Pengembangan sistem deteksi menggunakan kamera untuk manipulator robot pemanen jeruk lemon

(1)

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA

UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON

(

Citrus medica

)

JAROT PRIANGGONO

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(2)

PERNYATAAN MENGENAI DISERTASI DAN

SUMBER INFORMASI

Dengan ini saya menyatakan bahwa disertasi Pengembangan Sistem Deteksi Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus Medica) adalah karya saya sendiri dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.

Bogor, Agustus 2006

Jarot Prianggono NIM F126010071

(3)

ABSTRAK

JAROT PRIANGGONO. Pengembangan Sistem Deteksi Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus Medica). Dibimbing oleh KUDANG BORO SEMINAR, HADI K. PURWADARIA, USMAN AHMAD, dan I DEWA MADE SUBRATA.

Penelitian ini bertujuan mengembangkan sistem deteksi menggunakan kamera charged coupled device (CCD) sebagai sensor yang hasilnya akan dimanfaatkan oleh manipulator robot pemanen jeruk lemon. Untuk mencapai hal tersebut, dilakukan penelitian untuk merancang algoritma deteksi jeruk lemon, pengembangan rumus posisi tiga dimensi obyek, dan uji coba penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya.

Hasil percobaan menunjukkan bahwa buah jeruk lemon yang sudah matang dapat dipisahkan dari latar belakangnya dengan menggunakan parameter merah, hijau, dan biru (RGB) dan indeks rgb dengan formula { ([R > 200] dan [G > 180]) dan(R = G dan G = B dan R = 248) dan ([2r -0.5g-b ≥ 0.15] dan [2r-0.5g-b ≤ 0.55]) }.

Hasil penelitian juga menunjukkan bahwa posisi tiga dimensi (arah sumbu z, x, dan y) buah jeruk lemon pada tanamannya dapat dihitung dengan formula

(

y = i ). Hasil validasi menunjukkan, error

rata-rata yang dihasilkan akibat pergeseran 1 pixel sebesar 1.21 cm dan pergeseran kamera yang paling optimum adalah 12 cm.

Hasil uji perhitungan jarak dari pusat koordinat sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya yang diletakkan secara random dengan menggunakan sembarang (n cm) pergeseran kamera memiliki akurasi rata-rata 98.45%. Sedangkan untuk hasil uji perhitungan jarak dari titik pusat koordinat sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya yang diletakkan pada posisi tertentu dengan menggunakan pergeseran kamera sebesar 3, 6, 8, 10, dan 12 cm memiliki akurasi rata-rata 98.10%.

Hasil perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya secara random untuk sembarang pergeseran kamera menunjukkan bahwa error rata-ratanya adalah (? z, ? x, ? y) cm = (0.65, 0.56, 0.44) cm. Sedangkan untuk hasil uji perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya yang diletakkan pada posisi tertentu dengan menggunakan pergeseran kamera sebesar 3, 6, 8, 10, dan 12 cm menunjukkan error rata-ratanya masing-masing (? z, ? x, ? y) cm = {(1.13, 0.21, 0.20), (0.83, 0.2, 0.18), (0.84, 0.21, 0.2), (0.87, 0.19, 0.21), dan (0.73, 0.19, 0.20)} cm.

Hasil uji penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya menunjukkan, error yang dihasilkan akibat pergeseran 1 pixel sebesar 1.64 cm. rentang jarak yang dapat dijangkau kamera ini kisarannya antara 15 hingga 72 cm.

(4)

ABSTRACT

JAROT PRIANGGONO. Detection System Development Using Camera For Lemon Orange (Citrus Medica) Manipulator. Under the direction of KUDANG BORO SEMINAR, HADI K. PUR WADARIA, USMAN AHMAD, and I DEWA MADE SUBRATA.

This research aim to develop detection system using charged coupled device (CCD) camera as a censor that the results are expected to be used by manipulator of the lemon fruit harvesting robot. To achieve the purpose, the research was made to develop detection algorithm of lemon fruit, formula developing of object three dimensional position, and experiment determination of three dimensional lemon position on the plants.

The experiment result shows that the ripe lemon can be separated from its background with using red, green, and blue parameter (RGB) and rgb index with formula {([R > 200] and [G > 180]) and (R = G and G = B and R = 248) and ([2r-0.5g-b = 0.15]) and [2r-([2r-0.5g-b = 0.55])}.

