Development of Image Processing Algorithm to Determine the Fresh Tomato Maturity Level

(1)

lsBN

978-979-256881-3

tonR

xlll

amis,

9

Agustus

"Pembangunan

Nasional

Berbasis

IPTEKS

Untuk Kemandirian

Bangsa"

a

ptnslol€ocoR:

**

oo

or,

",erf

FAKULTAS

HEUITAN

rtanian

Bogor

2AO7

(2)

Prosiding

Seminar Nasional

XIII

PERSADA

i

2OO7

DAFTAR

ISI

S:*l'r*ml

::

:::

::

:: ::

...'i'

Sambutan Ketua Panitia

,...,..

...vi

Wakil Rektor IPB

...

...vii

Ketua BPP

PERSADA

...x

Dekan FKH

IPB

...xi

Kedutaan Besar Jepang di

lndonesia

...-.xiii

Susunan

Acara

...,...xiv

TechnicalSession

.-...xvii

Tata Cara

Sidang

..,.,....xxiii

Daftar Peserta PresentasiOral

...

...-xxiv

Makalah

Poster

_-...xxix

Makalah Peserta Presentasi Oral A A1. Pengaruh Herbisida Glifosat (N-Phosphomethyl glycine) Dan Paraquat (1,1' dimethyl 4,4'bipryridillium) Untuk Penyiapan Lahan Tanpa Olah Tanah Terhadap Perkembangan Mikoriza

Arbuskula

...,...1

A4. Rural Poultry Keeping ln lndonesia To Household Food Security And Poverty

Alleviation

...,..,...6

A7. ldentification Of lmproved Variety And Commercializaton Of Soybean (Glycine max), CORN (Zea mays), And Tomato (Lrbopersicum esculentum) ...12

410. Development Of lmage Processing Algorithm To Determine The Fresh Tomato Maturity Level

...

,...20

411. Pengaruh Tingkat Ketuaan Terhadap Perubahan Mutu Buah pepaya (Caica papaya L.) Varietas IPB-1 Setelah Pemeraman

...

....,...30

A12. Study On The Vegetation Structure Dynamics Of Pekarangan ln West Java(Case Studies: Cibakung, Simagalih-Pagentongan, Babakan Sukaningal, Tegal Gundilold Settlement, TegalGundil New Settlement, And Baranangsiang lndah) ....36

A13. Etfect Of Storage Temperature And Shelf Life To Quality Of Banana (Musa paradiciaca sp.) After

Ripening

...,...,.,.45

A14. Effect

of

Liquid organic Fertilizer on The Growth

of

cashew Nut ...,...,..."52 415. UjiAktivitas Anthelmintik Ekstrak Etanot 7A o/o Batang Kayu Kuning (Arcangelisia flava (L.) Men.) Terhadap Larva-3

A*aridia

gattiPadaAyam Ras Tipe

Pedaging

_..."""56 Peserta Presentasi Oral B 82. The Change Of Available Phosphorus During The Period 1970 To 2003 ln Sawah Soil; A Comparative Study ln Java,

lndonesia

..."...59

83. The Effect Of Organic Manure Compost To Growth, Produce And Quality Of Ginger (Zngiber Officinale

Rosc)

_.. ...66

M.

Germination And Seedling Vigor

Of

Picrasma javanica Blume At Various Temperatures

..,...,...,,..

_...72

85. Respon Tanaman PadiTerhadap Jenis, Dosis, Dan FrekuensiPemberian Konsorsium Mikroba Daun Berasal DariTumbuhan Ekosistem Air Hitam ..."...77

86. Water Ftow Pattem ln Embankment ModelWith Darmaga OxisolsoilWhich ls Completed By Vertical Drainage

Canal

.... ...g4 87. Seepage Pattern ln Embankment ModelWith Toe Drainage Canal By Using Darmaga Latosolsoil

...,...

_...91

(3)

Prosiding Seminar Nasional

XIII

PERSADA

i

2007

89. Pengaruh suhu Ruang simpan Dan Jenis Kemasan Terhadap Viabilitas Benih

Sambiloto Vnarograpiis paniculata Nees) Selama Penyimpanan

"'t""::;":':"""""-'1

B10. Combination taitooacitius Acidophilus with starter Yoghurt (Lactobacillus

burgaicusano sreftococcus thermophitus) on Quality

of

Fermented Milk

""""-""'

_'.t1 816. Nitrogen Transformation ln Flooded soil Added By Rice straw And

urea

"""-""":"11

Peserta Presentasi Oral C

C1. Effects Of lntrauterine Position On Reproduction. P^erfo-rmance ln Rat (Raffus

sp)

""

1

C2'DevelopmentofMiceAndHamsterEmbryosinKSoMaa,andHECM6Medium...l

C3. lnfluenza n Virus:-ptr'iog"n' Of Neuraminidase Primers And Amplification Of

polymerase

ri"S"

piirt.,-i,'t Z _leeZlnnO Neuraminida* (NA) Genes

""""""""""""'

1

C4. Detection Ot Saieffit" Orun Fiom Tomato-lnfecting Begomovirus ln lndonesia

"""""

1

C5. Viabitity Of

cij1i;

atingiber officinale Rosc-) at Different Gulture Practices And Storage Period!

c6. Radiograpnv nno'uitrironogr"phy Diagnostic

of

Pyomeba ln The cats

{Fetix catus) '...--.

