PENGEMBANGAN ALGORITMA GRADING
BUNGA ANGGREK POTONG Dendrobium
sp
DENGAN MENGGUNAKAN PENGOLAHAN CITRA
OLEH
AGUNG WAHYONO
PROGRAM PASCASARJANA
INSTITUT PERTANIAN BOGOR
ABSTRACT
AGUNG WAHYONO. Development of Grading Algorithm for Cut Orchid
Derultobium sp
Using
Image Processing. (Supervisedby
HAD1 Ko PURWADARIA,SUROSO, and IRAWATI).
The domestic and export market of orchid as one of the famous cut flowers in Indonesia required a prime and consistent quality. However, the manual-grading system based on the human vision resulting in
an
inconsistency of quality. The objective of this study was to develop a @ng algorithm of Dendrobium orchid by the image processing. The image processing algorithmwas
developed for a grading system based on the cane length, the number of flower bloom, andthe
total flower (bud and bloom). ACCD
(charged couple device) camera equipped with the ASUS-LIVE 3000 image frame grabber was used for the image capturing. The algorithm was developed using the Visual Basic 6.0
SURAT PERNYATAAN
Dengan ini saya menyatakan bahwa tesis yang berjudul :
Pengembangan Algoritma Grading Bunga Anggrek Potong Dendrobium sp Dengan Menggunakan Pengolahan Citra
adalah benar hasil karya saya sendiri. Semua sumber data dan informasi yang digunakan
telah dinyatakan secara jelas dan dapat diperiksa kebenarannya.
PENGEMBANGAN ALGORITMA GRADING
BUNGA ANGGREK POTONG
Dendrobium
sp
DENGAN MENGGUNAKAN PENGOLAHAN CITRA
AGUNG WAHYONO
Tesis
Sebagai salah satu syarat
untuk
memperoleh gelar
Magister Sains pada
Program Studi Teknologi Pascapanen
PROGRAM PASCASARJANA
INSTITUT PERTANIAN BOGOR
Judul Tesis : PENGEMBANGAN ALGORITMA GRADING BUNGA ANGGREK
POTONG Dendrobium sp DENGAN MENGGUNAKAN
PENGOLAHAN CITRA
Nama : AGUNG WAHYONO
NRP
: P24500005Program Studi : Teknologi Pascapanen
Menyetujui,
1. Komisi Pembimbing
Prof. Dr. Ir. Hadi K. Punvadaria Ketua
Dr. Ir. Suroso Anggota
r. Ir. Irawati
/F
/
AnggotaMengetahui,
2. Ketua Program Studi Teknologi Pascapanen
Prof. Dr. Ir. Hadi K. Punvadaria
RIWAYAT HIDUP
Penulis dilahirkan di Sidoarj o pada tanggal 29 Desember 1973 sebagai anak kedua
dari pasangan Walujo dan Endah Suwarni. Pendidikan sarjana ditempuh di Program Studi
Agronomi, Fakultas Pertanian Universitas Jember, lulus pada tahun 1997. Pada tahun
2000, penulis diterima di Program Studi Teknologi Pascapanen pada Program Pascasarjana
IPB dan menamatkannya pada tahun 2002. Beasiswa pendidikan pascasarjana diperoleh
dari Departemen Pendidikan Tinggi Republik Indonesia.
Penulis bekerja sebagai staf pengajar di Politeknik Pertanian Negeri Jember sejak
tahun 1998. Mata kuliah yang diasuh adalah Teknologi Pascapanen dan Analisis Pangan.
Sebuah artikel telah diterbitkan dengan judul "Penghambatan Pemasakan Buah Tomat
Menggunakan Teknik Rekayasa Genetika" pada jurnal Agribisnis JUBC, Universitas
PRAKATA
Grading atau pemutuan merupakan salah satu tahapan pascapanen yang penting.
Teknologi grading telah berkembang, salah satunya adalah menggunakan pengolahan citra
(image processing). Pengolahan citra telah banyak diterapkan pada produk hortikultura
terutama buah-buahan, akan tetapi pada produk florikultur masih terbatas jurnlahnya.
Untuk itu penulis melakukan penelitian yang dilaksanakan di Laboratorium Teknik
Pengolahan Pangan dan Hasil Pertanian, Fakultas Teknologi Pertanian, Kampus IPB
Darmaga, Bogor, hasilnya dituangkan dalam tulisan ini.
Penulis mengucapkan terima kasih kepada Bapak Prof Dr. Hadi K. Punvadaria
selaku ketua kornisi pembimbing, Bapak Dr. Ir. Suroso, dan Ibu Dr. Ir. Irawati selaku
anggota komisi pembimbing dan Bapak Dr. Ir. Usman Ahmad selaku penguji luar komisi
atas segala saran, bantuan dan pemikiran sehingga penelitian dan tulisan ini tenvujud.
Bantuan dari pegawai-pegawai Fateta, Istri dan Anakku tercinta, teman-teman TPP
dan adik-adik S 1, serta rekan-rekan dari Pondok Citra Ami Tumuhu sangat penulis hargai.
Untuk penyempurnaan tulisan ini, penulis dengan senang hati menerima segala
saran dan kritik.
Bogor, Agustus 2002
DAFTAR IS1
Halaman
DAFTAR TABEL ...
... DAFTAR GAMBAR ... viii
DAFTAR LAMPIRAN ...
x
PENDAHULUAN ... 1 Latar Belakang ... 1
...
Tuj uan 4
TINJAUAN PUSTAKA ... 5
...
Karakteristik Anggrek Dendrobium 5
Grading untuk Anggrek Potong ... 7 Teknik Pengolahan Citra (image processing) ... 12
Sistem Penangkap Citra Digital ... 13 Perangkat Keras Pengolahan Citra ... 15
Perangkat lunak Pengolahan Citra ... 16 Aplikasi Pengolahan Citra pada Produk Pertanian ... 16
BAHAN DAN METODE PENELITIAN ... 20
Tempat dan Waktu ... 20 Bahan dan Alat ... 20
...
Prosedur Penelitian 21
Penelitian Pendahuluan ... 21
...
Penelitian Utama 22
Pengambilan Citra Bunga Anggrek Dendrobium dengan Teknik Peng-
...
olahan Citra 22
...
Pengolahan Citra 23
...
Klasifikasi dan Validasi 25
HASIL DAN PEMBAHASAN ... 26
Pengolahan Citra Anggrek Dendrobium ... 26
Jumlah Kuntum Mekar ... 36
...
Jumlah Kuntum Total 37
Panj ang Malai ... 38 Pendugaan Panjang Malai. Jumlah Kuntum Mekar. dan Jumlah Kuntum
Total ... 39
...
Pendugaan Kelas Mutu 42
...
Pendugaan Kelas Mutu Berdasarkan Kriteria Panjang Malai 45
...
Pendugaan Kelas Mutu Berdasarkan Kriteria Jumlah Kuntum Mekar 47
...
Pendugaan Kelas Mutu Berdasarkan Knteria Jumlah Kuntum Total 49
Pendugaan Kelas Mutu Berdasarkan Kriteria Panjang Malai. Jumlah
...
Kuntum Mekar. dan Jumlah Kuntum Total 51
KESIMPULAN DAN SARAN ... 55 Kesimpulan ... 55 Saran ... 56
DAFTAR TABEL
Halaman
1. Standar mutu anggrek potong Arachnis Maggie Oei ... ... 9
2. Standar mutu anggrek potong Aranthera James Storie ... 10
3. Standar mutu anggrek potong Oncidium Goldiana Varietas Golden Shower ... 10
4. Persyaratan umum bunga anggrek potong yang diterapkan di Malaysia
.
. .. .
. . . 1 15. Persyaratan mutu bunga potong anggrek D. Syarifah Fatimah dan D. Ekapol . . . 1 1
6. Persyaratan mutu bunga anggrek potong Dendrobium yang di ekspor oleh
Thailand ... ... ... ... ... 1 1
7. Standar mutu anggrek potong Dendrobium ... 12
8. Kriteria pemutuan berdasarkan panjang malai yang diterapkan pada program
grading bunga anggrek D. Sonia dan D. Miss Singapore ... 45
9. Pendugaan kelas mutu bunga anggrek potong D. Sonia berdasarkan panjang
malai ... 46
10. Pendugaan kelas mutu bunga anggrek potong D. Miss Singapore berdasarkan
panjang malai . . .