The research result also shows that three dimensional position (coordinate direction z, x, and y) of the lemon on the plants can be calculated by formula



. Validation result shows average error

caused by 1 pixel shift in the amount of 1.21 cm and optimum camera shift reached by 12 cm.

Distance computation experiment result from camera censor coordinate center to front of core of the lemon on the plants placed at random with using any camera shift has average accuracy 98.45%. While distance computation experiment result from point center of camera censor coordinate to front of core of the lemon on the plants placed in certain position with using camera shift in the amount of 3, 6, 8, 10, and 12 cm has average accuracy 98.10%.

The computation result of three dimensional lemon position at random on the plants with using any camera shift shows that average error is (?z, ?x, ?y) cm = (0.65, 0.56, 0.44) cm. While experiment result for computation of three dimensional lemon position on the plants placed in certain position with using camera shift in the amount of 3, 6, 8, 10, and 12 cm shows that it`s respective average error (?z, ?x, ?y) cm = {(1.13, 0.21, 0.20), (0.83, 0.2, 0.18), (0.84, 0.21, 0.2), (0.87, 0.19, 0.21), and (0.73, 0.19, 0.20)}.

Determination experiment result of three dimensional lemon position on the plants shows, error caused by 1 pixel shift in the amount of 1.64 cm. This camera can reach distance from 15 to 72 cm.

(5)

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA

UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON

(

Citrus medica

)

JAROT PRIANGGONO

Disertasi

Sebagai salah satu syarat untuk memperoleh gelar Doktor pada

Program Studi Ilmu Keteknikan Pertanian

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

(6)

Judul Disertasi : Pengembangan Sistem Deteksi Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus medica)

Nama : Jarot Prianggono

NIM : F126010071

Disetujui,

Komisi Pembimbing

Dr. Ir. Kudang B. Seminar, M.Sc. Prof. Dr. Ir. Hadi K. Purwadaria, M.Sc.

Ketua Anggota

Dr. Ir. Usman Ahmad, M.Agr. Dr. Ir. I Dewa Made Subrata, M.Agr.

Anggota Anggota

Diketahui :

Ketua Program Studi Dekan Sekolah Pascasarjana

Ilmu Keteknikan Pertanian

Prof. Dr. Ir. Budi Indra Setiawan, M.Agr. Dr. Ir. Khairil Anwar Notodipuro, M.S.

(7)

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 28 Juni 1968 sebagai anak kelima dari

Ayahanda Drs.H. Budiyono Surono (alm.) dan Ibunda H. Purwati. Pendidikan sarjana

di tempuh di jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi

Indonesia (ITI), lulus pada tahun 1995. Pendidikan pascasarjana, magister komputer

ditempuh di Sekolah Tinggi Teknologi Informasi Benarif (STTIBI) pada tahun 1996

dan lulus pada tahun 1997. Pada tahun 2000, penulis diterima untuk program magister

di Program Studi Ilmu Keteknikan Pertanian pada Program Pascasarjana IPB,

selanjutnya pada tahun 2001 penulis mendapat kesempatan untuk melanjutkan ke

program doktor tanpa menyelesaikan program magisternya (S3 langsung) pada

program studi dan pada perguruan tinggi yang sama. Beasiswa pendidikan

pascasarjana diperoleh dari Direktorat Jenderal Pendidikan Tinggi, Departemen

Pendidikan Nasional.

Penulis bekerja sebagai dosen di Fakultas Teknik Universitas Islam 45 Bekasi

sejak tahun 1997 hingga sekarang. Sejak tahun 1998 penulis juga mengajar di

beberapa perguruan tinggi di Jakarta.

(8)