.."""'

I

c8

Kejadian

rorsioio"i;

F;;t"-'!1.umur

!-l?

?y]ll,?:::"::'d*-"Tj;;.i;"'

'1

83.

il:,ji"ililt;;ffd;;iesG

retinci(Lepus ssp )

AkibaJl3P?fn

so2

Perinharasi

"

'1 C10. Variation On

on"

furi"roi"teltite Ai Locus BTA

I

And BTA10 Based On The

Effects

of

sire nno

ine

e"timated Breeding Value

of yijl. of

Holstein-Friesian .--."' 1 c11. Equine DistempJr

i

il;;i;;

i

ln white

inino

(centotherium simum) --..---'.--'-...." 1

c12. Effect

ot

ovsyncn-'clon Frotocol

9l

I!,:

Clnception Rate And

Ovarian

1

C13. Gamb"run

s"iirl;;il#g-i;a]

trletis aomesbca) Pada Anestesi Per-lnieksi Dan Anestesi Per-lnhalasi Selama Operasi

Kastrasi

"""""""""'

1

c15. pemanfaatan a-Tokoferol Untuk Meningkatkan Profilsuperokslda Dismutase

(SOD)

Ginjalfifut

Oie"wah

KondisiSties

""""""""""'""'1

Peserta Presentasi Oral D

D3.PreliminaryStudyonPhysicalLoadMeasurementApproacfring%Vo2MaxTrough

Heart Rate

D5. Evaluation

of

r_"nJ suitaoility For Environmentally Agrotourism ln ciliwung

UC. Evaludtlull retl Lqrru vurrqv : : OnE

Watershed (Case Study: BogorAnd Puncak

Region)

""""'zv'r

D6. Analysis Ot fvricrocrimaie

nnl

Crop Physiological Characiers ln Agroforestry

System nt various

ngto"ri*jti"

29.n":-;""

"

"""212

oz. xngiotensin converting Enzyme (Ace) lnhibitory Peptide Derived From

Troponin T Of Porcine

Muscie

""""'221

D10. u'lu.

-

Worm noputatiorisin vv()ltrr ruPurcil.rvrro-,:.,

iniott"

,,..?.::,'::.--,__';r:^:-

of.lmmunized t,rrrxr Protease And Challenged _--.".226226

With 't ₀₀₀_L2Ascaidia galli ln Laying Hens " ' ' " ' . '

D12. Studi Erapan

D";

d;bsi

p ranan nndisot Pasir sarongge Yang Diberi 14

-

Fertafuan bahan Organik (Biomassa

Tanaman)

--""""""""'

E13. Bamboo Existance"tvt"pping And ldentification Of Bamboo Utilization On

lJ lJ. f]rclltlw sterslw a2a

Cianjur-Cisokan Watershed, Middle Part Of

Citarum

"""""' '""

D15'PerceptionofnestheticAndPreferenceofBogorBotanicalGardenMsitors....-...24J'

Peserta Makalah Poster P

p1. _Effects

of

Azotobacter, Bat Guano And Glyricidia compost on The Growth

of

=lleuts \Jl a1l-u(vvqerer ' esr 1Ag

Bushy Black Pepper (Piper nigru?-L') _.

::

".'.:".

';,-;;;;:"";:;;:;

""""""'""""'4'

vevt''

-''i

gn'Oont _BeiasalDari Ekosistem Air Hitam Terhadap

P3. Pengaruh Nlikroba Endotlt H€rasal uarl EKoslstellr t\rr rtrtdrrr I

srrrquqt/

. ..-..253

Pertumbuhan Tanaman Padi

"""""

'-";-;;--;-';;;^^"'".'

p4. Study on The

R;;G"rd.n

Devetopme."llt y::ropolitan ln Relation To Urban

ilTli'ii"i

fr''tiiiJiiilc"J"-at"dtiDkiJakarta).

1

^r.,

r,u'-

;:

::^-"'

3:?

p5.

;'s:;,-d

/ffiil;;:rF;i6

n,io H/lirr production

of

Horstein-f."*j?.1 -...----..---.--265

p6. _The_Accuracy

eefieen

ilatio And Regression Methods ln Estimating Milk Production Of Dairy Cows

""""'

p7.

Eff;ti;rry

Of Orga;ic LiquiO F"ttiriter On Growth, Yield And Quality Of Young

Ginger (Zngiber officinale Rosc)

blnger \LILgtuvI tr

p8. The Effect

or

re*iiizerbn

erowtn And Yield Of Two Ginger Promising Lines

(Zngiber officinale

Rosc.)

"'."""."""'

pg. The Effect

of

Nitrogen

on

Growth And Yield

of

King Bitter (Andrographts

paniculata Nees)

pto.GrowthofSomeMedicinalPlantAtMultiplication

ii

2U

290

(4)

00

)5

l3

p11. Phenogpic And Genetic Trend For post-weaning _Growth_{rn Bari}

cat e

...2g7 p12. Kemampuan Bertunas Mata umbi Amorynopnarticanpanulafus _Roxb.

dan A. Vaiabilis

il.

...

P16.

rhe

Effect

of

_{Explant sources}

d

i#;"s;;i;

C;il

iilili""

or

ei"g"i':""""""301

(Zingiber _{offtcinale Rosc.)}_ln_{Vitro Culture}_{:...-...-..._}

p17- _Risk_{Factors For}_Native

cn*en

rnrecuon _with

Aviani;;;;;;; is;i',

6;;;t"*

""305

And Kalimantan lslands, lndonesia, 2005 ...,...

*

p1B. Epulis _{Ginssivae And}

rhe

T;";tn;;

_rn_{sumatran tiser}

eaiiii;a

ru;;

"""'310

sumatrae)

...,...31g p19. Profil

serp

Dan _{Antioksidan superoksida}_Dismutase

pala

_pant<reas

Tikus Diabetes _{Meilitus-yang Diberi}

lgnunS e-uan Faie

(ti

rZiii""

channtial.)

..."..er0 P20' Pengaruh _{Pemberian Tepung Kedelai}_Kaya

lsonavo.r\'inl"nVitamin

E Terhadap

Jumrah ser spermatogenik paoa _{luoutisaminiferi}

i".ti-.'r-ir.r.

...".." 324 pz1. _Hierarchy

of

poten _competence

of

some

Fd;;;

iiiI

ot

_c"rr"u_{papaya...-...330} P22' Produee

of

_{Embryonic stem cells Derived}_From_rrrouse_giastocysts

At Different Stages

t1 16

0

4

8

4

I

a

)

;

Prosiding

Seminar Nasional

XIII

PERSADA

(5)

Prosiding

Seminar

PERSADA

XIII

Z0O7

DEVELOPMENT OF IMAGE

PROCESSING ALGORITHM

TO DETERMINE THE

FRESH

TOMATO

MATURIry

LEVEL.

Usman Ahmad dan Yusuf Rizali

Fakultas Teknologi Pertanian, lnstitut Pertanian Bogor, Kampus IPB Darmaga Bogor 166g0, E-mail: kakajusuf@yahoo.com

ABSTRACT

During the manual sorting and grading tomato, the yield product will be less uniform. The resutt in manual sorting and grading has less accuracy, so needed a better method in sorting and grouping tomato. The growth of image procelsing method enable to determine maturity level of tomato without destroying it. This research tarlet is to learn tne maturit! parameter of fr-e9h _{tomato using image processing, then compile the algorithm}_of_image_piocessing_to_{determine the}

maturity level of fresh tomato and also classi! tomato according to its maturity level. Param-eter used for-subdividing tomato according to its maturity level are red colour index and green colour index. _{Validation based on red colour}_{indeiyielding} accuracy ot 100% for full green _!o.Tg!9,48olo for green-red tomato and '100% _for_full_{red tomato.}

Validation based on greei colour index yielding ac{rrracy of 100o/o for full green tomato, 62Yo for green-red tomato, and i00%, afor full red tomato.

PENDAHULUAN

Buah tomat merupakan salah satu produk

hortikultura yang rnempunyai prospek pemasaran

yang cerah. Hal ini dapal dilihat dari banyaknya

buah tomat yang dapat dimanfaatkan masyarakat.

Potensi pasar buah tomat juga dapat dilihat dari

harga yang terjangkau

oleh

seluruh lapisan

masyarakai, sehingga membuka peluang lebih

besar terhadap serapan pasar. peningkatan

jumlah _{penduduk, pendidikan, kesadaran gizi}_dan

meningkatnya pendapatan masyarakat juga akan

meningkatkan kebutuhan buah tomat. Selain itu,

meningkatnya kemajuan

di

bidang

industri

pengolahan _akanberperan terhadap besamya

serapan pasar buah tomat.

Untuk dapat bersaing dipasaran dunia,

produsen

tomat

harus

_menghasilkan_tomat

dengan kualitas yang tinggi. Kualitas tomat yang

baik sangat ditentukan oleh penanganan pasca

panen yang diterapkan. Salah satu proses pasca

panen yang paling penting adalah proses sortasi

dan pemutuan. _{Proses sortasi}_dan_pemutuan

selalu ada

dan

diperlukan pada penanganan

pasca panen tomat, baik pada produk segar

maupun produk tomat olahan. Untuk perdagangan

dan

industri yang _{skalanya besar,}_diperlukan

proses sortasi yang akurat dan cepat. proses

sortasi yang _{dilakukan secara manual}_oleh

manusia,

menghasilkan

produk

dengan

keragaman kurang baik dan juga memakan waktu

yang relative lama. Hal ini disebabkan karena

keragaman

visual

manusia,

faktor

kelelahan

manusia, dan perbedaan _{persepsi tentang}_mutu

dari produk yang dihasilkan. Oleh karena itu

diperlukan suatu metoda untuk menghasilkan

sistem sortasi otomatik dengan akurasi yang tinggi dan waktu yang relatif singkat. lmage processing merupakan salah satu alternatif untuk mengatasi

masalah tersebut.

