Dari hasil perhitungan dan analisis sebaran parameter-parameter R, G, B, r, g, b, H, S, dan I, maka selanjutnya dapat dirancang nilai ambang yang dapat digunakan untuk proses pembuatan citra biner buah jeruk lemon. Parameter yang
digunakan sebagai nilai ambang adalah yang memiliki perbedaan yang signifikan antara sebaran nilai buah dan latarnya.
Dari grafik pada Gambar 11, Gambar 12, dan uraiannya terlihat jelas bahwa antara sinyal warna R dan G memiliki perbedaan yang signifikan antara buah lemon dan selainnya. Dan untuk lebih meyakinkan maka dicoba untuk memplot hubungan antara sinyal R dan G seperti pada Gambar 20.
0 50 100 150 200 250 0 50 100 150 200 250 300 R G Daun tangkai lemon bunga Linear (Daun) Linear (bunga) Linear (lemon) Linear (tangkai)
Gambar 20 Hubungan nilai R dan G pada citra daun, tangkai, bunga, dan buah lemon
Gambar 20 memperlihatkan hubungan sinyal warna R dan G pada daun, tangkai, dan bunga lemon memiliki korelasi yang ketat. Koefisien determinasi (R2) untuk daun, tangkai, dan bunga lemon masing-masing adalah 0.8331, 0.9076, 0.5964. Sedangkan koefisien determinasi (R2) untuk buah lemon adalah 0.0111.
Dari Gambar 20 tersebut terlihat perubahan nilai R pada citra daun, tangkai, dan bunga lemon sangat berpengaruh pada nilai G pada citra daun, tangkai, dan bunga lemon. Sehingga nilai R dan G ini dapat digunakan untuk menghilangkan citra daun, tangkai, dan bunga lemon dan menyisakan citra buah lemon.
tangkai 124 dan 108. Dengan mempertimbangkan adanya nilai yang lebih besar dari nilai tersebut maka ditentukan nilai R untuk menghilangkan daun, tangkai, dan latar adalah R > 200.
Dari Tabel 13 juga terlihat bahwa nilai rata-rata G untuk daun dan tangkai adalah 158 dan 114. Dengan mempertimbangkan adanya nilai yang lebih besar dari nilai rata-rata tersebut, maka nilai G yang digunakan untuk menghilangkan daun dan tangkai adalah G > 180. Nilai G diambil lebih besar dari 180 dengan tujuan juga untuk menghilangkan sebagian besar citra daun, tangkai, dan latarnya. Sehingga nilai R dan G yang digunakan untuk menghilangkan daun, tangkai, dan latarnya dirumuskan dalam formula 1: R > 200 dan G >180.
Tabel 13 Nilai rata -rata R, G, B, r, g, b, 2r-g-b, 2r-0.5g-b
Obyek\Nilai Rata2 R G B r g B 2r-g-b 2r-0.5g-b
Daun 124 158 115 0.3081 0.3954 0.2965 -0.0757 0.1220
Tangkai 108 114 107 0.3232 0.3423 0.3345 -0.0304 0.1407
Buah 225 205 136 0.3988 0.3621 0.2391 0.1963 0.3773
Bunga 246 247 247 0.3326 0.3338 0.3337 -0.0023 0.1645
Selanjutnya dicoba menghilangkan citra bunga lemon yang berwarna putih. Dalam percobaan ini selain obyek bunga, juga ditambahkan kertas putih yang memiliki kemiripan warna dengan bunga lemon. Dari hasil percobaan yang ditampilkan dalam Tabel 3 terlihat bahwa nilai rata-rata R, G, dan B bunga lemon memiliki nilai yang hampir sama yaitu 246, 247, dan 247.
Dengan dasar ini maka dilakukan analisis terhadap data aktual yang didapat dari hasil perekaman citra. Dan ternyata nilai R, G, dan B pada bunga lemon yang sering muncul jatuh pada nilai yang selalu sama, yaitu 248. Dari data sebaran nilai RGB untuk citra bunga lemon pada Lampiran 4, diketahui bahwa sebesar 91.2 % dari 250 titik data tersebut, sinyal warna RGB selalu jatuh pada nilai yang sama, yaitu 248. sehingga untuk menghilangkan citra bunga lemon dan mendapatkan citra biner buahnya saja digunakan parameter R, G, dan B secara serentak dan dirumuskan dengan formula 2: (R=G=B) >= 248.