x

DAFTAR ISI

Halaman

DAFTAR TABEL………....….…………. ..…... xiv

DAFTAR GAMBAR ………..……….……….……… ..…... xvi

DAFTAR LAMPIRAN..………..………..…………..……….. ..…... xxiii

1 PENDAHULUAN ……….. ….... 1

A. Latar Belakang ……. ………..…..………….….. ……. 1

B. Tujuan Penelitian ………..……..…….…..……….. ….… 5

C. Manfaat Penelitian ………..….………….….…… …... 5

D. Kerangka Penelitian ………..… …… 6

2 KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK LEMON PADA TANAMANNYA………. ….... 9

A. Pendahuluan ………..…...………….………. …... 9

Latar belakang……….. …… 9

Tujuan Penelitian ………. ……. 23

B. Bahan dan Metode ………. …... 23

Waktu dan Tempat Penelitian……… …… 23

Bahan dan Alat………... …… 23

Kerangka Penelitian ……….. …… 25

C. Hasil ………..……… ……… …... 29

Hasil Perhitungan Sebaran Nilai R Tanaman Jeruk Lemon…………... …… 29

Hasil Perhitungan Sebaran Nilai G Tanaman Jeruk Lemon…………... …… 30

Hasil Perhitungan Sebaran Nilai B Tanaman Jeruk Lemon…………... ……. 31

Hasil Perhitungan Sebaran Nilai r Tanaman Jeruk Lemon……… …… 33

Hasil Perhitungan Sebaran Nilai g Tanaman Jeruk Lemon…………... …… 34

Hasil Perhitungan Sebaran Nilai b Tanaman Jeruk Lemon…………... ……. 35

Hasil Perhitungan Sebaran Nilai H Tanaman Jeruk Lemon…………... …… 36

Hasil Perhitungan Sebaran Nilai S Tanaman Jeruk Lemon…………... …… 37

(9)

xi

D. Pembahasan ………... …... 39

E. Simpulan ………... ……… …... 48

3 KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK ……… ….... 49

A. Pendahuluan ………..…...………….………. …... 49

Latar Belakang ……….. ……. 49

Tujuan Penelitian ……….. …… 52

B. Bahan dan Metode ………. …... 53

Waktu dan Tempat Penelitian ……….. …… 53

Bahan dan Alat ……….. …… 53

Kerangka Penelitian ………. …… 56

C. Hasil ………..……… ……… …... 62

Hasil Kalibrasi Sensor Kamera ……… ……. 62

a. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 3 Cm………. …… 64

b. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 6 Cm……… …… 65

c. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 8 Cm……… …… 66

d. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 10 Cm…….. …… 67

e. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 12 Cm…….. …… 68

f. Perhitungan Statistik Kalibrasi Kamera Untuk Pergeseran Kamera (L) 3, 6, 8, 10, dan 12 Cm ……… ……. 69

Hasil Validasi Sensor Kamera ……….. …… 71

(10)

xii

= dengan Pergeseran Sensor

Kamera Sebesar 10 Cm ………... …… 74 = dengan Pergeseran Sensor Kamera Sebesar 12 Cm ………... …… 74

4 UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA ……… …. 88

A Pendahuluan ………..………..…...……..…….…..…….. …... 88

Latar Belakang ……….. …… 88

Tujuan Penelitian ………... …… 89

B Bahan dan Metode ………. …... 90

Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon Secara Random dengan Sembarang (n cm) Pergeseran Kamera ……… …… 119

Uji Penentuan Posisi Tiga Dimensi dengan Sembarang Pergeseran Kamera ……… …… 119

a. Jarak Lurus (Arah Sumbu z)………. …… 119

b. Jarak Lateral (Koordinat Sumbu x) ……….. ……. 120

(11)

xiii

Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon dengan Lokasi

Tertentu dan Pergeseran Kamera Tertentu……… …… 124

Uji Penentuan Posisi Tiga Dime nsi dengan Pergeseran Kamera 3 cm ……. 125

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 125

c. Jarak Vertikal (Koordinat Sumbu y)………. …… 126

Uji Penentuan Posisi Tiga Dime nsi dengan Pergeseran Kamera 6 cm ……. 127

c. Jarak Vertikal (Koordinat Sumbu y)………. ……. 128

Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 8 cm …… 129

Akurasi ……….. …… 135

Error Akibat Pergeseran 1 Pixel………. …… 136

E. Simpulan ……… …… 137

5 PEMBAHASAN UMUM ……….. .... 138

6 SIMPULAN DAN SARAN………. ... 134

DAFTAR PUSTAKA ………...………. ….... 147

(12)