Tujuan

dari

penelitian

ini

adalah mempelajari parameter _kematangan_buah_tomat

segar menggunakan pengolahan _citrakemudian

menyusun algoritma image processing untuk

menentukan tingkat kematangan buah tomat

segar serta menggolongkan buah tornat sesuai

dengan tingkat kematangannya.

TINJAUAN PUSTAKA

Tingkat Kematangan Tomat

Tingkat

kematangan

tamat

dibagi menjadi tiga fase, yaitu fase masak hijau, fase

pecah _{wama dan fase matang. Fase masak}_hijau

ditandai dengan ujung buah tomat yang sudah

mulai berwama kuning gading. pada _fasepecah

wama, ujung buah tomat menjadi benararna merah

jambu atau kemerah-merahan- pada fase _matang

sebagian besar permukaan _{buah sudah benvama} merah jambu _{atau merah. Di}_{negara maju, standar}

tingkat kematangan _{tomat dibuat lebih}_spesifik

menjadi enam fase, yang meliputi

:

Greerr,

Sreakers, Tuming, Pink, Light Red,

dan

Red.

llustrasi berbagai tingkat kematangan buah tomat

dapat dilihat pada Gambar

l.

(6)

ProsidingSeminar PERSADAXIII'

2OO7

GKEEN

BKEAKERS

TURNING

PNK LIGTIT

RED

Gambar 1. Perubahan wama tingkat kematangan tomat (Florida Fruit & Vegetables Association, 2005) Alat-alat yang digunakan Pada

Pengolahan Citra

lmage Prccessing adalah proses untuk mengamati dan menganalisa suatu objek tanpa

berhubungan langsung dengan

objek

yang

diamati. Proses

dan

analisanya melibatkan

persepsi visual dengan data masukan maupun

data keluaran yang diperoleh berupa citra dari

objek yang

diarnati.

Teknik-teknik lmage Processing meliputi penajaman citra, penonjolan

fitur tertentu dari suatu citra, kompresi citra dan

koreksi citra yang tidak fokus atau kabur (Ahmad, 2005).

Perangkat lmage Processing terdiri dari

perangkat keras (hardware) dan perangkat lunak

(sofiware)- Komponen utama dari perangkat keras

citra digital adalah komputer dan alat pemga

komputer baik yang multiguna atau dari jenis khusus yang dirancang untuk lmage Processing

digital. Proses

lmage

Processtng umumnya

dilakukan dari piksel

ke

piksel yang bersifat

paralel. Sistem perangkat keras terdiri dari sub sistem yailu sub sistem komputer, masukan video, keluaran video, kontrol interaktil penyimpan citra, dan perangkat khusus pengolah

citra-BAHAN DAN METODE

Bahan yang digunakan pada penelitian ini

adalah buah tomat dengan berbagai tingkat kematangan yang berbeda, yaitu pada kondisi buah hijau penuh, hijau merah dan merah penuh. masing-masing bedumlah 50 buah- Buah tomat ini

diperoleh dari kebun petani di daerah Cikoneng,

Bandung, Jawa Barat.

iniadalah Kamera CCD (Charge Coupled

Empat buah lampu TL, Kain putih,

komputer, Jangka sorong, Timbangan digital,

R h eomete r dan Ref n Komete r.

Pada penelitian ini, terdapat tahapan yaitu pengambilan citra, pengolahan ci

yang

meliputi pengukuran

area,

diameteq

panjang, dan wama RGB, pengukuran

yang meliputi pengukuran berat buah pengukuran diameter, pengukuran kekerasan, dan

pengukuran

total

padatan

terlarut,

tahap

pengolahan data hasil pengolahan citra dan data

pengukuran langsung, penentuan

tingkat kematanga yang akan digunakan dalam

proses pengelompokan dan validasi algoritma

untuk pengelompokkan tomat berdasarkan tingkat kematangannya.

HASIL DAN PEMBAHASAN

Penentuan tingkat kematangan buah

tomat dengan metode pengolahan citra adalah

dengan membuat algoritma pengolahan citra yang

dibangun dengan

menggunakan bahasa

pemrograman Visual Basic 6.0. Adapun program

aplikasi untuk menentukan tingkat kematangan

buah tomat yang dibuat memiliki kemampuan

untuk melakukan proses thresholding, proses

reduksi noise, proses perhitungan luas, panjang,

diameterdan wama RGB.

Tampilan program pengolahan citra

untuk menentukan tingkat kematangan buah

tomat dapat dilihat pada Gambar 2.