Dari Tabel 13 juga terlihat nilai rata -rata untuk kombinasi indeks 2r -0.5g-b buah 0.3773 jauh di atas daun, tangkai, dan bunga yang bernilai 0.1220, 0.1407, dan 0.1645. Dengan dasar ini maka kombinasi indeks 2r -0.5g-b dapat digunakan
sebagai sarana tambahan untuk memisahkan buah lemon terhadap latarnya. Gambar 21 digunakan untuk membantu dalam memformulasikan batasan nilai thresholding untuk memisahkan buah lemon terhadap latarnya yang dirumuskan sebagai formula 3 : (2r-0.5g-b ≥ 0.15) dan (2r-0.5g-b ≤ 0.55)
-0.24 -0.14 -0.04 0.06 0.16 0.26 0.36 0.46 0.56 0.66 0 10 20 30 40 50 2r-0,5g-b
Daun Tangkai bunga buah latar bagian tanaman
Gambar 21 Sebaran nilai kombinasi indeks 2r -0.5g-b tanaman jeruk lemon Dengan dasar uraian di atas, selanjutnya dilakukan penggabungan formula 1 hingga formula 3 yang menghasilkan algoritma thresholding lemon, yang dinyatakan dengan :
Mulai
Jika (R=G dan G=B dan R>=248 dan 2r-0.5g-b ≥ 0.15 dan 2r -0.5g-b ≤ 0.55) maka
Tampilkan pixel dalam warna hitam (latar);
selain itu jika (R>200 dan G>180 dan 2r -0.5g-b ≥ 0.15 dan 2r -0.5g-b ≤ 0.55) maka
Selain itu
Tampilkan pixel dalam warna hitam (latar);
Selesai
Dengan menggunakan algoritma thresholding dan dengan pengaturan cahaya agar citra yang dihasilkan sesuai dengan obyek sebenarnya, maka dilakukan operasi pemisahan citra buah jeruk lemon dengan selainnya. Didapat hasil thresholding dengan menggunakan parameter di atas dalam bentuk citra biner buah lemon dan komentarnya sebagai berikut :
(a) (b) Gambar 22 (a) citra lemon asli (b) citra biner hasil thresholding
Dari Gambar 22 dan 23 di atas dapat terlihat bahwa cahaya yang terlalu terang membuat antara warna satu dengan yang lain menjadi sulit dibedakan. Atau dengan kata lain warna apapun akan dianggap putih (tinggi), sehingga citra lemon di atas menjadi tidak utuh. Dan dengan mengurangi intensitas cahaya yang digunakan maka citra biner lemon hasil thresholding tersebut akan menjadi lebih baik.
(a) (b)
Gambar 23 (a) Citra lemon dan daun asli ; (b) citra biner hasil thresholding
Selanjutnya pada Gambar 24 terlihat bahwa hasil thresholding untuk jeruk lemon usia ≥ 120 hsbm lebih baik. Sedang untuk jeruk lemon yang masih agak kehijauan (usia < 120 hsbm) hasil thresholdingnya kurang baik. Hal ini sesuai dengan rancangan algoritma yang digunakan, pendeteksian hanya bisa untuk buah jeruk lemon yang sudah matang.
Gambar 24 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding
Gambar 25 direkam menggunakan obyek yang sama, namun ditambahkan potongan kertas putih pada kain hitam ( tanda ) dan permukaan jeruk lemon paling kanan ( tanda x ). Penambahan potongan kertas putih ini dimaksudkan sebagai pengganti bunga lemon (yang juga berwarna putih). Hasilnya terlihat bahwa selain daun dan kain hitam, kertas putih itu juga tereliminasi dengan baik,
yang berwarna putih seperti kertas putih. Selain itu daun dan tangkainya yang menutupi buah jeruk lemon juga berhasil dihilangkan dengan baik.
(a) (b)
Gambar 25 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan potongan kertas putih ; (b) Citra biner hasil thresholding
(a) (b)
Gambar 26 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan bunga ; (b) Citra biner hasil thresholding
Pada Gambar 26, menunjukkan hasil uji coba perekaman tanaman jeruk lemon yang ada buah, bunga, dan latar belakang benda-benda lain yang juga terdapat warna putih. Dalam percobaan ini tidak digunakan latar belakang kain hitam secara penuh dengan tujuan untuk menguji kestabilan algoritma pengolahan citra yang dikembangkan. Setelah dilakukan thresholding, didapat hasil citra biner yang hanya menampilkan buah jeruk lemon usia >120 hsbm. saja.
Percobaan selanjutnya adalah dengan menggunakan gabungan citra buah lemon usia ≥ 120 hsbm, daun, dan tangkai. Hasil thresholding menghasilkan citra biner yang cukup baik seperti ditampilkan pada Gambar 27, 28, 29, 30, dan 31. Dan pada Gambar 31, cahaya yang terlalu terang mengakibatkan sebagian buah lemon menjadi berwarna putih. akibatnya hasil thresholdingnya menjadi tidak utuh.
(a) (b)
Gambar 27 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil thresholding
(a) (b)
Gambar 28 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil thresholding
(a) (b)
Gambar 29 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding
(a) b)
Gambar 30 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding
(a) (b)
Gambar 31 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding