Bab ini membahas tentang teori penunjang dan penelitian terdahulu yang berhubungan dengan penerapan metode Counterpropagation Neural Network dalam mengklasifikasi citra daging sapi dan daging babi.
2.1 Daging
Daging merupakan jaringan tubuh yang berasal dari berbagai hewan yang dikomsumsi sebagai makanan, yang mengandung jaringan lemak dan otot yang berwarna merah dari hewan seperti sapi, babi, domba, ayam dan sebagainya. Daging mengandung tingkat protein tinggi sekitar 18% yang dibutuhkan oleh tubuh manusia untuk proses metabolisme (McWilliams, 2017).
2.1.1 Daging Sapi
Daging sapi memiliki warna merah yang cerah dan memiliki tekstur yang kejat dan elastis serta memiliki bau yang ringan. Tingkat keputihan lemak yang ada dalam daging sapi sangat penting untuk menentukan kualitas daging secara keseluruhan. Daging sapi dapat dibagi menjadi beberapa bagian termasuk sirloin (daging has luar), tenderloin (daging has dalam), rib eye (daging pada tulang iga/rusuk), dan sebagainya (McWilliams, 2017).
2.1.2 Daging Babi
Daging babi memiliki karateristik yang berbeda dari daging sapi, bau daging babi lebih khas, kenyal dan mudah direnggangkan. Daging babi juga cenderung berair, berwarna lebih pucat dan memiliki lemak yang tebal yang sulit dipisahkan dari dagingnya. Daging babi dibagi menjadi beberapa bagian termasuk pork belly (perut daging babi), jowl (daging di bawah dagu), legs (daging kaki babi), dan sebagainya (McWilliams, 2017).
2.2 Citra (Image)
Citra adalah sebuah representasi (gambaran) dari sebuah objek pada bidang 2 dimensi.
Citra sebagai keluaran suatu sistem perekaman data dapat bersifat 3 hal yaitu optik yang berupa foto, analog berupa gambar pada monitor televisi, ataupun digital yang dapat disimpan pada suatu media penyimpanan yang dihasilkan dari alat elektronik seperti kamera digital, alat pemindai dan sebagainya (Gonzalez & Woods, 2008).
Citra digital merupakan representasi dari gambar nyata yang terdiri dari angka-angka yang dapat diolah dan disimpan dalam komputer digital. Citra gambar digital tersusun atas unit-unit kecil berbentuk kotak yang disebut piksel. Citra digital terbagi menjadi 3 jenis yaitu RGB image, grayscale image, dan binary image (Kumar
& Verma 2010).
2.2.1 Color image (RGB image)
Color Image merupakan citra yang terdiri atas 3 nilai warna yaitu R (Merah), G (Hijau), dan B (Biru) sebagai komponen utama. Masing-masing nilai warna tersebut menggunakan penyimpanan sebesar 8 bit yang berarti citra RGB memerlukan penyimpanan sebesar 24 bit. Contoh color image dapat dilihat pada Gambar 2.1.
(Kumar & Verma, 2010b).
Gambar 2.1 Color image (Kumar & Verma, 2010b)
2.2.2 Grayscale image
Grayscale image merupakan citra yang setiap pikselnya terdiri dari warna gradasi putih sampai hitam. Pada citra grayscale, citra tersebut hanya memerlukan ruang penyimpanan sebesar 8 bit (0-255). Citra ini banyak digunakan dalam pengolahan citra. Salah satu kegunaan citra ini adalah sebagai format citra X-ray dalam bidang kedokteran Contoh dari citra grayscale dapat dilihat pada Gambar 2.2 (Kumar &
Verma 2010).
Gambar 2.2 Grayscale image (Kumar & Verma, 2010b)
2.2.3 Binary image
Binary image merupakan citra yang hanya terdiri atas 2 warna yaitu hitam dan putih, warna tersebut jika direpresentasikan ke dalam angka yaitu 0 (hitam) dan 1 (putih).