[image:6.595.26.559.18.762.2]

(7)

Prosiding Seminar

PERSADA

XIII

j

ZOOT

'l

t

"j.il,

rr.r-',n,r,.,,.,.

r:,r,u

:-r*ui

ai-

_-'l

!

!ffi rf,r*..$3

{ _{sL.r .. = r4.i; Il{ri'}

ail!t-... _{= r4ijc.J.d'}

Garbar 2. Tampilan program pengolahan Citra

Penentuan

fqH

tCmtgm

Tornat

BerdasarbrAra

ldr

Dni

ld

og

d;l{qfr

rrt* r*d

area

menunjdcan

ffim m ffi

aan*

_@O*an parameter

p8ffim

findrn

bnargilr

b€h

tomat

kaera

@t

nila aca

pada kdtga

kelompok

hf

ffi

ErErlr rF_

Hasil

perhifungan

{tm @ ',h

ree

ruf'a

_6|1trd

pada Tabd

l-3rmorl

zlum

-

@mm

Mlu

Tabel 1. Hasil perhitungan statistik pada data area tomat

hasil oenqolahan citra

parameter

.._

Kondisi panen

HP

HM

MP

Grafik sebaran nilai area tomat dengan

lerbagai kondisi panen dapat dilihat pada GamlUar

3. Hal ini.menunjukan bahwa tingkai kematangan

tomat tidak dapat diukur dari besar kecilnya

ukuran

buah-_IIltrllllm

a

.! rm

fm

<

_?@m

t

o

g

H

s

g 0

8 o A

t

I

E I

H

i-foirsu

ffirh

Hijau

-merah

_Merah_penuh

Kondisi

panen

e;arr

3

Sm *a

bnd dengan _{berbagai kondisi panen}

1

Standar 17, 1883 1868

[image:7.595.14.553.0.833.2]

(8)

Penentuan

Tingkat

Kematangan

Tomat

Berdasarkan Panjang Buah.

Panjang tidak dapat dijadikan parameter penentuan tingkat kernatangan buah tomat karena

berdasarkan

uji

statistik menunjukan bahwa

sebaran nilai panjang pada ketiga kelompok tomat

tidak berbeda nyata. Hasil perhitungan statistik pada data panjang dapat dilihat pada Tabel 2.

Penentuan

Tingkat

Kematangan

Tomat

Elerdasarkan Diameter

Buah-Diameter tidak dapat dijadikan parameter penentuan tingkat kematangan buah tomat karena

berdasarkan

ujt

stalistik menunjukan bahwa

sebaran nilai diameter pada ketiga kelompok

tomat tidak berbeda nyata. Hasil perhitungan

statistik pada data diameter dapat dilihat pada

Tabel 3.

Prosiding Seminar

PERSADA

XIII

2OO7

Tabel 2. Hasil perhitungan statistik pada data tomat hasil penqolahan citra

Parameter

HP Rata-rata 158

Standar deviasi 11

Maksimum 193

Minimum 135

Tabel 3. Hasil perhitungan statistik pada data

tomat hasil

Parameter Kondisi

HM Rata-rata

158

₁₆₆

11

10

155

IT

175

133

Kondisi

HM

---tE

10

191

ua

Grafik sebaran panjang tomat dengan _{berbagai kondisi panen dapat dilihat pada gambar 4.}

Hiiau

penuh

Hiiau -merah

Kondisi

panen

Merah penuh

_____l

Gambar 4. Sebaran panjang tomat dengan berbagai kondisi panen 220

200

-3

180

J

a

;

160

g

€

F

_(! 140 o.

120

H

E

o o H a

H

E

g

o

o o 8

H H

6

s

o

o 6 6

I

H

B

I

H

8

MP

155

11

175

133 148

135

Hilau

penuh

Hifau

-merah

Merah penuh

Kondisi

panen

I

Gambar 5. Sebaran diameter tomat dengan berbagai kondisi panen

l,

[image:8.595.47.585.14.828.2]

(9)

penentuan

fmgil€t

Kematangan Berdasarkan lflama RGB Buah.

Dari hasl try statistik unfuk indeks wama

merah mentnjr.*an bafffa indeks wama merah

dapat dfiadfkan perarneter penentuan tingkat kematangan

hld

bnat

karena sebaran indeks

wama

nr€r$

p€da

k€tiF

kelornpok tomat

berbeda nyata l-fasfl perhitungan statistik pada data indeks w?rrn rrerah dapal dilihat pada Tabel

4.

