagai objek yang berbeda. Sistem ini berbasis Raspberry Pi
karena dapat memproses komputasi citra dengan cepat. Dengan adanya alat ini diharapkan dapat
digunakan untuk memprediksi hasil panen. Prediksi panen tersebut nantinya dapat digunakan untuk
membantu pekerjaan petani dalam mengevaluasi hasil panennya, sehingga petani dapat meningkatkan
kualitas maupun hasil panen setiap tahunnya. Diharapkan pengembangan sistem selanjutnya dapat
memudahkan petani untuk memetik stroberi yang sudah matang pada kebun yang dilakukan oleh robot.
Pada hasil pengujian yang didapatkan oleh sistem yaitu diperoleh tingkat akurasi sebesar 82% dan waktu
komputasi rata-rata yang dihasilkan sistem sebesar 7558.1 milisecond.
Kata kunci: Stroberi, Segmentasi, Hue, Saturation, Algoritme Watershed
Abstract
Strawberries are fruits that contain many benefits, so strawberries are widely cultivated in Indonesia.
In the cultivation, farmers pay attention to the productivity of strawberries in terms of excess quality.
Farmers are still counting strawberries conventionally or manually so they ask for a long calculation
time. In addition, farmers have never received their harvest now. Therefore, farmers need tools that can
help and provide in agriculture known as modern agriculture or modern agriculture. Existing modern
agriculture in Indonesia such as rice planting and automatic harvesting equipment, soybean dryers,
pesticide sprayers, superior seed sorting machines, and so on. To make a tool that suits the needs of
strawberry fruit farmers, researchers developed a mature strawberry counter system in the garden
based on hue and saturation values. The hue and saturation values are used because both of these values
can overcome the change in light intensity and can be used to detect obsolete strawberries based on the
skin color of the fruit. The system uses a watershed algorithm to separate the attached or attached
strawberries so that they are counted as different objects. This system is based on Raspberry Pi because
it can process images quickly. With this tool it is expected to be used to predict crop yields. The harvest
prediction can be used to help the work of farmers in their crops, so farmers can improve the quality of
the crop every year. It is hoped that further system development can facilitate farmers to pick
strawberries released in the gardens carried out by robots. On the test results obtained by the system,
obtained an accuracy rate of 82% with an average calculation time of 7558.1 milliseconds.
Keywords: Strawberry, Segmentation, Hue, Saturation, Watershed Algorithm