.
. . ..
. . ..
. . . ..
. . . 461 1. Kriteria pemutuan berdasarkan jumlah kuntum mekar yang diterapkan pada
program grading bunga anggrek D.Sonia dan D. Miss Singapore ... 48
12. Pendugaan kelas mutu bunga anggrek potong D. Sonia berdasarkan jumlah
kuntum mekar . . .
.
. . . , . . .. . .
. . . 4 813. Pendugaan kelas mutu bunga anggrek potong D. Miss Singapore berdasarkan
jumlah kuntum mekar . . .
.
. . ..
. . . 4814. Kriteria pemutuan berdasarkan jumlah kuntum total yang diterapkan pada
program grading bunga anggrek D.Sonia dan D. Miss Singapore ... ... ... 49
15. Pendugaan kelas mutu bunga anggrek potong D. Sonia berdasarkan jumlah
kuntum total ... 49
16. Pendugaan kelas mutu bunga anggrek potong D. Miss Singapore berdasarkan
jumlah kuntum total ... .. .. .. .. ... .. . ... .... ... ... ... ...
..
. .. .. .. .. ... .. ... .... .. .. ... 4917. Pendugaan kelas mutu bunga anggrek potong D. Sonia berdasarkan panjang
18. Pendugaan kelas mutu bunga anggrek potong D. Miss Singapore berdasarkan
panjang malai, jumlah kuntum mekar, clan jumlah kuntum total ... 52
19. Pendugaan kelas mutu bunga anggrek potong D. Sonia berdasarkan panjang
malai, jumlah kuntum mekar, dan jumlah kuntum total setelah pemutuan
...
ulang pada malai NG 53
20. Pendugaan kelas mutu bunga anggrek potong D. Miss Singapore berdasarkan
panjang malai, jumlah kuntum mekar, dan jumlah kuntum total setelah
pemutuan ulang pada malai NG ... 53
DAFTAR GAMBAR
Halaman
1. Elemen-elemen dari sistem pengolahan citra . . .
.
. . . 132. Diagram sistem penangkap citra digital ... 14
3. Bunga Anggrek
D.
Sonia pada kelas mutu S (short), M (medium), dan L (long).. 204. Bunga Anggrek
D.
Miss Singapore pada kelas mutu S (short), M (medium),dan L (long) . . .
.
. . . 2 15. Diagram blok peralatan pada sistem pengolahan citra ... 23
6. Citra bunga anggrek D. Sonia hasil digitasi penangkap bingkai citra (image
frame grabber) secara utuh (bawah), dan citra bunga anggrek yang diperbesar
(atas) . . . , . . . 27
7. Citra bunga anggrek D. Miss Singapore hasil digitasi penangkap bingkai citra
(image frame grabber) secara utuh (bawah), dan citra bunga anggrek yang
diperbesar (atas) ... 28 8. Tampilan awal program pengolahan citra ... 29 9. Tampilan program saat thresholding citra bunga anggrek . . . .. ... . .. ... ... .. .. ... . 30
10. Tampilan program pada saat binerisasi dan perhitungan luas, panjang,
lebar proyeksi, serta perimeter citra . . .
.
. . ..
. . ..
. . ..
. . .. .
. . .. . .
. . . . 3 11 1. Citra bunga anggrek D. Sonia sebelum proses pengolahan citra (atas), dan
citra bunga anggrek setelah binerisasi (bawah) ... 32
12. Citra bunga anggrek D. Miss Singapore sebelum proses pengolahan citra
(atas), dan citra bunga anggrek setelah binerisasi (bawah) ... 33
13. Citra bunga anggrek D. Sonia yang diperbesar sebelum proses pengolahan
citra (atas), dan citra bunga anggrek setelah binerisasi (bawah) ... 34
14. Citra bunga anggrek D. Miss Singapore yang diperbesar sebelum proses
pengolahan citra (atas), dan citra bunga anggrek setelah binerisasi (bawah) . . . . 3 5
15. Populasi jumlah kuntum mekar anggrek D. Sonia (kiri), dan D. Miss Singapore
(kanan) ... 36
16. Populasi jumlah kuntum total anggrek D. Sonia (kiri), dan D. Miss Singapore
17. Rataan panjang malai I). Sonia (kiri) dan D. Miss Singapore (kanan) pada
berbagai kelas mutu ... ... 38
18. Hubungan panjang proyeksi malai dengan panjang malai bunga anggrek
D. Sonia (kiri) dan D. Miss Singapore (kanan) ... 40 19. Hubungan luas proyeksi kuntum mekar dengan jumlah kuntum mekar bunga
anggrek D. Sonia (kiri) clan D. Miss Singapore (kanan) ... 41
20. Hubungan luas proyeksi kuntum total dengan jumlah kunturn total bunga
anggrek D. Sonia (kiri) dan D. Miss Singapore (kanan) ... ... ... .. .. .. ... 4 1
2 1. Perbandingan kuntuln bunga anggrek D. Sonia yang normal dan yang rusak . . . . 43
22. Perbandingan kuntum bunga anggrek D. Miss Singapore yang normal dan
DAFTAR LAMPIRAN
Halaman
1 . Data sampel anggrek D . Sonia pada kelas mutu S, My dan L yang
digunakan untuk pengembangan model linier ... 61
2 Data sampel anggrek D . Miss Singapore pada kelas mutu S. M. dan L
yang digunakan untuk pengembangan model linier ... 64
3 . Data validasi D . Sonia pada kelas mutu S. My dan L ... 67 4 . Data validasi D . Miss Singapore pada kelas mutu S.
My
dan L ... 70PENDAHULUAN
Latar Belakang
Bunga mempunyai arti penting yang berfungsi sebagai simbol dan hlasan
(decorative) pada budaya maupun tradisi di seluruh dunia, serta telah lama dibudidayakan
untuk keperluan acara keagamaan dan sosial. Perkembangan produksi dan perdagangan
bunga potong secara komersial terutarna didorong oleh kebiasaan konsumsi orang-orang
kaya di negara maju. Kebiasaan tersebut kemudian banyak ditiru oleh orang-orang yang
tergolong dalarn kelas menengah di negara sedang berkembang.
Perkembangan yang cepat pada industri bunga potong di negara sedang
berkembang merupakan respon dari peluang pasar yang sangat terbuka di Eropa, Arnerika
Utara, dan beberapa negara dr Asia. Konsumsi bunga potong yang diproduksi secara
komersial terkonsentrasi di Amerika Utara, Eropa Barat, dan Jepang, dengan Amerika
Serikat dan Jepang masing-masing mengeluarkan devisa sebesar US$ 8 milyar pada tahun
1990 (Haak et al., 1992). Italia dan Jerman termasuk pasar yang besar dengan konsumsi
masing-masing sekitar US$ 5 dan US$ 4 milyar, sedangkan Eropa Barat mengkonsumsi
hampir setengah dari total konsumsi bunga potong dunia. Kondisi pasar dunia yang
demiluan potensial belum direspon secara memadai pasar Indonesia. Hal ini dapat dilihat
pada perkembangan ekspor bunga anggrek yang berfluktuasi mulai tahun 1997 sampai
tahun 2001. Pada tahun 1997 nilai ekspor sebesar US$ 269 ribu, tahun 1998 US$ 37.6
ribu, tahun 1999 US$2.4 juta, tahun 2000 US$ 1.68, dan US$ 1.17 juta pada tahun 2001
2
Menurut Nurmalinda et al. (1999) eksport tanaman h a s Indonesia tahun 1991
mencapai US$ 2 155 0 12, dan khusus untuk anggrek adalah sekitar US$ 61 8 612. Pada
tahun 1994, eksport anggrek meningkat menjadi US$ 1 801 292 yang berarti terjadi
peningkatan sebesar 343.4 % dalarn kurun waktu 3 tahun.
Anggrek banyak digemari masyarakat karena bunganya indah dengan warna-warni
yang menarik dan mengagumkan. Selain sebagai tanaman pot, anggrek dikenal juga
sebagai bunga potong karena masa mekarnya relatif lebih lama dibandingkan dengan
bunga potong lain, rajin berbunga, serta mudah penanganan pascapanennya.