DAFTAR TABEL

Halaman

1 Volume Ekpor Jeruk Tahun 1998-2000 (dalam ton) ………. 2

2 Volume Impor Jeruk Tahun 1998-2000 (dalam ton) ……….. 3

3 Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100 gr

(Sumber : Wills et al. (1978) )……… 13

4 Hasil perhitungan statistik pada data R tanaman jeruk lemon ………… 29

5 Hasil perhitungan statistik pada data sinyal G tanaman jeruk lemon….. 31

6 Hasil perhitungan statistik pada data sinyal B tanaman jeruk lemon….. 32

7 Hasil perhitungan statistik pada data indeks r tanaman jeruk lemon… 33

8 Hasil perhitungan statistik pada data indeks g tanaman jeruk lemon….. 34

9 Hasil perhitungan statistik pada data indeks b tanaman jeruk lemon….. 35

10 Hasil perhitungan statistik pada data nilai H tanaman jeruk lemon … 37

11 Hasil perhitungan statistik pada data nilai S tanaman jeruk lemon……. 37

12 Hasil perhitungan statistik pada data nilai I tanaman jeruk lemon…….. 39

13 Nilai rata-rata R, G, B, r, g, b, 2r-g-b, 2r-0.5g-b ………. 41

14 Hasil perhitungan statistik kalibrasi kamera untuk pergeseran kamera

(L) 3, 6, 8, 10, dan 12 cm ……… 69

15 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran

kamera (L) 3 cm ………. 72

kamera (L) 6 cm ……… 73

(13)

18 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran kamera

(L) 10 cm ……….. 74

19 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran kamera

(L) 12 cm ………... 75

20 Nilai rata-rata konstanta d (pixel) untuk semua pergeseran kamera……….. 75

21 Akurasi rumus jarak ₍ ₎

= untuk pergeseran kamera 10cm…………... ₈₃

25

26 Hubungan antara pergeseran kamera dalam pixel dan dalam cm ………. 86

27 Akurasi hasil uji penentuan posisi tiga dimensi dengan pergeseran kamera 3, 6,

(14)

DAFTAR GAMBAR

Halaman

1 Tahap-tahap kegiatan Penelitian ……….. 8

2 Buah jeruk lemon dalam berbagai usia : (a) umur 100 hsbm.; (b) umur

110 hsbm. ; (c) umur 120 hsbm………... 11

3 Tanaman jeruk lemon dengan (a) profil buah (b) profil bunga ……….. 12

4 Tanaman jeruk lemon di dalam pot ………. 12

5 Penampang buah jeruk lemon (sumber: Hume, 1977)….………… 13

6 perangkat keras dan aliran data pengolahan citra……….………. 16

7 (Proyeksi pembentukan citra untuk citra di belakang pusat proyeksi

(Jain et al, 1995) ……….. 17

8 Proyeksi pembentukan citra untuk citra di depan pusat proyeksi (Jain et

al, 1995)……… 17

9 Tata letak penempatan bahan dan alat saat perekaman citra jeruk lemon dengan sensor kamera dan komputer image processing ………. 25

10 Diagram alir penelitian untuk mendeteksi buah jeruk lemon pada

tanamannya……….. ……….……… 28

11 Sebaran nilai R untuk daun, tangkai, bunga, buah, dan latar lain………. 30

12 Sebaran nilai G untuk daun, tangkai, bunga, buah, dan latar lain ……... 31

13 Sebaran nilai B untuk daun, tangkai, bunga, buah, dan latar lain………. 32

(15)

15 Sebaran nilai indeks g untuk daun, tangkai, bunga, buah, dan latar lain 35

16 Sebaran nilai indeks b untuk daun, tangkai, bunga, buah, dan latar lain 36

17 Sebaran nilai H untuk daun, tangkai, bunga, buah, dan latar lain……... 37

18 Sebaran nilai S untuk daun, tangkai, bunga, buah, dan latar lain …….. 38

19 Sebaran nilai I untuk daun, tangkai, bunga, buah, dan latar lain………. 39

20 Hubungan nilai R dan G pada citra daun, tangkai, bunga, dan buah

lemon……… 40

21 Sebaran nilai kombinasi indeks 2r-0.5g-b tanaman jeruk lemon ……... 42

22 (a) citra lemon asli (b) citra biner hasil thresholding ……….… 43

23 (a) Citra lemon dan daun asli ; (b) citra biner hasil thresholding……… 44

24 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, dan tangkai ;

(b) Citra biner hasil thresholding ………. 44

25 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan potongan kertas putih ; (b) Citra biner hasil thresholding ……….. 45

26 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan

bunga ; (b) Citra biner hasil thresholding ……… 45

27 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil

thresholding ……….. 46

28 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil

(16)