Fakultas Ilmu Komputer

Universitas Brawijaya 463
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1. PENDAHULUAN
Stroberi merupakan buah yang banyak
diminati karena mempunyai banyak manfaat.
Manfaat stroberi bagi tubuh yaitu meningkatkan
imunitas tubuh dan fungsi otak, meringankan
nyeri pada sendi, mengobati penderita asam urat,
mencegah serangan jantung dan darah tinggi
(Arsanta , 2019). Stroberi juga dapat dijadikan
sebagai produk ataupun bahan olahan seperti
keripik, dodol, sirup, es krim, yogurt, dan lain-
lain.
Budidaya stroberi mempunyai banyak
faktor kegagalan, seperti faktor cuaca, penyakit
atau hama, serta pemeliharaan yang kurang, dan
lain-lain. Untuk mengurangi faktor kegagalan
budidaya stroberi maka modern farming atau
pertanian modern dapat diimplementasikan,
sehingga dapat membantu meningkatkan
kualitas dari stroberi. Modernisasi adalah proses
perpindahan dari yang awalnya masyarakat
tradisional menjadi masyarakat modern, baik
dari segi teknologi maupun sosial (Rifkian,
Suharso, & Sukidin, 2017). Pertanian modern
sudah masuk ke Indonesia, beberapa diantaranya
yaitu alat pengering kedelai, alat penyemprot
pestisida secara otomatis, mesin pemilah bibit,
alat penanam dan pemanen padi, monitoring
secara otomatis menggunakan drone, dan lain
sebagainya. Dengan adanya teknologi pada
bidang pertanian akan memudahkan pekerjaan
dari para petani serta dapat meningkatkan
kualitas pertanian di Indonesia.
Kualitas stroberi sangat ditentukan oleh 3
hal yaitu kulit buah atau kondisi fisik, rasa dan
kekerasan. Ketepatan dalam melakukan
penanganan waktu panen dan pasca panen
sangat dibutuhkan demi menjaga kualitas buah
stroberi, sehingga stroberi harus segera dipanen
ketika sudah menunjukkan kematangan yang
penuh. Stroberi dianggap matang jika sudah tua
dengan tanda berubah warna kulit buahnya
menjadi warna merah (Mitchell, Mitcham,
Thompson, & Welch, 1996 ). Sehingga jika
pemeliharaan stroberi sebelum panen dan
penanganan saat panen telah diperhatikan, maka
akan didapatkan stroberi dengan kualitas baik
seperti kondisi fisik, warna kematangan, serta
kesegaran dari stroberi yang masih terjaga
(Muñoz, Almenar, Valle, Velez, & Gavara,
2008).
Sistem melakukan pengolahan citra untuk
dapat mendeteksi dan menghitung stroberi yang
Fakultas Ilmu Komputer, Universitas Brawijaya
464
sudah matang pada kebun. Sistem akan
mengambil gambar dengan menggunakan
kamera Raspberry Pi yang dipicu dari push
button switch. Unit pemrosesan citra yang
digunakan yaitu Raspberry Pi. Kemudian
dilakukan pengolahan citra untuk mendapatkan
stroberi yang sudah matang pada kebun dengan
menggunakan nilai hue dan saturation. Hasil
dari segmentasi kemudian diterapkan algoritme
watershed untuk melakukan perhitungan
stroberi yang terdeteksi sudah matang.
Diharapkan dengan adanya alat ini dapat
memprediksi hasil panen stroberi, sehingga
dapat membantu petani dalam melakukan
evaluasi hasil panen agar diperoleh kualitas
stroberi yang lebih baik. Sistem juga diharapkan
dapat diterapkan untuk Modern Farming atau
pertanian modern pada bidang robot, sehingga
robot dapat memetik atau memanen stroberi
yang sudah matang langsung pada kebun.
2. METODE PENILITIAN
2.1. Gambaran Umum Sistem
Gambar 1 menunjukkan perancangan pada
sistem. Perancangan sistem pada Gambar 1
terdiri dari masukan, unit pemrosesan, dan
keluaran dari sistem. Kamera Raspberry Pi
digunakan untuk melakukan pengambilan
gambar yang dipicu dengan push button switch
sebagai masukan dari sistem. Unit pemrosesan
berupa Raspberry Pi yang digunakan untuk
melakukan pengolahan citra. Pengolahan citra
yang dilakukan yaitu melakukan pendeteksian
stroberi yang sudah matang pada kebun
menggunakan nilai saturation dan hue yang
selanjutnya dilakukan perhitungan
menggunakan algoritme watershed. Penggunaan
algoritme watershed dalam penelitian ini yaitu
untuk memisahkan stroberi yang telah terdeteksi
dengan kondisi saling menempel. Penggunaan
algoritme watershed bertujuan agar hasil
perhitungan dari sistem lebih akurat. Hasil
perhitungan stroberi yang sudah matang tersebut
nantinya ditampilkan pada LCD 16x2 sebagai
keluaran dari sistem.
Gambar 1. Diagram Blok Perancangan Sistem
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 465

perhitungan kemudian ditampilkan pada LCD

16x2 sebagai keluaran sistem.
2.2. Prototype Sistem
Komponen Push Button Switch, Kamera
Raspberry Pi, Raspberry Pi, dan LCD 16x2
digunakan oleh sistem. Prototype dari alat yaitu
menggunakan bahan dasar akrilik dengan bentuk
kotak. Dimensi dari prototype sistem berukuran
13.5 cm, 13.5 cm, dan 9 cm (panjang x lebar x
tinggi) yang dapat dilihat pada Gambar 2.