Prosiding Seminar

PERSADA

XIII

ZOOT

Tabel 4. Hasil perhitungan statistik pada data indeks

warna merah

tomat

"

Tomat

Parametsr

Rata-rata

0.362 0.485

_0.512

Standardevi?si

ffi

MaKstmum

0.393 0.512

0.530

Minimum

ffi

Ambangatas

ffi

Ambang

bawah

-

0,421

_OAgz

Grafik sebaan rrnde{<s wama merah dengan berbagai _{kondisi panen dapat dilihat pada gambar 6.}

s

E

H

Hiiau

penuh

Hiiau

-merah

Merah penuh

Kondisi

panen

3moar'6, Sebaran indeks R tomat dengan berbagai kondisi panen

! a 6

G

3 I ag

lrffiks

r*Em-la th[@.r daeat dijadikan

parametef

pstrmJel

U:rglrd ka.nrakrgan buah

tomat karena

ketiga keton"@: Unnw herbeda

ryala

Hasil perhifurryanr

sffir itrb

_{.:rre irdeks}_wama_hijau dapat diEhd DFta Tmet 5

Tabel 5.. Hasil pefiitungan statistik pada data indeks

warna hijau tomat

Parameter Kondisi panen

HP

HM____ MP

Rata-rata

0.410 0.306

_0,272

Standardeviasi

o.om

ruarsrmum 0.431 0.371

0.288

Minimum

qffi

Ambang

atas -

0355

-

0296--Amoangbawah

ffi

-Grafiir

sm'arr

rrleks rarna hlau dengan berbagai kondisi panen dapat dilihat pada _Gambar_7.

Kondisi panen

HP

HM

MP

a

t

I I a

Hiiau

penuh

Hiiau

-merah

_Merah_penuh

Kondisi

panen [image:9.595.31.574.17.821.2]

(10)

ProsidingSeminarPERSADAX|II

Z0

Tabel

6.

_{Hasil perhitungan statistik giada}_data

wama biru tomat

lndeks _{wama biru tidak dapat}_dijadikan

parameter penentuan _tingkat_kematangan_buah

tomat _{karena sebaran indeks}_,u"rn"

bi*

_p"d"

ketiga kelompok tomat tidak berbeda nyata. Hasil

perhitungan statistik pada data indeks wama biru dapat dilihat pada _Tabel6.

Hubungan Data _{Hasil Metode pengolahan Citra}

dengan Data Metode pengukuran _Lng.r.rng

1

.

Grafik hubungan area tomat dengan

berat tomat dapat ditihat pada Gambar _S.dari grafik hubungan _{antara area}_{dengan berat fomat}

Parameter

HP

-rata

Standar deviasi _0.007

Maksimum _o.241 Minimum _0.208 Htt o209 0-006 0.218 0.192

Grafik _{sebaran indeks wama}_biru_dengan

berbagai kondisi panen dapat dilihat pada Gambar g

5 E 6 c 6 = o I_o !

s

0.250 _I

I

0.240

1

I

0.230

j

I

0.20 l

i

I

o.zro l

I

j

o.2oo .l

l

o.rgo -l_

o u H g u " o F H E q I o a o

I

n c a H o

Hiiau

penuh

_Hiiau

-merah

_Merah_penuh

Kondisi

panen

Gambar 8. Sebaran indeks B dengan berbagai k_,di"i

p""*

500 140.00 130.00 120.00

1 10.00

100.00 90.00 80.00 70.00 60.00 .

50.00 .

40.00

-11! I l I i l= l6 iL to ld Jo {o I l I I

dari area tomat.

13500 15500 17500 19500 2.1500 Area (pikset)

Gambar 9. Hubungan area tomat dengan berat tomat

diperoleh

nilai

koefisien determinasinya

sebesar 0.9155. Dengan melihat nilai ko

determinasi _dari_{grafik, maka dapat}_disir bahwa nilai parameter _{berat tomat}_dapat

maka dapat disimpulkan _bahwa_model

yang

dihasilkan

dapat

_menjelaskan

perubahan _nilai_peubah

y

_(panjang tomat sebenamya) dengan cukup baik.-Grlnf nrU,

panjang tomat hasil pengolahan _citra

panjang aktual _{tomat dapat dilihat}_pada

Berdasarkan

grafik

_hubungan_antara panjang tomat hasil pengolahan _citra_dengan

panjang aktual tomat diperoleh nilai koefisien

determinasinya _yaitu_{sebesar 0.g541}

O.ng"n

persamaan regresi y = A.OO24x + 0.5596. Dengan

melihat nilai koefisien de{erminasi _Oarigranh y=o.oo7x-27.75

FF _{= 0.91ss}

25

[image:10.595.29.585.0.842.2]

(11)

Prosiding Seminar

PERSADA

XIII

_ZOOT

8

75.

7 E

- b5o GA

q €

o _5.5

5 4.5

1 900

y=0.0024x+0.5596

R2 = 0.8g)4i

2100 2300 2500 _27OO

panjang _{pikset)

[image:11.595.0.568.207.830.2]

2900 31OO

Gambar'10- Hubungan panjang _{tomat hasil}_p.ngol"hrn_citra

dengan panlang aktuat tomat

3.

Korelasi _{antara diameter hasil}_pengolahan

citra dengan diameter actual

Berdasarkan

grafik

hubungan antara

diameter tomal

hasil

pengolahan

citra

_yang dengan diarneter _{akhral tomat diperoleh}_nilai koefisien _{determinasirfa yaitu sebesar}_O.7S05

dengan persamaan resresi y

=

O-OAZr + 1.1762.