Berdasarkan hasil studi yang dilakukan oleh Abidin (1996), dari 160 ribu tangkai
bunga potong yang diperdagangkan di pasar Rawa Belong, Jakarta setiap harinya, sekitar
28 ribu tangkai atau 17.5% diantaranya adalah anggrek. Jenis-jenis yang diperdagangkan
tersebut cukup beragam, antara lain Dendrobium, Vunda, Oncidium Golden Shower, dan
Arantheru James Storie. Sedangkan dari hasil studi yang dilakukan oleh Nurmalinda et al.,
(1999), jenis Dendrobium merupakan jenis yang paling banyak disukai oleh konsumen
dengan tingkat preferensi sebesar 34.29%. Jenis Dendrobium memang memiliki kelayakan
tersendiri, karena mempunyai bentuk, warna dan ukuran yang lebih beragam. Anggrek ini
juga banyak diminati pasaran Eropa, Jepang dan USA (Anonim, 1994).
Setelah dipanen bunga potong memerlukan sistem penanganan tertentu karena
sifatnya yang mudah mengalami kerusakan. Sistem penanganan bunga potong bervariasi
tergantung dari jenis bunga, produsen, area produksi, dan sistem pemasaran. Secara umurn
langkah-langkah penanganannya adalah: panen, sortasi atau grading, pen~katan
(bunching), pengepakan, precooling, penyimpanan, transportasi, dan pemasaran (Acedo
Salah satu tahapan pascapanen yang penting adalah grading (pemutuan), karena
pasar eksport akan selalu mensyaratkan knteria-kriteria tertentu yang perlu dipenuhi oleh
eksportir dengan parameter kuantitatif maupun kualitatif. Menurut Acedo and
Kanlayanarat (2001), secara resmi tidak ada mutu standar yang diakui dan diterapkan
untuk bunga potong di negara anggota ASEAN. Secara umum bunga di sortasi berdasarkan
pada panjang dan kelurusan batang, ukuran bunga, adanya kerusakan, ketuaan, serta
kualitas daun.
Selama ini proses sortasi atau grading terhadap bunga anggrek potong dilakukan
secara visual dalam proses sortasi manual. Pemeriksaan dengan cara ini mempunyai
beberapa kelemahan diantaranya membutuhkan waktu relatif lama serta menghasilkan
produk sortasi yang beragam karena keterbatasan visual manusia, kelelahan dan perbedaan
persepsi tentang mutu produk yang disortasi.
Berdasarkan ha1 tersebut diperlukan suatu metoda atau teknik untuk dapat
mensortasi secara e f e b f dan efesien. Pengolahan citra merupakan suatu alternatif untuk
mengatasi ha1 tersebut. Pongolahan citra menggunakan sistim visual berdasarkan sensor
elektro-optika yang mempunyai kemampuan yang lebih peka, tepat, dan obyektif daripada
kemampuan visual manusia dalam menangkap pantulan gelombang elektromagnetik
obyek. Dengan sistem pengolahan citra ini grading anggrek Dendrobium dapat dilakukan
secara obyektif dan konsisten, sehingga bunga anggrek Dendrobium yang telah digrading
Tujuan
Tujuan penelitian ini adalah untuk mengembangkan algoritma grading bunga anggrek potong Dendrobium sp dengan menerapkan pengolahan citra. Tujuan yang lebih khusus adalah sebagai berikut:
1. Menyusun algoritma pengolahan citra untuk menduga mutu bunga anggrek potong
Dendrobium sp berdasarkan panjang malai, jurnlah kuntum mekar, dan jumlah kuntum
total.
TINJAUAN PUSTAKA
Karakteristik Anggrek Dendrobium
Genus Dendrobium pertama kali ditemukan oleh seorang botanis terkenal bernama
Olof Swartz pada tahun 1800. Nama Dendrobium drturunkan dari bahasa latin dendron
(pohon) dan bios (hidup). Jadi Dendrobium berarti hidup di pohon. Di habitat aslinya
Dendrobium umumnya ditemukan epifit dengan menempel pada batang atau cabang
pepohonan (William et al., 1989).
Dendrobium sering dijumpai pada daerah terbuka, sehingga mendapat cahaya
matahari sepanjang tahun. Penyebaran Dendrobium sangat ektensif dan dapat ditemui dari
Asia Timur hingga kepulauan Pasifik dan pegunungan Himalaya melalui Myanmar
menyebar ke semenanjung Malaya, Australia, Selandia Baru, Papua Nugini, Cina, Jepang,
Philipina, dan Fiji (Northen, 1986).
Pada umumnya klasifikasi tanarnan anggrek berdasarkan pada keistimewaan bunga,
khususnya pada bagian alat reproduksinya. Klasifikasi botani anggrek Dendrobium sebagai
berikut (Hsuang, 1978; Fanfani dan Rossi, 1984 di dalarn Solvia dan Toto, 1997):
Kingdom Divisi Sub Divisi Klas Ordo Famili Sub Famili Suku Sub Suku Genus Spesies
: Planthae
: Spermatophyta
: Angiospermae
: Monocotyledoneae
: Orchidales
: Orchiddaceae
: Epidendroidae
: Epidendreae dan Dendrobieae
: Dendrobiinae
: Dendrobium
Seperti tanaman anggrek pada umumnya, Dendrobium mempunyai bagian-bagian
utama bunga seperti sepal (kelopak bunga), petal (mahkota bunga), polinia (alat kelamin
jantan), gymnostenurn atau putik (alat kelamin betina) dan ovari (bakal buah). Bagian-
bagian lain yang menjadikan bunga anggrek lebih menarik ialah bibir atau lip (labellurn),
tugu bunga (column), mentum dan taji (kaki tugu) (Solvia dan Toto, 1997).
Menurut bentuk bunganya, anggrek Dendrobium dikelompokkan lagi ke dalarn 3
kelompok (Gunadi, 1979):
1. Kelompok bunga bentuk bundar
a. Bundar menutup, tepi petal dan sepal saling menutupi
b. Bundar overlapping, tepi petal dan sepal saling turnpang tindih
2. Kelompok bunga bentuk tanduk, bentuk sepal yang menyerupai tanduk rusa
3. Kelompok bunga bentuk bintang, bentuk sepalnya merupakan antara bentuk bundar
dan bentuk tanduk.
Sesuai dengan habitat dan cara hidupnya, akar anggrek Dendrobium telah
termodifikasi menjadi akar udara. Akar udara ini urnurnnya tumbuh pada pangkal batang
dalarn jurnlah banyak, seringkali membentuk massa yang tebal. Sedangkan batang semu
Dendrobium menggelembung dan berdaging, karena berfungsi sebagai cadangan makanan
dan air. Panjang batang semu tersebut berkisar antara beberapa centimeter hingga satu
meter atau lebih (Williams et al., 1989).
Menurut Sutiyoso (1997) Dendrobium mempunyai bentuk tanarnan simpodial,
berbatang semu dan rajin berbunga. Tiap batang semunya dapat menghasilkan lebih dari 1
tunas, sehingga dalam satu pot saja dapat berisi beberapa batang semu yang dapat
menghasilkan beberapa malai bunga. Tanaman dapat memperbanyak diri sendiri seperti
Pertumbuhan tipe simpodial yaitu anggrek dengan pertumbuhan ujung batang terbatas. Batang ini akan tumbuh terus, setelah mencapai batas maksimum, perturnbuhan
batang akan berhenti. Pertumbuhan baru dilanjutkan oleh anakan baru yang turnbuh
disampingnya. Pada anggrek simpodial ini terdapat suatu penghubung yang disebut
rimpang atau batang di bawah batang yang sebenarnya. Pertumbuhan tunas baru akan
keluar dari rimpang ini (Gunawan, 200 1).
Dendrobium Sonia merupakan hasil persilangan antara D. Caesar dan D. Tomie
Drake yang masing-masing memberikan kontribusi sebesar 50% pada generasi ke delapan.
Secara keseluruhan jenis yang memberikan kontribusi terhadap pembentukan D. Sonia
sebanyak 35 elemen.
Grading untuk Anggrek Potong
Grading merupakan cara untuk membedakan mutu atau kualitas komoditi yang
akan dipakai sebagai standar atau ukuran baku dalarn perdagangan produk hortikultura.