Gambar 2. Prototype Sistem

LCD 16x2 diletakkan pada bagian atas

bertujuan untuk dapat memudahkan dalam
melihat hasilnya, karena posisi pengambilan
gambar berada dibawah. Posisi kamera
Raspberry Pi bersampingan dengan push button
switch. Raspberry Pi sebagai unit pemroses
diletakkan dibagian dalam agar lebih aman dan
kabel-kabel yang tersambung dari luar tidak
terlihat.
2.3. Program Utama pada Sistem
Gambar 3 menunjukkan diagram alir
program utama pada sistem. Tahap awal yang
dilakukan oleh sistem yaitu menginisialisasi
Kamera Rapsberry Pi. Push button switch yang
ditekan akan memicu kamera raspberry pi untuk
mengambil gambar. Setelah didapatkan data
gambar maka dilakukan pengolahan citra.
Pendeteksian stroberi matang merupakan tahap
awal dari pengolahan citra. Pengolahan citra
dilakukan dengan menggunakan nilai hue dan
saturation. Algoritme watershed akan
diterapkan pada hasil segmentasi citra proses
sebelumnya, algoritme ini digunakan untuk
memisahkan stroberi dengan kondisi menempel
satu sama lain. Setelah hasil algoritme watershed
didapatkan selanjutnya dilakukan perhitungan
stroberi yang sudah matang, hasil dari
Gambar 3. Program Utama Sistem
2.4. Proses Deteksi Stroberi Matang
Menggunakan Nilai Hue dan Saturation
Gambar 4 menunjukkan proses dari
pendeteksian stroberi yang sudah matang dengan
menggunakan nilai hue dan saturation. Masukan
dari proses ini yaitu data gambar dari
pengambilan kamera Raspberry Pi. Data gambar
tersebut diubah kedalam transformasi warna
HSV untuk diambil nilai hue dan saturation-nya
saja. Nilai hue yang digunakan ada 2 yaitu lower
dan upper hue. Nilai hue digunakan untuk
menunjukkan warna sebenarnya, sehingga
dibutuhkan penentuan batas nilai merah pada
channel hue. Nilai merah hue didefinisikan pada
HSV colorspace dengan batas nilai 0° hingga
15° dan 300° hingga 360°. Pada segmentasi citra
deteksi stroberi yang sudah matang, nilai lower
yang digunakan pada hue sebesar 6 dan nilai
upper yang digunakan pada hue 161. Nilai lower
dan upper hue jika diubah kedalam saturan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 466

derajat bernilai 12° dan 322° yang menunjukkan

bahwa kedua nilai tersebut berada pada batas
nilai warna merah hingga merah dengan
perpaduan magenta. Sementara nilai saturation
mempunyai nilai batas lower sebesar 0.33 dan
upper sebesar 1. Nilai saturation yang
digunakan sebesar 90, maka jika diubah kedalam
persamaan saturation nilai pada lower sebesar
0.35 dan pada upper sebesar 1. Selanjutnya nilai
hue digabungkan dengan saturation
menggunakan proses bitwise and, setelah itu
diterapkan morfologi untuk menghilangkan
gangguan atau noise pada hasil citra. Nilai hue
dan saturation diperoleh dari persamaan HSV
sebagai berikut :
(𝑀𝑎𝑥 𝑅,𝐺,𝐵) −𝑅
R’ = (𝑀𝑎𝑥 𝑅,𝐺,𝐵)−(𝑀𝑖𝑛 𝑅,𝐺,𝐵) (1)
(𝑀𝑎𝑥 𝑅,𝐺,𝐵) −𝐺
G’ = (𝑀𝑎𝑥 𝑅,𝐺,𝐵)−(𝑀𝑖𝑛 𝑅,𝐺,𝐵) (2)
(𝑀𝑎𝑥 𝑅,𝐺,𝐵) −𝐵
B’ = (𝑀𝑎𝑥 𝑅,𝐺,𝐵)−(𝑀𝑖𝑛 𝑅,𝐺,𝐵) (3)
(𝑀𝑎𝑥 𝑅,𝐺,𝐵)−(𝑀𝑖𝑛 𝑅,𝐺,𝐵)
Saturation = 𝑀𝑎𝑥 𝑅,𝐺,𝐵
,