Dengan melihat niNai _{koefiskrn determinasi}_dari

s.m

580

5,60

^ 540

-9

szo

o

=4n

= 4,60

440-4?o_

40

--15m

grafik, maka dapat disimpulkan bahwa model

regresi

yang

dihasilkan

dapat

_menjelaskan

perilaku perubahan nilai peubah y (diameter tomat

yang sebenamya) _{dengan cukup}_baik.

Grafik

hubungan diameter _{tomat hasil}_{pengolahan citra} dengan diameter aktual tomat _Orp"iOitinat_p"Oa Gambar 1 1.

il

U

t

l|

I

t

r- . f

16m 17ffi _{1800 19@}2OOO _{21m 22ffi}_23OO

diameter (pikset)

Garoar 11 _{Hubungan diameter}_citra_tomat_dengan

diameter _{aktual tomat}

4.

Korelasi antara irdeks rrarna _RGB_dengan_kekerasan

Gambar

Grafik huh'rrgrr indeks

t'o-"

Rcs

_dengan_kekerasan

tomat dapat _{dilihat pada Gambar}₁₂

-y-0,002x+1.1762

*

= o.7s0s

y = -3&.67xr + 484.42x2 - 214 2Ax + 32.174

R2 = 0.4997

Gambar 12. _{Hubungan indeks warna}_*ur"n_Oung*

*",,o".*

(12)

Dari grafik hubungan antara indeks wama

merah, hijau dan biru dengan kekerasan tomat

diperoleh nilai koefisien determinasinya

bertunrt-turut sebesar 0.4997, 0-4951 dan 0.3437- Dengan

melihat nilai koefisien determinasi dari grafik'

maka dapat disimpulkan bahwa nilai parameter

kekerasan tomat tidak dapat diduga dari indeks

wama merah, hijau mauPun biru.

Prosiding Seminar

PERSADA

XIII

2OO7

5-

Korelasi antara indeks wama RGB

TPT

Grafik hubungan indeks wama dengan total padatan _{terlarut fl-PT) tomat}d

dilihat pada Gambar 15

-

Gambar 17.

y = 548.4x3 - 554 ]f + i€a.ezx - zo.4+

tr t

aa

..1']r'^'!

0.250 o.3oo 0.350 0.400 0.450

[image:12.595.59.583.18.840.2]

indeks warna hUau

Gambar 13. Hubungan indeks wama hijau dengan kekerasan

1.60 1.40 1.?0

3 1.oo E

-P o.ao o

:

0.60 0.40 0.20 0

y ₌soa.12x2 - 212.73x + 2z8M _.

R2 _{= 0.3437}

190 o.2oo 0.210 0.220 0.230 0-240 0.250

indekswama biru

Frffi::

Gambar 14- Hubungan indeks wama biru dengan kekerasan

7.0 6-0 5.0

il 4.0

F

3.0 ?.0 1.0 0

y _{= -1479x3 +}$72.1f -773.67x + 107.62

R2 = 0.31'14 t

a!aaalaat' otf

320 0.370 0.420 0.470 0.s20 o.s/o indekswarna merah

Gambar 15. Hubungan antara indeks wama merah dengan TPT

(13)

I

Prosiding

Seminar

PERSADA

XIlr

i

ZOj 7 .

Oa;gr*lfrngnffi

milffiE

mmr

merdr,

tta!

fi

frm '"'

D

I r@ @r,

terbnn

ffPl! -fi-r*-r nilh rffisr

detefrni|a*D

mrrrrrrr ahE:r

@,31t4-02801 (lar

On, L;:rrrdhfrr

ffi

determinai

rlil

ilm-ldb,fip

fuAur

bahsa nf,d _rmF[t

nlm

tonld

|td*

d|l ruul h rrffi

nrer*L

tlalryrrillnu

Validadffi"hLrk

Tingkat

tcerqnrr

tnprrrdm'nmrritnlrilD

d$n*aullp!ffifrmflr

OerUasatan

enffi

l;ffixppffbl

rffi

warna rerah

hrrilfllrmlUllpr m.m

nilai ya'g

ffirnUffmffimn

mt

dapatffi!ilsnHm

Iabd

9.

Perdugaan tingkat kematangan

ffiarkan

indeks wama merah

-kxral

@

HP HM rro

-Dari hasil validasi berdasarkan indeks

srta

merah, unfuk kondisi hijau penuh sebesar

lm

% d+at _{dikenali sebagai tornat}_hijau_penuh,

rnt*

tonlat hijau-menah sebesaar 4g o/o dapat

*end

sebagai tomat hijau_merah, sedangkan

trt*

bnd

rnerah penuh _{sebesaar 100}yo _atau

seru.l

_{sarnpel dapat dikenali sebagai}_tomat

rner* peruh.