Grading dapat dilakukan secara konvensional atau manual dengan mengandalkan
pengamatan visual manusia. Disarnping itu dapat juga hlakukan dengan cara mekanik
maupun elektronik, sudah tentu dengan tingkat akurasi yang lebih baik dibandingkan cara
manual.
Berbagai jenis alat grading otomatis maupun semi-otomatis telah dikembangkan
untuk produk hortikultura, terutarna buah-buahan. Grading otomatis atau semi otomatis
menggunakan informasi morfologi produk atau sifat-sifat radiasi elektromaknetik sebagai
dasar pengklasifikasian. Sebagai contoh adalah pengembangan alat sortasi berdasarkan
sifat DLE ( delayed light emision) yang dikembangkan oleh Jacob et al. ( 1965) dalam
berdasarkan sifat ketebalan dan densitasnya ( Lenker and Adrian, 1971 dalam Mohsenin,
1984).
Berdasarkan mekanisme kerjanya jenis mesin sortasi atau grading otomatis relatif
banyak jurnlahnya, diantaranya adalah:
1) Mesin sortasi atau grading ukuran tipe Trornmel.
Sistem sortasi mesin menggunakan drum berlubang untuk menggolongkan buah
berdasarkan uksmnnya. Ketelitian alat cukup tinggi dengan kapasitas yang besar. Buah
dibongkar secara otornatis dengan menggunakan otomatik drumpen, kemudian buah
diangkut dengan trommel dengan menggunakan ban be rjalan. Buah dengan diameter lebih
kecil dari diameter lubang trommel akan jatuh ke bawah clan diangkut oleh ban berjalan ke
tempat pengepakan, sedangkan buah yang lebih besar dari diameter lubang trommel akan
dibawa ke trommel berikutnya dengan ban berjalan. Disini diameter tromrnel lebih besar
dari trommel pertama, dan seterusnya sesuai dengan ukuran yang akan digolongkan.
2) Mesin sortasi atau grading ukuran type Belt
Mesin ini memiliki dua sistem sortasi ukuran yaitu tipe roller pada bagian atas dan
tipe belt pada bagian bawah. Buah yang akan disortir dimasukkan kedalam hopper, dan
dengan ban be rjalan diangkut ke bagian pemisah tipe roller dan tipe belt untuk dipisahkan
berdasarkan ukuran (Budiastra, 2000).
Grading bunga anggrek potong sarnpai saat ini rnasih dilakukan secara manual
berdasarkan persepsi visual manusia. Oleh karena itu ketrarnpilan dan pengalaman cukup
menentukan keseragaman dalam klas-klas bunga anggrek yang telah ditentukan.
Seperti di Malaysia untuk melakukan grading telah ditentukan spesifikasi bunga
kualitasnya menjadi 3 kelas yaitu kelas Ekstra, kelas I, dan kelas 11, yang didasarkan pada kenampakan umum dan sifat-sifat fisiknya (Agrolink, tth).
Di Indonesia, untuk melakukan grading bunga anggrek potong didasarkan pada
Standar Nasional Indonesia yang dikeluarkan oleh Badan Standarisasi Nasional (BSN).
Akan tetapi secara umurn bunga anggrek potong untuk pasar domestik dan pasar ekspor
mempunyai kriteria yang berbeda. Kriteria pasar ekspor cenderung mempunyai standar
yang lebih tinggi dari pasar domestik, tabel berikut adalah knteria standar mutu beberapa
jenis anggrek potong.
Tabel 1. Standar mutu anggrek potong Arachnis Maggie Oei (SNI 0 1-3 17 1
-
1995Rev. 1992)
Karakteristik
Panjang tangkai, min (cm).
Jumlah bunga, min.
Jurnlah bunga kuncup, min.
Susunan bunga dalam tangkai
lengkap.
Bunga rusak karena
Tabel 2. Standar mutu anggrek potong Aranthera James Storie (SNI 0 1 -3 17 1
-
[image:122.612.87.522.123.635.2]1995IRev. 1992)
Tabel 3. Standar mutu anggrek potong Oncidium Goldiana Varietas Golden Shower
(SNI 0 1 -3 17 1
-
1995/Rev. 1992)Karakteris tik
Panjang tangkai, min.
(cm>*
Jumlah bunga, min.
Jumlah kuncup, min.
Jumlah cabang, min.
Susunan bunga Dalam
tangkai
Bunga rusak
karena serangga,
jamurl mekanis
Karakteristik Cara Pengujian SP-SMP-287- 1980 organoleptik organoleptik organoleptik organoleptik organoleptik Syarat
I I
I 75 7 2 3 lengkap
tidak ada
Syarat
Panjang tangkai, min. (ern)*.
J~mlah bung+ (%) min.
Cara Pengujian
I , I I
I
*) Keterangan :
-
Susunan bunga dalam tangkai yang lengkap adalah apabila dalam tangkai tersebut tidak ada b u n g a h c u p yang hilang 1 gugurPanjang tangkai dihitung dari pangkal tangkai sampai bunga 1 kuncup ujung.
I1 67.5 6 2 2 lengkap
tidak ada
67.5
70
Jumlah kuncup, (%) min.
Jumlah cabang, min.
I11 60 6 2 1 lengkap tidak ada 60 70 5 9
Iv
40 5 1-
lengkap tidak ada3 5
Tabel 4. Persyaratan umum bunga anggrek potong yang diterapkan di Malaysia
(Hai et al, 1988)
Tabel 5. Persyaratan mutu bunga potong anggrek D. Syarifah Fatimah dan
D.
Ekapol(Rachrnan, 1988)
Karakteristik
Panjang Malai
Tabel 6. Persyaratan mutu bunga anggrek potong Dendrobium yang di ekspor oleh Thailand
Kisaran (cm)
> 66
51 -66
46
-
51Karakteristik
Panjang malai (cm)
Jumlah bunga mekar
Jumlah bunga kuncup
Kelas Mutu
Super A
A B
Karakteristik
Panjang Malai
Jumlah Kuntum Total
Jumlah Kuntum Mekar
D. Syarifah Fatimah
L
>55
15
4
D. Sonia /D. Ekapol
[image:123.616.76.526.33.836.2]Tabel 7. Standar mutu anggrek potong Dendrobiunz (SNI 0 1-3 17 1
-
19951Rev. 1992)-- --
Teknik Pengolahan Citra (Image processing) Jenis Uji
Panj ang malai
Jurnlah bunga keseluruhan
Jumlah bunga mekar
Jumlah kuncup
Susunan bunga dalam malai
Bekas pestisida
Bunga rusak
Binatang hidup
Pengolahan citra menggunakan komputer dikembangkan pertama kali sekitar tahun
1960-an untuk memproses dari satelit-satelit antar planet karena saat itu belurn ada satelit
yang secara khusus digunakan untuk memonitor gejala yang terjadi di bumi. Pengolahan
citra satelit secara digital mengarah pada penggunaan komputer untuk memanipulasi data
image (citra) yang disimpan dalam format digital. Implementasinya untuk menghasilkan
aplikasi-aplikasi yang berorientasi pada pada informasi geografis dengan lebih cepat, luas,
dan akurat (Dusig, tth).
Pengertian pengolahan citra (image processing) sedikit berbeda dengan pengertian
machine vision atau mesin visual, meskipun keduanya seolah-olah dapat dipergunakan
dengan maksud yang sama. Kata image processing dipergunakan bila hasil olahan data
yang berupa citra, adalah juga berbentuk citra yang lain, yang mengandung atau
memperkuat informasi khusus pada citra hasil olahan sesuai dengan tujuannya (Ahrnad,
2000). Satuan Cm
-
-
-
-
-
-
-
Persyaratan I<elas IMin 60
Min 16
Min 10
~ a k s 6
Lengkap
Tidak ada
Tidak ada
Tidak ada
Kelas Il
Min 50 Min 12 Min 8 - Maks 4 Lengkap Tidak ada Tidak ada Tidak ada Kelas JII Min 40 Min 8
Min 6
~ a k s y
Lengkap
Tidak ada
Tidak ada
Sistem Penangkap Citra Digital
Menurut Arymurthy dan Setiawan (1992) komputer digital hanya dapat memproses
suatu citra dalam bentuk digital. Citra digital dapat dlperoleh secara otomatis dari sistem
penangkap citra digital (digitizer) yang melakukan penjelajahan citra dan membentuk suatu
matrik dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu himpunan
diskrit
dari
titik-titik. Sistem tersebut merupakan bagian terdepan dari suatu sistempengolah citra, seperti terlihat pada Gambar 1.