Jika Saturation = 0 maka hue tidak terdefinisi

….(4)
𝐻𝑢𝑒 =
𝑖𝑓 𝑅 = 𝑀𝑎𝑥 𝑎𝑛𝑑 𝐺 = 𝑀𝑖𝑛, 𝐻 = 5 + 𝐵′
𝑒𝑙𝑠𝑒 𝑖𝑓 𝑅 = 𝑀𝑎𝑥 𝑎𝑛𝑑 𝐺 ≠ 𝑀𝑖𝑛, 𝐻 = 1 + 𝐺′
𝑒𝑙𝑠𝑒 𝑖𝑓 𝐺 = 𝑀𝑎𝑥 𝑎𝑛𝑑 𝐵 = 𝑀𝑖𝑛, 𝐻 = 𝑅′ + 1
𝑥 60
𝑒𝑙𝑠𝑒 𝑖𝑓 𝐺 = 𝑀𝑎𝑥 𝑎𝑛𝑑 𝐵 ≠ 𝑀𝑖𝑛, 𝐻 = 3 − 𝐵′
𝑒𝑙𝑠𝑒 𝑖𝑓 𝑅 = 𝑀𝑎𝑥, 𝐻 = 3 + 𝐺′
{ 𝑂𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒 𝐻 = 5 − 𝑅′
(5)
Gambar 4. Proses Deteksi Stroberi Matang
Menggunakan Nilai Hue dan Saturation
2.5. Proses Pengimplementasian Algoritme
Watershed
Algoritme watershed yang digunakan
dalam penelitian ini bertujuan untuk
memisahkan stroberi yang saling menempel
ataupun berdempetan satu sama lainnya.
Algoritme watershed dianalogikan seperti air
akan menetes atau turun ke tempat yang lebih
rendah. Sehingga jika terjadi hujan maka tetesan
air tersebut akan ditampung pada sebuah wadah
atau dam air. Ketika air naik dan air dari 2 dam
atau lebih akan bergabung. akan bergabung
maka dari dua penampungan atau dam air, maka
air tersebut akan bergabung. Air yang bergabung
antar dam atau penampung tersebut nantinya
akan dipisahkan. Analogi dari konsep algoritme
watershed dapat dilihat pada Gambar 5.
Catchment basins diibaratkan sebagai
penampung air dan watershed lines diibaratkan
sebagai sekat agar air antar penampung air satu
dengan yang lainnya tidak bergabung.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 467

awal.

Gambar 5. Konsep Algoritme Watershed

Gambar 6 menggambarkan proses

pengimplementasian algoritme watershed.
Masukan dari proses yaitu hasil segmentasi
berupa terdeteksinya stroberi yang sudah matang
oleh sistem. Hasil segmentasi kemudian diubah
menjadi warna greyscale dan selanjutnya
dilakukan thresholding. Hasil thresholding
tersebut kemudian dilakukan proses morfologi
untuk membantu menentukan area yang
diinginkan pada objek. Hasil morfologi
digunakan untuk memperoleh background Gambar 6. Proses Pengimplementasian Algoritme
dengan cara dilasi. Background digunakan untuk Watershed
menentukan area-area yang terdeteksi.
Selanjutnya dilakukan perhitungan distance
transform dari proses morfologi. Kemudian
2.6. Proses Penghitungan Stroberi
didapatkan foreground dari hasil dari hasil
Menggunakan Algoritme Watershed
distance transform. Foreground digunakan
untuk membantu dalam menentukan isi dari Gambar 7 menunjukkan proses algoritme
area-area yang terdeteksi pada background. watershed dalam menghitung jumlah stroberi.
Selanjutnya melakukan pengurangan antara Pada tahap proses contour akan dibuat sebuah
background dengan foreground. Pengurangan frame berwarna hitam. Frame berwarna hitam
tersebut nantinya akan digunakan untuk dibuat untuk membantu melakukan contour
melakukan labelling. Labelling dimulai dari nantinya. Proses selanjutnya yaitu menerapkan
proses connected component yang dilakukan hasil watershed pada frame contour. Setelah
pada foreground. Proses connected component hasil watershed diterapkan pada frame contour,
digunakan untuk menyambungkan atau selanjutnya mengembalikan border ke warna
memisahkan daerah dari hasil thresholding hitam. Border dikembalikan ke warna hitam
foreground, apabila daerah putih dengan daerah karena markers juga berada pada border frame,
putih tersambung maka akan menjadi satu label apabila border tidak dikembalikan kedalam
dan apabila daerah putih dengan daerah putih warna hitam maka proses perhitungan pada
lainnya tidak tersambung maka akan dianggap contour akan tidak terdeteksi sempurna karena
berbeda label. Proses connected component terhalang markers pada border. Selanjutnya
dilakukan pada frame markers. Proses labelling melakukan thresholding binary agar dapat
selanjutnya yaitu menaikkan setiap elemen pada mencari contour. Kemudian jumlah stroberi
markers agar nilai background bernilai 0 karena matang yang telah terdeteksi oleh sistem akan
jika lebih dari 0 maka akan didefinisikan sebagai menjadi keluaran dari sistem.
label sehingga foreground bernilai lebih dari 0
dan didefinisikan sebagai label. Proses
selanjutnya adalah mendefinisikan daerah
unknown atau yang tidak diketahui. Apabila
daerah unknown bernilai 255 atau putih maka
pada markers akan dijadikan menjadi 0, daerah
0 tersebut yang nantinya akan digunakan untuk
pengimplementasian algoritme watershed. Hasil
dari watershed kemudian diterapkan pada citra

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 468

3.2. Pengujian Fungsional LCD

LCD 16x2 digunakan untuk menampilkan
keluaran pada 5 kondisi yang dapat dilihat pada
Gambar 9. Tujuan dari pengujian ini untuk
mengetahui apakah LCD telah berjalan sesuai
dengan program.