29 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner

hasil thresholding ……… 47

30 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding ……… 47

31 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding ……… 47

32 Metode perhitungan lokasi obyek buah dengan kamera stereo (Kawamura et al., 1984 ……… 50

33 Pasangan citra biner (Kawamura et al.,1985) ………. 51

34 Bingkai citra 2 sebagai dasar perhitungan xi dan yi ……… 51

35 Sensor kamera yang terpasang pada manipulator robot ………... 54

36 Skematik perekaman benda uji untuk kalibrasi kamera ……….……… 55

37 Pergeseran kamera dan obyek untuk kalibrasi ……….……… 58

38 Diagram alir penelitian untuk kalibrasi dan validasi sensor kamera ….. 61

39 Contoh citra benda uji yang direkam kamera dari dua jarak yang berbeda……….... 62

40 Contoh citra benda uji yang direkam kamera dari dua jarak yang berbeda dan telah dibinerisasi ………. 63

41 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 3 cm …….……….. 64

42 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 6 cm ………... 65

43 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 8 cm……… 66

(17)

45 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor

kamera (D) untuk pergeseran kamera sebesar 12 cm ……… 68

46 Hubungan D aktual dan D hitung untuk pergeseran kamera 3 cm …….

76

47 Hubungan D aktual dan D hitung untuk pergeseran kamera 6 cm …….

77

48 Hubungan D aktual dan D hitung untuk pergeseran kamera 8 cm …… 78

49 Hubungan D aktual dan D hitung untuk pergeseran kamera 10 cm …...

79

50 Hubungan D aktual dan D hitung untuk pergeseran kamera 12 cm ……

80

51 Tanaman jeruk lemon di depan sensor kamera yang dipasang pada

manipulator robot ……… 91

52 Posisi sensor kamera pada saat merekam obyek jeruk lemon ….…… 91

53 Bingkai citra 2 dengan koordinat (0,0) pixel sebagai dasar

perhitungan xi dan yi ……….. 93

54 Diagram alir langkah-langkah penelitian untuk menentukan posisi tiga dimensi dari buah jeruk lemon pada tanamannya ……… 97

55 Buah jeruk lemon pada tanamannya dan citra binernya. (a) Citra pada

bingkai citra 1 (b) Citra pada bingkai citra 2……… 98

56 Buah jeruk lemon pada tanamannya dan hasil thresholdingnya dalam bentuk citra biner. (a) bingkai citra 1 (b) bingkai citra 2……… 99

57 Citra asli dan hasil thresholding dalam bentuk citra biner tanaman jeruk lemon yang tidak utuh karena terhalang daun dan buah yang masih muda. (a) bingkai citra 1 (b) bingkai citra 2……… 101

58

.

Citra asli tanaman jeruk lemon yang sedang berbunga dan ada buahnya yang sudah matang menunjukkan hasil thresholding yang baik. (a) bingkai citra 1 (b) bingkai citra 2……… 102

59 Citra asli tanaman jeruk lemon yang sedang berbunga dan ada buahnya yang sudah matang dengan kerapatan tanaman yang tinggi menunjukkan hasil thresholding yang baik. (a) bingkai citra 1 (b)

bingkai citra 2………. 103

60 Buah jeruk lemon pada bingkai 2 yang berada pada kuadran 4. (a)

(18)

61 Citra buah jeruk lemon yang terhalang daun dan terdapat buah yang masih muda dan daun-daun kering. (a) bingkai citra 1 (b) bingkai citra

2……… 105

62 citra jeruk lemon yang mengandung daun-daun kering dan dideteksi de ngan jarak yang cukup jauh (69 cm). (a) bingkai citra 1 (b) bingkai

citra 2……… 106

63 Citra tanaman jeruk lemon dengan latar daun-daun kering dan operator kebun terdeteksi dengan baik. (a) bingkai citra 1 (b) bingkai citra 2…... 107

64 Citra tanaman jeruk lemon dengan latar tangan operator yang dapat dieliminasi dengan baik dan hasil thresholding yang bersih dari noise.

(a) bingkai citra 1 (b) bingkai citra 2……… 108

65 Citra tanaman jeruk lemon yang dengan latar yang terdapat benda putih dan latar lain berhasil di trhresholding dengan baik. (a) bingkai citra 1

(b) bingkai citra 2………. 109

66 Citra tanaman jeruk lemon yang dengan latar yang lebih terbuka. (a)

bingkai citra 1 (b) bingkai citra 2………. 110

67 Citra tanaman jeruk lemon dengan jarak dekat. (a) bingkai citra 1 (b)

bingkai citra 2………... 111

68 Citra tanaman jeruk lemon dengan latar belakang yang lebih beragam.

(a) bingkai citra 1 (b) bingkai citra 2……… 113

69 Citra tanaman jeruk lemon tanpa latar kain hitam. (a) bingkai citra 1 (b)

70 Tanaman jeruk lemon dengan latar yang lebih beragam namun sistem dapat menghasilkan citra biner dengan baik. (a) bingkai citra 1 (b)