Citra
Masukan Komputer bigital
______,
Monitor Penyimpan
Bingkai Citra Peraga
Gambar 1. Elemen-elemen dari sistem pengolahan citra.
Sistem penangkap citra digital sendiri terdiri dari tiga komponen dasar, yaitu:
sensor citra yang bekerja sebagai pengukur intensitas cahaya, perangkat penjelajah yang
bertugas merekam hasil pengukuran intensitas pada seluruh bagian citra, dan pengubah
analog ke digital yang mengubah harga kontinyu menjadi harga d i s h t sehingga dapat
diproses dengan komputer. Diagram sistem penangkap citra dapat dilihat pada Gambar 2.
Citra kontinyu f(x,y)
Sub-sistem perekam
I
Citra kontinyu g(x,y)
*
Sub-sistem sampling
I
Citra diskrit-kontinyu g,(x,y)
[image:126.622.216.424.99.375.2]1
Citra digital &~(x,y)Gambar 2. Diagram sistem penangkap citra digital.
Di sini g(x,y) adalah citra kontinyu dan merupakan citra masukan pada sub-sistem
sampling yang kemudian menghasilkan citra diskrit-kontinyu g,(x,y). Selanjutnya citra
disluit-kontinyu g(x,y) dilalukan pada pengubah analog-ke-digital untuk mendapatkan
citra diskrit-diskrrt gd(x,y). Gabungan proses sampling yang sebetulnya merupakan proses
kuantisasi spasial, dan proses kuantisasi yang merupakan proses kuantisasi intensitas
masukan, kemudian dikenal sebagai proses digitasi. Citra f(x,y) disimpan dalam memori
komputer atau penyimpan bingkai citra dalam bentuk array N x M dari sampel disknt
Setiap elemen array diatas disebut sebagai elemen gambar atau pixel, yang
merupakan suatu daerah persegi empat kecil dengan ukuran tertentu; ukuran pixel ini
sering disebut sebagai resolusi pixel. Setiap elemen diatas menunjukkan harga intensitas
keabuan pixel pada lokasi bersangkutan. Bila untuk menyimpan nilai intensitas setiap pixel
digunakan tempat sebesar 8 bit, maka nilai intensitas pixel berlusar dari 0 sampai dengan
256 (Arymurthy dan Setiawan, 1992).
Perangkat Keras Pengolahan Citra
Perangkat keras yang pertama adalah sensor citra (image sensor). Jenis sensor
dapat diklasifikasikan berdasarkan caranya melakukan scanning, yang umurnnya
dibedakan menjadi dua yaitu jenis charge-coupled device (CCD) dan metal-oxide
semiconductor. Jenis CCD mempunyai kelebihan pada resolusi yang tingg sedangkan
jenis metal-oxide semiconductor mempunyai kelebihan pada hasil citra yang tajam. Sinyal
yang dihasilkan oleh kamera TV adalah sinyal citra yang dapat digambarkan sebagai sinyal
analog dari sebuah gelombang listrik. Sinyal analog ini kemudian dikonversi menjadi
sinyal digital oleh sebuah analog-digital ( A D ) converter. Selanjutnya sinyal digital
keluaran A/D converter ditransmisikan kepada memori citra digital. Rangkai yang
dilengkapi dengan
A/D
converter dan memori citra ini disebut penangkap bingkai citra(image pame grabber) (Ahmad, 2000).
Sinyal analog yang diteruskan oleh karnera TV dan diterima
A/D
converter untukdiubah menjadi sinyal digital ini mempunyai format tertentu sama dengan format video
dan citra yang dipancarkan stasiun-stasiun TV. Diantaranya adalah National Television
alat ini disebut alat digitasi (image digitizer) dan prosesnya disebut digitasi citra (image
digitizing). Perangkat lainnya adalah unit display untuk memonitor citra yang ditangkap
oleh kamera, menampilkan citra yang sudah diproses dan sebagainya. Selain itu diperlukan
peralatan tambahan yaitu lampu-lampu khusus untuk mensuplai cahaya yang cukup dan
diatur sedemikian rupa sehlngga iluminasi merata pada seluruh obyek yang ditangkap
citranya (Ahmad, 2000).
Perangkat Luna k Pengolahan Citra
Perangkat lunak (software) yang digunakan pada pengolahan citra tergantung pada
image frame grabber yang digunakan. Biasanya setiap pembelian paket image digitizer,
paket tersebut sudah dilengkapi dengan perangkat lunak untuk menggunakannya. Dari segi
penggunaan, sedikitnya ada dua jenis image frame grabber, pertama yaitu jenis yang bisa
diprogram (programable) dimana pustaka fungsinya disertakan dan cara pemakaian dalam
pemrograman dengan bahasa pemrograman tertentu diberikan. Kedua yaitu jenis yang
tidak bisa dlprogram (non-programable) yang banyak dilengkapi dengan perangkat lunak,
jadi siap pakai. Jenis pertama banyak digunakan pada kegatan penelitian sedangkan jenis
kedua banyak dijual sebagai paket untuk kegiatan seni gratis dan pengeditan citra digital
serta home user sebagai entertainment (Ahrnad, 2000).
Aplikasi Pengolahan Citra Pada Produk Pertanian
Saat ini aplikasi pengolahan citra telah banyak digunakan pada bidang pertanian.
Aplikasi pengolahan citra memanfaatkan sifat-sifat dari produk pertanian yang berupa sifat
morfologi maupun sifat radiasi elektromagnetik (Mohsenin, 1984). Aplikasi tersebut sering
Dalam aplikasi analisis citra, pengolahan citra digunakan untuk mempertinggi dan
menambah informasi dari citra itu sendiri. Visi robotik mengacu pada penggunaan kamera
pengolahan citra untuk memberikan informasi visual yang benar-benar nyata dan
orientasinya untuk robot tangan atau robot bergerak. Sedangkan aplikasi pengawasan
meliputi pengujian kualitas, pembuangan atau pembersihan kerusakan, serta sortasi dan
grading.
Penelitian-penelitian untuk aplikasi pengolahan citra telah banyak dilakukan. Sakai
and Yonekawa (1991) melakukan analisis bentuk tiga dimensi biji kedele. Bentuk tiga
dimensi biji kedele dapat direpresentasikan oleh nilai-nilai perimeter (R), luas permukaan
(Sa), volume (V), compactness (C), dan panjang axial (AL). Untuk kedele jenis Enrei
bentuk dan ukurannya dapat direpresentasikan oleh sampel yang telah dianalisis. Dimana
nilai massa biji adalah 3 15.3 mg dengan CV (koefisien keragaman) 16.5%, panjang aksial
8.9 mm (CV= 6.3%), luas permukaan 216.1 mm2 (CV= 13.1%), volume 237.2 mm3
(CV= 20. I%), density 1.34 &m3, dan compactness 0.78 (CV= 3.1%).
Budiastra et a1.(1995) melakukan penelitian untuk mengkaji sifat fisik mangga
gedong seperti ukuran dan warna dengan menggunakan teknik pengolahan citra. Sampel
yang diteliti adalah mangga gedong dengan urnur petik 80, 90, dan 100 hari. Algoritrna
pengolahan citra disusun untuk melakukan analisis ukuran dan warm mangga gedong serta
klasifikasi mangga gedong berdasarkan ukuran dan warna. Hasil penelitian menunjukkan
bahwa luas proyeksi mangga gedong mempunyai hubungan yang linier dengan beratnya
dengan koefisien determinasi 0.95. Hasil validasi dengan analisis diskriminan komponen
warna merah menunjukkan mangga gedong &pat dikelompokkan ke dalam 3 kelompok
Prasojo (1996) mengadakan penelitian untuk mendeteksi bentuk dari ketimun
Jepang dengan menggabungkan metode pengolahan citra dan metode fourier. Hasil analisa
menunjukkan bahwa ketimun jepang dapat diklasifikasikan dalarn 3 jenis mutu yaitu mutu
A, B, dan C berdasarkan koefisien harmonis ke-2 dan ke-4. Dari hasil pengujian statistika
terhadap koefisien harmonis ke-2 dan ke-4 terdapat perbedaan sangat nyata dimana mutu A
berbeda nyata dengan mutu C, demiluan juga mutu B berbeda nyata dengan mutu C, tetapi
antara mutu A dengan mutu B tidak berbeda nyata.