Oleh karena itu, ruang penyimpanan yang diperlukan citra biner untuk setiap pikselnya yaitu 1 bit. Binary image mempunyai banyak kegunaan yaitu sebagai teks (dicetak/tulisan tangan), sebagai sidik jari (fingerprint), dan lain sebagainya. Contah binary image dapat dilihat pada Gambar 2.3 (Kusumanto & Tompunu, 2011).
Gambar 2.3 Binary image (Kumar & Verma, 2010b)
2.3 Pengolahan Citra Digital (Digital Image Processing)
Pengolahan citra digital merupakan sebuah metode untuk memproses sebuah citra guna mendapatkan hasil citra dengan kualitas yang lebih baik. Pengolahan citra umumnya digunakan untuk menghilangkan noise yang ada dalam sebuah citra ataupun proses transformasi/pemrosesan lainnya agar citra dapat lebih mudah diproses dalam sebuah komputer (Gonzalez & Woods, 2008).
Beberapa teknik pengolahan citra digital yang digunakan dalam penelitian ini adalah antara lain :
2.3.1 Resizing
Proses resizing merupakan proses yang digunakan untuk mengubah resolusi dari suatu citra serta ukuran horizontal dan ukuran vertikalnya. Proses resizing dapat dilakukan dengan 3 algoritma dalam image processing yaitu antara lain :
2.3.1.1 Nearest Neighbor Scaling
Metode ini merupakan metode yang paling sederhana dan yang paling cepat dari ketiga algoritma proses resizing. Algoritma ini bekerja dengan cara mengganti setiap piksel dengan piksel terdekat dalam output. Misalnya, saat memperbesar gambar yang berukuran 3×3 berwarna merah menjadi 4×4, algoritma ini akan menambah 7 piksel baru yang berwarna merah sebagai piksel baru yang telah ditambahkan. Masalah yang
terdapat dalam algoritma ini yaitu jika pada citra terdapat edge yang penting, maka proses penyempurnaan citra perlu dilakukan.
2.3.1.2 Bilinear
Algoritma ini merupakan algoritma yang lebih baik jika dibandingkan dengan algoritma Nearest Neighbor Scaling. Algoritma ini bekerja dengan menggunakan pendekatan yang sama tetapi memerlukan komputasi yang lebih kompleks dengan menentukan nilai piksel baru berdasarkan rata-rata nilai 4 piksel terdekat.
2.3.1.3 Bicubic Interpolation
Algoritma ini merupakan algoritma yang memerlukan waktu yang lama dalam melakukan proses resizing terhadap suatu citra. Algoritma ini menggunakan 16 piksel sekaligus atau 4×4 untuk menentukan nilai dari piksel yang baru dan hasilnya terlihat lebih halus. Algoritma ini menghasilkan hasil yang terbaik dibandingkan algoritma Nearest Neighbor Scaling dan Bilinear.
2.3.2 Contrast Enhancement
Proses contrast enhancement merupakan metode yang digunakan untuk memperbaiki dan meningkatkan kontras dari sebuah citra yang diproses. Proses ini memanfaatkan batas bawah atau nilai terendah piksel dan batas atas atau nilai tertinggi piksel dari sebuah citra untuk digunakan sebagai variabel dalam menentukan kontras yang tepat suatu citra.
2.4 HSV (Hue, Saturation, Value)
Model warna HSV merepresentasikan ruang warna yaitu hue, saturation, dan value.
Hue menyatakan warna sebenarnya, seperti merah, kuning, dan violet dimana warna-warna adalah bagian dari spektrum warna-warna dalam satuan derajat dengan interval [0,360]. Warna Red berada pada 0o, warna Yellow berada pada 60o, warna Green berada pada 120o, warna Cyan berada pada 180o, warna Blue berada pada 270o, dan warna Magenta berada pada 360o. Konversi nilai Hue dari model warna RGB (normalisasi RGB) ke HSV dapat dilakukan dengan Persamaan 2.1 dan 2.2 (Putra,