71 Tanaman jeruk lemon dengan latar yang lebih beragam dapat menghasilkan citra biner dengan baik. (a) bingkai citra 1 (b) bingkai

citra 2……….. 116

(19)

73 Tanaman jeruk lemon dengan latar yang beragam termasuk operator yang sedang beraktiv itas dengan warna yang berbeda: (a) bingkai citra

1 (b) bingkai citra 2………. 118

74 Hubungan jarak obyek ke sensor kamera dengan pengukuran langsung arah sumbu z (z aktual) dan dengan hasil sistem deteksi (z hitung)…... 120

75 Hubungan jarak obyek ke sensor kamera dengan pengukuran langsung arah sumbu x (x aktual) dan dengan hasil sistem deteksi arah sumbu x

(x hitung) ……… 121

76 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm)………... 122

77 Hubungan jarak obyek dan sensor kamera dengan pengukuran

langsung arah sumbu y (y aktual) dan dengan hasil sistem deteksi arah

sumbu y (y hitung) ………. 123

78 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm)………... 124

79 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 3 cm……… 126

80. Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari sensor kamera) dengan pergeseran kamera 3 cm ………... 127

sensor kamera) dengan pergeseran kamera 6 cm……….. 128

82 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 6 cm………. 129

sensor kamera) dengan pergeseran kamera 8 cm……….. 130

sensor kamera) dengan pergeseran kamera 8 cm………. 131

(20)

(21)

DAFTAR LAMPIRAN

6 Perhitungan nilai d dengan pergeseran kamera sebesar L= 3 cm ……… 181

7 Perhitungan nilai d dengan pergeseran kamera sebesar L= 6 cm ………. 182

8 Perhitungan nilai d dengan pergeseran kamera sebesar L= 8 cm ……….. 183

9 Perhitungan nilai d dengan pergeseran kamera sebesar L= 10 cm ……… 184

10 Perhitungan nilai d dengan pergeseran kamera sebesar L= 12 cm ………. 185

11 Hasil validasi rumus jarak )

(22)

15 Hasil validasi rumus jarak

) (

. 390

1

2 i

i x

x L D

−

= dan selisih antara D aktual dan D

hitung untuk pegeseran kamera (L) 12 cm ……… 194

16 Tabel hasil uji penentuan posisi tiga dimensi dengan sembarang pergeseran

kamera ……… 196

17 Tabel hasil uji dengan pergeseran kamera tertentu……… 200

18 Akurasi uji penentuan posisi tiga dimensi………..………. 210

(23)

BAB I

PENDAHULUAN

A. Latar Belakang

Potensi buah jeruk termasuk jeruk lemon secara nasional amat besar.

Rukmana dan Oesman (2001) menyatakan sebelum tahun 1970 Indonesia pernah

berjaya sebagai produsen jeruk, yang akhirnya wabah Citrus Vein Phloem

Degeneration (CVPD) menghancurkan tanaman jeruk di berbagai sentrum

produksi potensial.

Jeruk lemon sebenarnya bukan merupakan tanaman asli Indonesia.

Rukmana dan Oesman (2001) menyatakan bahwa dari beberapa literatur

disebutkan bahwa jeruk lemon berasal dari Birma (sekarang Myanmar) Utara dan

Cina Selatan. Namun pada abad ke-11 sampai dengan 13, tanaman jeruk lemon

ini dibawa oleh orang-orang Arab ke Afrika dan Eropa. Dengan semakin

banyaknya pihak yang meminati, dalam perkembangan selanjutnya jeruk lemon

dibudidayakan juga di Spanyol, Italia, Sisilia, dan Siprus, lalu juga dikembangkan

di California (Amerika Serikat), kepulauan Hindia Barat, dan Argentina .

Di Indonesia sendiri jeruk lemon dikenal oleh masyarakat penggemar

tanaman sekitar tahun 1980-an. Tanaman jeruk lemon biasanya dimanfaatkan

sebagai tanaman hias dalam pot atau ditanam di pekarangan. Daya tarik jeruk

lemon terletak pada perpaduan antara bentuk buah dan warnanya, serta

kemampuan berbuah yang terus menerus tanpa mengenal musim, sehingga

banyak pihak yang membudidayakan tanaman jeruk lemon baik di dalam pot

maupun di alam bebas.