Susanti (1996) menguji metode pengolahan citra untuk mendeteksi kematangan
ketimun jepang berdasarkan warna dan ukuran. Pengujian dilakukan dengan
membandingkan metode pengolahan citra dengan cara manual/visual. Dari hasil pengujian
diperoleh bahwa luas proyeksi ketimun Jepang mempunyai hubungan linier dengan
beratnya dengan koefisien determinasi 0.9 8.
Morio and Ikeda (2000) mengevaluasi kualitas bunga mawar potong dengan teknik
pelengkungan batang dan mengkajinya menggunakan teknik pengolahan citra. Bentuk 3
dimensi batang direkontruksi menggunakan pergerakan memutar batang pada meja
berputar. Pergerakan memutar dapat direpresentasikan oleh bentuk 2 dimensi yang diarnbil
dari sudut-sudut yang berbeda. Sedangkan bentuk 2 dimensi batang dapat diekstraksi
dengan baik menggunakan perbedaan hstogram warna.
Senoaji (2001) menggabungkan teknik pengolahan citra dengan ArtrJicial Neural
N e ~ o r k (ANN) untuk menduga mutu ketimun Jepang berdasarkan bentuknya. Hasil studi menunjukkan bahwa teknik pengolahan citra dapat digunakan untuk memperoleh nilai
koefisien Fourier yang digunakan sebagai input untuk menduga bentuk ketimun Jepang.
Model pelatihan ANN yang digunakan adalah algoritma backpropagation yang selanjutnya
dengan output adalah mutu A(1,0,0), B(0,1,0), dan C(0,0,1). Hasil training 60 set data
dengan jumlah iterasi 3000 menghasilkan Root Mean Square Error (RMS error) sebesar
0.0106 dan proses validasi 30 set data menghasilkan tingkat keberhasilan 100% untuk
BAHAN DAN METODE PENELITIAN
Tempat dan Waktu
Penelitian dilaksanakan di Laboratorium Teknik Pengolahan Pangan dan Hasil
Pertanian, Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian
Bogor. Penelitian berlangsung selama 5 bulan, dimulai Pebruari 2002 sampai Juni 2002.
Bahan dan Alat
Bahan yang digunakan dalam penelitian ini adalah bunga anggrek Dendrobium
dengan kultivar Sonia dan Miss Singapore yang diperoleh masing-masing dari pasar bunga
Rawabelong, dan Taman Anggrek Ragunan, Jakarta. Cuplikan diambil dari populasi
sebanyak 45 dari kriteria S (6-8 kuntum), M (9-1 1 kuntum), dan L (lebih 11 kuntum)
[image:132.620.82.499.38.816.2]dengan kisaran bunga mekar 70 - 80% dan panjang malai minimal 30 cm seperti pada
Gambar 3 dan 4.
Gambar 4. Bunga Anggrek D. Miss Singapore pada kelas mutu S (short), M (medium),
dan L (long).
Sedangkan peralatan yang dipakai adalah karnera CCD (Charge Coupled Device)
Sony, perangkat komputer dengan prosesor Pentium I1 350 Mhz, RAM (random access
memory) 128 MB, dan kartu graphis ASUS V-3000 dengan Video RAM 32 MB, empat
buah lampu TL 20 watt, dan penggaris. Perangkat lunak yang digunakan sebagai
penangkap bingkai citra (image frame grabber) adalah ASUS-Live 3000. Untuk
pengolahan citra digunakan algoritma yang disusun menggunakan bahasa Visual Basic
versi 6.0 yang merupakan pengembangan program yang dibuat oleh Dwinanto (2001), dan
Senoaji (2001).
Prosedur penelitian
Penelitian Pendahuluan
Penelitian pendahuluan dilakukan untuk menentukan jarak kamera dan sudut
pencahayaan yang sesuai untuk memperoleh citra bunga anggrek terbaik. Jarak kamera
dikehendaki. Disamping itu juga dilakukan pengambilan citra menggunakan latar belakang
(background) dengan warna yang bermacam-macam. Hal ini dilakukan untuk menentukan
latar belakang terbaik dalam proses pengolahan citra selanjutnya.
Penelitian Utama
Pengambilan Citra Bunga Anggrek Dendrobium dengan Teknik Pengolahan Citra
Pengambilan citra bunga anggrek dengan kamera CCD dengan langkah-langkah
sebagai berikut, seperti terlihat pada Gambar 5.
a) Anggrek diletakkan pada kertas putih (sebagai background) untuk menciptakan warna
yang kontras dengan warna bunga anggrek Dendrobium. Hasil penelitian pendahuluan
menunjukkan bahwa latar belakang putih akan memberikan hasil thresholding terbaik,
sehingga dapat membedakan antara citra dengan latar belakang tanpa menghasilkan
noise (piksel diluar anggota piksel citra sesungguhnya).
b) Pengambilan citra dilakukan dengan posisi kuntum bunga menghadap ke kamera,
malai bunga diletakkan secara horizontal pada image board (alas latar belakang citra).
Sesuai dengan percobaan pendahuluan, jarak kamera yang digunakan adalah 75 cm,
dan jarak lampu 50 cm dengan sudut pencahayaan 30'.
c) Perangkat komputer, kamera CCD dan lampu pijar dinyalakan. Selanjutnya perangkat
lunak ASUS-Live 3000 yang digunakan untuk mengambil (capture) citra diatur
propertinya misalnya kecerahan (brightness), kontras (contrast), kejenuhan
(saturation) warna, dan hue. Pengaturan properti ini di,lakukan untuk mendapatkan
hasil rekaman citra terbaik.
d) Intensitas reflektan dari bunga anggrek ditangkap sensor karnera CCD melalui lensa
e) Citra yang telah terekam akan dikonversi dari citra analog menjadi citra digital oleh
perangkat lunak ASUS-Live 3000 yang selanjutnya disimpan dalam bentuk file citra
berukuran 288 x 352 pixel, dalam format RGB.
f) Citra bunga anggrek yang telah direkam, disimpan dalam sebuahfile dengan ekstensi
.bmp untuk analisis citra lebih lanjut.
Image frame grabber
Kamera
1
A/D conventer Memori citrai
jObyek
/
Algoritma
Pengolahan Citra
i
Gambar 5. Diagram blok peralatan pada sistem pengolahan citra.
Pengolahan Citra
Algoritma pengolahan citra dibangun untuk menentukan panjang malai, jurnlah
kuntum mekar, dan jurnlah kuntum total anggrek Dendrobium. Panjang malai bunga
anggrek akan diduga dengan panjang piksel secara horisontal. Sedangkan jumlah kuntum
mekar dan jurnlah kunturn total akan diduga oleh luas proyeksinya. Adapun langkah-
a. Membuka program pengolahan citra yang disusun menggunakan bahasa Visual Basic
versi 6.0 yang diikuti oleh proses kompilasi (menjalankan program).
b. Membuka (loading) citra yang tersimpan dalam memori hardisk pada frame citra 1,
dilanjutkan dengan penyalinan citra pada frame citra 2 sebagai kotak tampilan image
yang telah diolah.
c. Melakukan thresholding dengan cara menentukan batas-batas intensitas piksel RGB.