Validasi berdasarkan

indeks

wama

radt

untrk tomat hijau_merah, _hasil_validasi

trtg

ddapaftan kurang memuaskan karena

hnat

yarg seharusnya _masuk_kedalam_tomat

l{a.snr*

_{karena mempunyai interval}_nilai

lilran

irdeks lvama merah yang sama dengan

d

EE?h penuh, _{maka saat validasi}_oleh

Flpan *enaf

sebagai tomat merah penuh. Pendugaan tingkat kematangan tomat

Hsntnt

irdekswama hijau dapat dilihat pada

Td9.

Tabel 7.

Parrr

m<omr

hGbR m-q,ilrr

Gn

[|m

trdehcffi

lrdehc

"""-s

nr

-.-f,IE-EI..-

-_----padaTdd&

y ₌s31.51f _ 925.Mx2 + 3?g.g8x _ _34.'2f,2

. * = 0.2801 t taa ttat

a a

a

[ -qf I {r. o$o 0.400 0.450

in&bnrna hijau

GrmUs'rt irruOuqnn

iilf-e

irdekswilma hijau dengan TpT

y = 5115v;3 - 44.994f + 9963.4* - 7rt.at

. F3= 0.1644

[image:13.595.0.554.20.806.2]

(14)

Tabel

9.

Pendugaan tingkat kematangan tomat berdasarkan indeks wama

h!g_

Penqolahan Citra

Validasi berdasarkan indeks warna hijau

untuk tomat hijau penuh 1W % dapat dikenali

sebagai tomat hijau penuh, untuk tomat

hijau-merah sebesaar

62 %

dapat dikenali sebagai

tomat hijau-merah, sedangkan untuk tomat merah

penuh sebesaar 100 o/o _{dapal dikenali}_sebagai

tomat merah penuh.

Validasi berdasarkan indeks wama hijau

untuk tomat hijau-merah, hasil validasi yang

didapatkan kurang memuaskan karena tomat

yang seharusnya masuk kedalam tomat

hijau-merah karena mempunyai interval nilai kisaran

indeks wama merah yang sama dengan tomat

merah penuh, maka saat validasi oleh program

dikenali sebagai tomat merah penuh.

KESIMPUI-AN

Parameter berat tomat dapat diduga dari

area tomat. Hubungan antara area iomat

hasil pengolahan citra dengan berat tomat

diperoleh nilai koefisien determinasinya yaitu sebesar 0.9155.

Hubungan

anlara

panjang

tomat

hasil

pengolahan

citra

dengan panjang aktual

tomat diperoleh nilai

koefisien

determinasinya sebesar 0.4317- Hubungan

antara diameter tomat hasil pengolahan citra

dengan diameter aktual tomat diperoleh nilai

koefisien determinasinya

yaitu

sebesar 0.7366. Model regnesi yang dihasilkan dapat menjelaskan perilaku perubahan nilai peubah

y

(panjang

dan

diameter

tomat

yang

sebenamya) dengan cukup baik.

Prosiding Seminar

PERSADAXIII

2

Kekerasan dan TPT tomat tidak dapat dari indeks warna merah, hijau maupun

Faiameter

yang

digunakan

menggolongkan tomal berdasarkan

kematangannya adalah indeks R dan

G. Untuk tomat hijau penuh nilai

kurang dari 0.427 dan nilai indeks G

dari atau sama dengan 0.355. Untuk

hijau-merah nilai indeks

R

antara

0.492 dan indeks G antara 0.296

-Untuk tomat merah penuh nilai indeks

besar atau sama dengan 0.492 dan

indeks G kurang dari 0.296.

Validasi berdasarkan indeks warna

menghasilkan ketepatan 100 % untuk

hijau penuh, 48

%

untuk tomat hijau

dan 100 % untuk tomat merah penuh.

Validasi berdasarkan indeks warna menghasilkan ketepatan 100% untuk

hijau penuh, 62 %untuk tomat hij

dan 100 7o untuk tomat merah penuh.

DAFTAR PUSTAKA

Ahmad, U. 2005. Pengolahan Citra Digital dan

Pemrogramannya. Graha llmu- Yogyakarta. Duriat, Atie Sri, dkk. 1997. Tomat: Teknologi

Balai penelitian Tanaman Sayuran. Bandung

Faizal, lman- 2006. Aplikasi lmage Processing Pemutuan Cabai Merah (Capsicum Annum

Skripsi. Fakultas Teknologi Pertanian, lPB,

Florida Fruil and Vegetables Association .2005

Get The

Most

Out of

Your

T greenchartjpg [1 7-Februari-2007]

Hendrawati. 2001. Mempelajari Parameter

Mangga Arumanis Dengan Metode Ciha. Skripsi. Fakultas Teknotogi Pertanian, Bogor.

Tampubolon, Maria Y. 2006. Pemutuan Buah

Manis (Crtrus Sftrests

Q

asbeck)

Algoritma Pengolahan Citra. Skripsi. F

Teknologi Pertanian, lPB, Bogor.

[image:14.595.78.564.43.817.2]