Jeruk lemon yang buahnya berwarna kuning memiliki karakteristik warna

yang cukup unik. Perbedaan warna antara buah dan latar belakangnya merupakan

fenomena yang menarik untuk diteliti dan dapat digunakan sebagai alat bantu

untuk pemanenan persis seperti pemanenan dengan visual mata manusia.

Pemanfaatan buah jeruk lemon amatlah luas, selain dikonsumsi secara

langsung juga dapat dimanfaatkan sebagai bahan baku pewangi ruangan.

Permintaan produk jeruk dari luar negeri terus meningkat, hal ini ditunjukkan dari

(24)

hingga tahun 2000. Selanjutnya dari data ekspor jeruk mulai tahun 2002, 2003,

2004, dan 2005 berturut-turut adalah : (331221, 591195, 591195, 690683) kg

(Pusdatin, 2006a).

Tabel 1 Volume Ekpor Jeruk Tahun 1998-2000 (dalam kg)

No Jenis Volume (kg)

1997 1998 1999 2000

Fresh

- Lemon 132149 108386 444223 537516

- Mandarin - - 10887 32626

- Citrus fruit - - 9463 1346

1

Subtotal 132149 108386 464573 571488

Dried

- Lemon 12516 3,8 32171 5650

- Mandarin - - - 4275

2

Subtotal 12516 3,8 32171 9925

Miccelaneous

- Citrus fruit otherwise prepered for preserved

3375 52416 21455 37795

Subtotal 3375 52416 21455 37795

3

Total 148040 164602 518199 619208

( Sumber : Vademikum Jeruk Direktorat Jenderal Bina Produksi Hortikultura Tahun 2002, diolah )

Kebutuhan konsumsi jeruk di dalam negeri juga mengalami peningkatan,

hal ini terlihat dari peningkatan impor dari tahun tahun 1998 hingga tahun 2000

seperti ditunjukkan pada Tabel 2. Selanjutnya dari data impor jeruk mulai tahun

2002, 2003, 2004, dan 2005 berturut-turut adalah : (51813633, 27341506,

59564074, 165670303) kg (Pusdatin, 2006b).

Besarnya potensi jeruk lemon perlu diiringi dengan pengembangan metode

dan teknik pemanenan produk tersebut. Hal ini untuk mengantisipasi peningkatan

permintaan terhadap mutu dari produk hasil pemanenan tersebut, karena

pemanenan merupakan salah satu aspek yang mempengaruhi mutu akhir dari

produk pertanian.

Menurut Kondo dan Ting (1998) ada beberapa alasan mengapa

pemanenan dengan manipulator (bioproduction robot) diperlukan, yaitu antara

(25)

manusia, meningkatnya biaya buruh, dan meningkatnya kebutuhan akan kualitas

produksi pertanian.

Tabel 2 Volume Impor Jeruk Tahun 1998-2000 (dalam kg)

Volume (kg)

No Jenis Jeruk

1998 1999 2000

Fresh

- Lemon 177843 161939 152712

- Mandarin 17430.519 27089.723 59619.536

- Orange 6181.374 7392.631 19438.082

- Other citrus 117 36 6817

- Citrus fruit 24771 8312 8224

1

Subtotal 226342.893 204769.354 246810.618 Dried

- Lemon 81 - 2218

- Mandarin 17046 - 20106

- Orange 3681 5801 71964

- Other citrus dried

- 10168 2163

2

Subtotal 53937 16168 96451

Miccelaneous 27935 32120 60093

4

Subtotal 27935 32120 60093

Total

308214.893 253057.354 403354.618

( Sumber : Vademikum Jeruk : Direktorat Jenderal Bina Produksi Hortikultura Tahun 2002, diolah )

Metode pemanenan dengan robot merupakan salah satu cara untuk

mengantisipasi kebutuhan akan peningkatan kualitas produk dan kekurangan

sumber daya manusia di masa depan. Namun demikian, robot pertanian memiliki

kompleksitas yang lebih tinggi dibanding dengan robot industri. Ryuh et al.

(1995) dalam Subrata (1998) menyatakan hal ini disebabkan karena lingkungan

pertanian memiliki keragaman dan kompleksitas yang tinggi akibat banyaknya

kendala -kendala seperti buah yang belum matang, cabang-cabang, dan daun.

Robot untuk aplikasi di bidang pertanian tidak semudah di bidang industri.