Proses thresholding berguna untuk membedakan anggota piksel obyek dengan piksel
latar belakang serta menghilangkan piksel-piksel noise. Selanjutnya dilakukan proses
binerisasi yaitu mernberikan nilai yang hornogen untuk masing-masing kelompok
piksel obyek (PO(x,y)) dan kelompok piksel latar belakang (PL(x,y)).
d. Menentukan panjang, dan luas proyeksi citra. Penentuannya dilakukan dengan cara
melakukan pelacakan terhadap seluruh kelompok piksel obyek sebagai berikut:
Panjang = PO(Xkanan) - PO(Xkiri)
LWS =
C
(po(X,y))Panjang proyeksi berdasarkan jarak horisontal terbesar dari dua piksel obyek terujung
secara horisontal. Sedangkan luas piksel obyek adalah hasil penjumlahan keseluruhan
piksel yang terlacak oleh program.
e. Menentukan bentuk hubungan antara panjang malai, jumlah kuntum mekar, dan jumlah
kuntum total secara manual dengan pengukuran rnenggunakan teknik pengolahan citra
melalui analisis regresi. Dari hasil analisis regresi akan dapat diketahui keterandalan
model yang dibuat. Model yang handal ditunjukkan oleh kemampuan teknik
pengolahan citra untuk menduga panjang malai, jumlah kuntum mekar, dan jumlah
kuntum total bunga anggrek Dendrobium dengan tingkat kesalahan yang rendah.
f. Melakukan pengolompokan (clustering) berdasarkan standar rnutu bunga yang telah
Klasifikasi dan Validasi
Klasifikasi dilakukan untuk mengelompokkan bunga berdasarkan syarat mutu yang
telah ditetapkan dengan menggunakan program yang disusun berdasarkan model yang
dibuat dengan analisis regresi. Standar mutu yang umum ditetapkan pada bunga anggrek
potong diantaranya adalah panjang malai, jumlah kuntum mekar, jumlah kuncup, clan
bebas dari kerusakan karena hama dan penyakit. Dari hasil analisis panjang malai pada
sampel dilakukan pengelompokkan yaitu panjang malai kelas mutu S (30-40 cm), kelas
mutu M (41-50 cm), clan kelas mutu L (>50 cm). Untuk jumlah kuntum mekar
dikelompokkan menjadi kelas mutu S (4-5 kuntum), kelas mutu M (6-7 kunturn), dan
kelas mutu L (> 8 kuntum). Sedangkan untuk jumlah kuntum total dikelompokkan menjadi
kelas mutu S (6-8 kuntum), kelas mutu M (8-10 kuntum), dan kelas mutu L (>lo kuntum).
Validasi digunakan untuk mengetahui keterandalan model yang telah dibuat.
Validasi dilakukan dengan cara menganalisis bunga secara manual sehingga diketahui
mutunya. Kemudian dilakukan pendugaan mutu dengan teknik pengolahan citra.
Pendugaan mutu dengan teknik pengolahan citra dilakukan dengan menyusun program
pengelompokan (clustering) berdasarkan kriteria standar mutu yang telah ditetapkan.
Selanjutnya dibandingkan hasil pengelompokan mutu yang dilakukan secara manual
dengan pengelompokan mutu yang dilakukan dengan teknik pengolahan citra. Semalun
kecil persentase kesalahan pendugaan mutu oleh teknik pengolahan citra maka semakin
HASIL DAN PEMBAHASAN
Pengolahan Citra Anggrek Dendrobium
Hasil perekaman citra bunga anggrek D. Sonia dan D. Miss Singapore yang
dilakukan oleh kamera CCD akan di digitasi oleh penangkap bingkai citra (image frame
grabber) dengan resolusi 288 x 352 piksel seperti pada Gambar 6 dan 7. Hasil perekarnan
dan digitasi disimpan dalam mamori hardisk untuk analisis citra lebih lanjut.
Program pengolahan citra anggrek yang digunakan merupakan modifikasi dari
program yang sudah ada yang dibuat oleh Dwinanto (2001) clan Senoaji (2001). Pada saat
dikompilasi program akan menunjukkan tampilan form 1 yaitu form judul program yang
mempunyai tombol untuk membuka form ke-2. Form ke-2 merupakan form inti yang
digunakan untuk pengolahan citra, terdiri dari tombol-tomb01 yaitu: 1) tombol untuk
mengambil (loading) citra yang tersimpan dalam memori hardisk, 2) tombol untuk
menyalin citra pada frame citra ke 2,3) tombol perintah thresholding, 4) tombol binerisasi,
5) tombol perhitungan perimeter, panjang, lebar, dan luas proyeksi, 6) tombol untuk
penentuan kelas mutu D. Sonia dan D. Miss Singapore, dan 7) tombol keluar dari program
Keterangan:
S = pendek
M = sedang
[image:139.612.89.477.84.745.2]L = panjang
Gambar 6. Citra bunga anggrek D. Sonia hasil digitasi penangkap bingkai citra (image
Keterangan:
S = pendek
M = sedang
[image:140.612.84.505.80.727.2]L = panjang
Gambar 7. Citra bunga anggrek D. Miss Singapore hasil digitasi penangkap bingkai citra
Gambar 8. Tampilan awal program pengolahan citra
Citra dipanggil dengan menekan tombol load image, maka akan muncul kotak
dialog open file. File citra yang telah dipilih akan ditampilkan pada kotak citra (picture
box) 1. Citra tersebut selanjutnya dikopi pada kotak citra ke 2 untuk proses thresholding,
sehingga setiap piksel latar akan diwakili dengan piksel yang berwama merah dan piksel
Gambar 9. Tampilan program saat thresholding citra bunga anggrek.
Selanjutnya citra dibinerisasi yaitu hanya memberikan dua nilai intensitas pada
citra. Piksel obyek akan diwakili oleh warna hitarn (RGB=(O,O,O)), dan piksel latar diwakili
oleh warna putih (RGB=(255,255,255)), seperti ditunjukkan pada Gambar 10. Gambar 11
dan 12 merupakan gambar citra bunga anggrek D. Sonia dan D. Miss Singapore utuh,
sebelum pengolahan citra dan sesudah binerisasi. Sedangkan Gambar 13 dan 14
merupakan citra bunga anggrek D. Sonia dan D. Miss Singapore yang telah diperbesar
sebelum pengolahan citra dan sesudah binerisasi.
Tujuan binerisasi citra adalah untuk mempermudah mendapatkan data-data
pengolahan citra yang diharapkan. Setelah binerisasi dilanjutkan dengan perhitungan nilai-
Implementasi pengembangan algoritma untuk grading bunga anggrek potong dapat
dijabarkan dalam langkah-langkah pada program seperti dijelaskan berikut ini. Untuk
pendugaan kelas mutu bunga anggrek Dendrobium terdapat dua tombol yang berbeda
yaitu untuk D. Sonia dan D. Miss Singapore. Pendugaan dapat dilakukan dengan menekan
salah satu tombol tersebut tergantung jenis bunga yang akan diduga mutunya. Kemudian
muncul kotak dialog input yang meminta masukan panjang proyeksi, luas proyeksi kuntum
mekar, dan luas proyeksi kuntum total. Apabila input yang diminta sudah dimasukkan
maka program akan memproses masukan tersebut yang hasilnya akan ditampilkan pada
kotak teks kelas mutu. Apabila kriteria yang dimasukkan dalam kotak input tidak sesuai
dengan dengan standar mutu yang telah ditetapkan maka program akan menampilkan
pesan dalam bentuk kotak pesan (message box) bahwa malai bunga yang dianalisis tidak
[image:143.612.76.503.37.820.2]tennasuk dalam knteria kelas mutu atau diluar mutu standar (NG) (Lampiran 5).
Karakteristik Sampel Anggrek Dendrobium
Jumlah Kuntum Mekar
Jumlah kuntum mekar pada sampel D. Sonia dan D. Miss Singapore relatif tidak
ada perbedaan, Qmana D. Sonia mempunyai kuntum mekar antara 4-8 kuntum per tangkai,
sedangkan pada D. Miss Singapore berkisar antara 4-9 kuntum per tangkai. Jurnlah kuntum
mekar 6 kuntum per tangkai paling banyak jumlahnya baik pada D. Sonia maupun pada
D. Miss Singapore, pada D. Sonia berjumlah 22 tangkai, sedangkan pada D. Miss
Singapore berjumlah 16 tangkai seperti ditunjukkan Gambar 15.
Kunturn Mekar Kuntum Mekar
Gambar 15. Populasi jumlah kuntum mekar anggrek D. Sonia (kiri), dan D. Miss
Singapore (kanan).