a. Kondisi Pagi Hari

b. Kondisi Siang Hari

c. Kondisi Sore Hari

Gambar 8. Hasil Pengambilan Gambar

a. Tampilan LCD menunjukkan bahwa alat siap

Gambar 7. Proses Penghitungan Stroberi digunakan
Menggunakan Algoritme Watershed

b. Tampilan LCD menunjukkan bahwa kamera

3. HASIL DAN PEMBAHASAN Raspberry Pi mengambil gambar

3.1. Pengujian Fungsional Kamera

Raspberry Pi
c. Tampilan LCD meunjukkan bahwa sistem
Tujuan pengujian ini yaitu untuk menilai sedang memproses gambar
apakah hasil pengambilan gambar sudah cukup
baik atau tidak, karena data masukan inilah yang
nantinya akan berpengaruh besar pada hasil
keluaran sistem. Pengambilan gambar diambil d. Tampilan LCD menunjukkan keluaran dari
pada 3 kondisi yaitu pagi, siang dan sore hari. sistem
Pada saat pagi hari pengambilan gambar
dilakukan dengan kondisi sedikit terik, siang hari
dengan kondisi cukup terik, dan sore hari dengan e. Tampilan LCD menunjukkan bahwa sistem
kondisi gelap. Gambar 8 merupakan hasil telah selesai memproses
pengambilan gambar pada kondisi yang Gambar 9. Hasil pengujian LCD 16x2
berbeda-beda.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
3.3. Hasil Pengujian Sistem
Terdapat 3 pengujian yang dilakukan. 3
pengujian tersebut yaitu pengujian segmentasi
citra, pengujian perhitungan stroberi matang,
dan pengujian waktu komputasi. Pengujian
segmentasi citra menghasilkan tampilan
segmentasi citra yang sudah diproses oleh
sistem. Gambar 10 menunjukkan proses dari
segmentasi citra.
Gambar 10. Proses Segmentasi Citra
Proses segmentasi citra pada Gambar 10
dimulai dari mengubah gambar asli menjadi
transformasi warna HSV. Pada nilai hue dibagi
lagi menjadi 2 yaitu lower dan upper hue, dari
keduanya dicari nilai terbaik. Nilai terbaik yang
didapatkan dari batas lower ke upper hue sebesar
6 hingga 161. Batas nilai terbaik yang
didapatkan saturation sebesar 90 hingga 255.
Setelah didapatkan nilai terbaik dari saturation
dan hue, selanjutnya akan dilakukan
penggabungan nilai lower dan upper pada hue
dengan bitwise or. Kemudian nilai saturation
dan hue akan digabungkan dengan bitwise and.
Untuk menghilangkan sisa-sisa berbentuk kecil
pada hasil segmentasi citra digunakan metode
opening, sedangkan closing digunakan untuk
merapatkan atau menutup lubang-lubang yang
ada pada stroberi.
Fakultas Ilmu Komputer, Universitas Brawijaya
469
Pengujian selanjutnya yaitu pengujian
algoritme watershed dalam menghitung stroberi
matang yang telah terdeteksi pada sistem.
Pengujian dilakukan dengan menghitung
stroberi yang sudah matang dengan cara manual
dibandingkan dengan jumlah hasil deteksi
stroberi yang sudah matang oleh sistem.
Pengujian dilakukan dengan 100 data stroberi.
Dari 100 pengujian yang dilakukan terdapat 18
pengujian yang menghasilkan keluaran tidak
sesuai dengan perhitungan manual. Sedangkan
82 pengujian lainnya menghasilkan keluaran
yang sesuai dengan perhitungan manual.
Sehingga didapatkan pengujian dengan tingkat
akurasi pada sistem sebesar 82%. Hasil dari
pengujian penghitungan stroberi yang sudah
matang menggunakan algoritme watershed
dapat dilihat pada Tabel 2.
Gambar 10 menunjukan proses algoritme
watershed. Pertama hasil segmentasi deteksi
stroberi yang sudah matang diubah kedalam
greyscale. Selajutnya dilakukan threshold
binary dan othsu untuk memudahkan
segmentasi. Setelah itu dilakukan morfologi
opening dan dilasi untuk mengurangi noise.
Setelah itu membuat background dan
foreground untuk dilakukan subtraction dari
keduanya. subtraction digunakan untuk
menentukan area yang tidak diketahui.
Selanjutnya dilakukan pelabelan dan
pengimplementasian watershed pada citra awal.
Selanjutnya dibuat frame hitam untuk proses
contour. Pada pengimplementasian watershed
noise pada markers terdapat pada border juga,
sehingga border dikembalikan menjadi warna
hitam agar tidak mengganggu proses
perhitungan pada objek. Selanjutnya dilakukan
thresholding binary untuk mencari contour.
Panjang contour nantinya akan digunakan untuk
menghitung jumlah stroberi matang yang
terdeteksi pada sistem.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 470

mengetahui seberapa lama waktu komputasi

yang diperlukan sistem mulai dari push button
switch ditekan untuk mengambil gambar hingga
menampilkan hasil stroberi yang terdeteksi pada
LCD 16x2.
Tabel 2. Hasil Pengujian Waktu Komputasi yang
Didapatkan Oleh Sistem
Waktu
Pengujian Ke- Komputasi
(ms)
Pengujian Ke-1 7730 ms
Pengujian Ke-2 7734 ms
Pengujian Ke-3 7938 ms
Pengujian Ke-4 6981 ms
Pengujian Ke-5 7157 ms
Pengujian Ke-6 7201 ms
Pengujian Ke-7 7945 ms
Pengujian Ke-8 7661 ms
Pengujian Ke-9 7165 ms
Pengujian Ke-10 8069 ms
Rata-rata waktu komputasi 7558.1 ms

Pada Tabel 2 menunjukkan hasil pengujian.

Terdapat 3 kondisi yang berbeda pada pengujian
yang dilakukan. Pengujian 1-3 dengan kondisi
pagi hari. Pada pengujian 4-6 dengan kondisi
siang hari. Pada pengujian 7-10 dengan kondisi
sore hari. Dari 10 pengujian yang dilakukan
didapatkan rata-rata waktu komputasi pada
sistem sebesar 7558.1 ms.