Persyaratan jumlah kuntum mekar berbeda-beda tergantung dari kelas mutu dan
jenis bunga. Bahkan pada jenis bunga yang sarna mempunyai syarat mutu yang berbeda
untuk standar ekspor dan standar pemasaran domestik. Seperti dijelaskan oleh Rachman
(1988) untuk standar ekspor bunga D. Sonia minimal mempunyai jumlah kuntum mekar
berkisar 6-13
kuntum
per tangkai. Sedangkan untuk jenis D. Syarifah Fatimah minimalJumlah Kuntum Total
Jumlah kuntum total untuk D. Sonia dan D. Miss Singapore dapat dilihat pada
Gambar 16. Jumlah kuntum total pada D. Sonia berkisar antara 5 - 12 kuntum, sedangkan
pada D. Miss Singapore berkisar 6 - 16 kuntum. Walaupun D. Sonia dan D. Miss
Singapore mempunyai kisaran jumlah kuntum total yang cukup luas, distibusinya
mendekati kurva normal.
Populasi kuntum total terbanyak untuk D. Sonia adalah 9 kuntum yang berjumlah
13 tangkai, kemudian kuntum total 10, 7, 8, dan 11 yang masing-masing berjumlah 8, 7,
dan 5 tangkai, sedangkan 5,6, dan 12 kuntum masing-masing 1,4, dan 2 tangkai. Populasi
kuntum total terbanyak untuk D. Miss Singapore adalah 7 kunturn clan 10 kuntum yang
masing-masing berjumlah 10 tangkai, kemudan 8 dan 9 kuntum yang masing-masing
berjumlah 9 dan 8 tangkai, sedangkan 6 kuntum dan 11 sampai 16 kuntum, frekuensinya
berkisar antara 1 - 3 tangkai.
Jumlah kuntum total masih belum bisa mencerminkan mutu anggrek potong,
karena perbandingan antara jumlah kuntum mekar dan jumlah kuncup ikut menentukan
kelas mutu. Untuk kualitas eksport minimal 50% dari total kuntum merupakan kuntum
mekar (Anonim, 2002). Standar umum yang banyak dipakai di Indonesia untuk jenis
Dendrobium, minimal jumlah kuncup 2-3 kuntum dan sisanya merupakan kuntum mekar
(SNI, 1992). Sedangkan anggrek potong di Malaysia mensyaratkan jumlah kuntum mekar
70 sampai 80% sebagai knteria pemanenan (Hai et al, 1988).
Panjang Malai
Rataan panjang malai D. Sonia dan D. Miss Singapore berdasarkan kelas mutu
disaj ikan pada Gambar 17.
Gambar 17. Rataan panjang malai D. Sonia (kiri) dan D. Miss Singapore (kanan) pada berbagai kelas mutu.
Secara umurn panjang malai D. Sonia dan D. Miss Singapore berkisar antara 30
mutu S (kecil) mempunyai panjang rata-rata 36.5 5 1.8 cm, kelas mutu M (sedang) 42.8 i-
1.1 cm, dan kelas mutu L (panjang) 56.9 f 2.8 cm. Sedangkan pada D. Miss Singapore,
untuk kelas mutu S (kecil) rata-rata panjang malainya 44.0 i- 1.1 cm, untuk kelas mutu M
adalah 48.6 i- 1.5, dan kelas mutu
L
sebesar 56.3 i- 3.1.Untuk kriteria panjang malai, setiap negara eksportir anggrek mempunyai knteria
yang berbeda-beda. Ada yang menerapkan.3 level kelas mutu seperti di Malaysia, 5 kelas
mutu seperti di Thailand, dan 6 kelas mutu seperti di Hawai.
Pendugaan Panjang Malai, Jumlah Kuntum Mekar, dan Jumlah Kuntum Total
Pendugaan panjang malai, jumlah kuntum mekar, dan jumlah kuntum total
dilakukan dengan menggunakan analisis regresi linier. Melalui regresi linier ini dibangun
model pendugaan nilai Y (nilai sebenarnya) atas nilai panjang malai, jumlah kuntum
mekar, dan jumlah kuntum total melalui teknik pengolahan citra. Menurut Mattjik dan
Surnertajaya (2000) keterandalan model yang diperoleh dapat dilihat dari kemampuan
model menerangkan keragaman nilai peubah Y. Ukuran ini sering disebut sebagai
koefisien determinasi yang dilambangkan dengan huruf R2. Semakin besar nilai R~ berarti
model semakin mampu menerangkan perilaku peubah Y, dimana kisaran nilai R2 mulai
dari 0% sampai 100%.
Nilai dugaan panjang malai, jumlah kuntum mekar, dan jumlah kuntum total
didapatkan melalui proses thresholding dan binerisasi. Dilanjutkan dengan menekan
tomb01 perintah binerisasi yang akan menghitung panjang, lebar, luas, dan perimeter obyek
mekar diduga oleh luas proyeksi bunga tanpa menyertakan kuntum bunga yang masih
kuncup, dan jumlah kuntum total diduga oleh luas proyeksi bunga keseluruhan.
Hubungan nilai panjang malai bunga anggrek D. Sonia dan D. Miss Singapore yang
diukur secara visual dengan teknik pengolahan citra ditampilkan pada Gambar 18.
Hubungan tersebut dalam model linier mempunyai nilai koefisien deterrninasi (R2) = 0.994
untuk D. Sonia, sedangkan untuk D. Miss Singapore mempunyai nilai R2 = 0.980. Nilai R2
yang tinggi menunjukkan bahwa model linier yang dikembangkan untuk menjelaskan
bentuk hubungan kedua peubah cukup handal, yang berarti model yang dibuat mampu
menjelaskan perilaku peubah Y (panjang malai yang sebenamya) dengan baik.
200 250 300 350 250 300 350
Panjang Proyeksi (piksel) Panjang Proyeksi (piksel)
Gambar 18. Hubungan panjang proyeksi malai dengan panjang malai bunga anggrek
D. Sonia (kiri) dan D. Miss Singapore (kanan)
Hubungan antara jumlah kuntum mekar dengan luas proyeksi bunga anggrek
D. Sonia dan D. Miss Singapore ditampilkan pada Gambar 19. Dari grafik hubungan
tersebut diperoleh nilai R2 = 0.699 untuk D. Sonia dan D. Miss Singapore R2 = 0.882. Luas
proyeksi kuntum mekar diharapkan dapat menduga jurnlah kuntum mekar yang
sebenamya. Karena jumlah kuntum merupakan salah satu h t e r i a utama yang dijadikan
Hubungan antara jumlah kuntum total (kunturn mekar dan kuncup) dengan luas
proyeksinya untuk D. Sonia dan D. Miss Singapore dapat dlihat pada Gambar 18. Untuk
D. Sonia model liniernya mempunyai nilai R~ = 0.670, dan D. Miss Singapore model
liniernya mempunyai nilai R~ = 0.725.
Luas Proyeksi (piksel)
D D
Y = 1.10281 + 9.69EUX
R S q = 0.882
I
I I I I IJ
3000 4000 5000 6000 7000 8000
Luas Proyeksi (piksel)
Gambar 19. Hubungan luas proyeksi kuntum mekar dengan jumlah kuntum mekar
bunga anggrek D. Sonia (kiri) dan D. Miss Singapore (kanan).
Y = 3.10947 + 9.90E-04X R-Sq = 0.670
3000 4000 5000 6000 7000 8000 9000
R-Sq = 0.725
5
[image:153.612.75.526.72.815.2]Luas Proyeksi (piksel) Luas Proyeksi (piksel)
Gambar 20. Hubungan luas proyeksi kuntum total dengan jumlah kuntum total bunga
Pendugaan Kelas Mutu
Pendugaan kelas mutu yang dikembangkan menggunakan teknik pengolahan citra
didasarkan pada model hubungan linier yang telah dibangun. Hasil analisis regresi
menunjukkan bahwa ketiga model yang dibangun bisa digunakan lebih lanjut sebagai
kriteria grading yaitu, model linier hubungan panjang malai dengan panjang proyeksi
malai, jumlah kuntum mekar dengan luas proyeksinya, dan jumlah kuntum total dengan
luas proyeksinya.
Seperti dijelaskan sebelumnya bahwa model dengan R~ yang tinggi akan lebih baik
untuk pendugaan mutu dalam pengembangan algoritrna. Nilai R' yang tinggi menjamin
pendugaan depen