4. KESIMPULAN DAN SARAN

Kesimpulan yang dapat diambil dari
masalah yang telah diuraikan dan beberapa
pengujian yang telah dilakukan diantaranya
yaitu pengambilan gambar dengan kondisi yang
berbeda menyebabkan intensitas yang dihasilkan
juga berbeda. Agar hasil deteksi stroberi yang
sudah matang diperoleh segmentasi yang baik
maka digunakan nilai dari hue dan saturation
untuk mendeteksi stroberi matang pada kebun.
Hasil segmentasi selanjutnya dilakukan proses
morfologi opening dan closing agar didapatkan
Gambar 10. Proses Algoritme Watershed
hasil segmentasi yang lebih baik.
Pengujian Perhitungan Perhitungan Ket Algoritme watershed digunakan untuk
Ke- Sistem Manual memisahkan hasil segmentasi berupa stroberi
1 1 1 Sesuai matang dengan kondisi saling menempel,
2 2 2 Sesuai dilakukan agar hasil perhitungan lebih akurat.
3 2 2 Sesuai Dari hasil pengujian yang telah dilakukan,
4 2 2 Sesuai pengujian dilakukan dengan cara
5 2 2 Sesuai membandingkan perhitungan stroberi yang
sudah matang dari sistem dengan perhitungan
Pengujian ketiga yang dilakukan yaitu stroberi yang sudah matang secara manual
melakukan perhitungan pada waktu komputasi didapatkan hasil akurasi sebesar 82%.
sistem. Tujuan dari pengujian ini untuk Selanjutnya untuk waktu komputasi dimulai dari

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 471

pengambilan gambar saat push button switch

ditekan hingga hasil pemrosesan ditampilkan
pada LCD 16x2 didapatkan hasil rata-rata
komputasi sebesar 7558.1 milisecond.
Adapun saran yang dapat diberikan yaitu
sistem dapat dikembangkan maupun sistem
pertanian modern yang lainnya, serta penentuan
parameter kematangan buah pada citra
ditambahkan dengan parameter lain seperti berat
dan volume.

DAFTAR PUSTAKA
Arsanta , M. D. (2019). 6 Manfaat Buah Stroberi
yang Baik untuk Kesehatan Tubuh .
Retrieved September 14, 2019, from
https://hellosehat.com
Budiman, S., & Saraswati, D. (2008). Berkebun
Stroberi Secara Komersial (Cet. 4 ed.).
Jakarta: Penebar Swadaya.
Hernandez, P., Almenar, E., Valle, V. D., Velez,
D., & Gavara, R. (2008). Effect of
chitosan coating combined with
postharvest calcium treatment on
strawberry (Fragaria × ananassa) quality
during refrigerated storage. Food
Chemistry, 110(2), 428-435.
Mitchell, F. G., Mitcham, E., Thompson, J. F., &
Welch, N. (1996 ). Handling Strawberries
for Fresh Market. Postharvest
Technology Center.
Muñoz, P. H., Almenar, E., Valle, V. D., Velez,
D., & Gavara, R. (2008). Effect of
chitosan coating combined with
postharvest calcium treatment on
strawberry (Fragaria × ananassa) quality
during refrigerated storage. Food
Chemistry, 428-435.
Rifkian, B. E., Suharso, P., & Sukidin. (2017).
Modernisasi Pertanian (Studi Kasus
Tentang Peluang Kerja Dan Pendapatan
Petani Dalam Sistem Pertanian Di Desa
Dukuhdempok Kecamatan Wuluhan
Kabupaten Jember). Jurnal Pendidikan
Ekonomi, 2.
Saputri, N. R. (2011). Pengelolaan Panen dan
Pasca Panen Stroberi (Fragaria x
ananassa Duch) di Vin's Berry Park
Cisarua, Lembang, Jawa Barat. S1.
Universitas Brawijaya.

Fakultas Ilmu Komputer, Universitas Brawijaya