Seminar (2000) menyatakan kesulitan dalam pemecahan masalah pertanian

(26)

(mikroorganisme, tanaman, hewan, buah-buahan, dan sayuran) merupakan suatu

sistem kehidupan (biosystem) yang bersifat kompleks. Hal ini sangat berbeda

dengan sistem non-bio (non life system) yang sifatnya lebih sederhana.

Pengembangan sistem berbasis komputer merupakan keniscayaan agar

diperoleh hasil yang obyektif dan akurat. Seminar (2000) menyatakan komputer

digunakan terutama untuk pengolahan dan manipulasi data secara cepat, akurat,

dan obyektif dengan perilaku yang dapat diubah dan diperbaharui sesuai

kebutuhan.

Dengan dasar pemikiran bahwa dunia semakin berkembang ke arah

kemajuan, maka untuk negara maju yang tenaga kerjanya juga semakin mahal,

pengembangan metode pemanenan dengan menggunakan manipulator robot

pemanen merupakan hal yang patut dipertimbangkan.

Berdasar alasan tersebut di atas, maka permasalahan dalam bidang

pemanenan dapat diangkat menjadi sebuah topik penelitian. Salah satu aspek

penting dari pemanenan dengan robot adalah pengembangan sistem deteksi yang

dapat digunakan oleh robot untuk mengenali buah jeruk lemon yang akan dipanen

yang juga merupakan fokus dari penelitian ini.

Pengertian mendeteksi di sini adalah sistem dapat memisahkan antara buah

jeruk lemon dan latar belakangnya selanjutnya sistem dapat menentukan posisi

tiga dimensi dari buah jeruk lemon yang telah terdeteksi tadi. Sedangkan buah

jeruk lemon yang dideteksi adalah buah jeruk lemon dengan usia ≥ 120 hari

setelah bunga mekar (hsbm.). Artinya buah jeruk lemon yang akan dipane n ini

memiliki umur petik 120 hsbm.

Menurut beberapa informasi dari beberapa petani pembudidaya jeruk lemon

di Bogor dan sekitarnya, pemanfaatan buah jeruk lemon usia ≥ 120 hsbm dapat

digunakan untuk konsumsi langsung ataupun untuk industri pengolahan se perti

pembuatan sabun pembersih, pewangi ruangan, sari buah jeruk lemon, dan

lainnya.

Meskipun penelitian ini merupakan penelitian perintis namun justru hasil

penelitian ini dapat digunakan dan dikembangkan sebagai landasan pemanenan

dengan robot. Hal ini dikarenakan inti dari pemanenan dengan menggunakan

(27)

itu sendiri. Pada akhirnya hasil dari penelitian ini diharapkan dapat dimanfaatkan

industri perkebunan jeruk lemon.

B. Tujuan Penelitian

Tujuan penelitian ini adalah mengembangkan sistem deteksi buah jeruk

lemon pada tanamannya menggunakan kamera yang hasilnya dapat dimanfaatkan

untuk manipulator robot pemanen buah jeruk lemon. Dalam rangka mencapai

tujuan tersebut, dilakukan beberapa tahap penelitian yang mempunyai tujuan

spesifik, yaitu :

1). Mempelajari, mengkaji, dan menganalisis karakteristik dan keterkaitan antara

sinyal-sinyal warna merah (R), hijau (G), biru (B), dan komponen warna lain,

seperti indeks warna merah (r), indeks warna hijau (g), indeks warna biru (b),

serta komponen warna hue (H), saturasi (S), dan intensitas (I) yang

dipantulkan oleh buah jeruk lemon 120 hari setelah bunga mekar (hsbm.)

pada tanamannya.

2). Mengembangkan metode dan algoritma untuk mengeliminasi latar belakang

tanaman jeruk lemon tersebut, sehingga buah jeruk lemon yang siap panen

pada tanamannya dapat terdeteksi keberadaannya.

3). Mengembangkan metode kalibrasi sensor kamera yang dapat digunakan

sebagai sarana untuk mengembangkan formula penentuan posisi tiga dimensi

obyek.

4) Melakukan validasi formula penentuan posisi tiga dimensi dari obyek.

5) Mendapatkan formulasi yang dapat diterapkan untuk penentuan posisi tiga

dimensi buah jeruk lemon pada tanamannya

6) Menguji dan mengeva luasi sistem deteksi posisi tiga dimensi buah jeruk

lemon pada tanamannya.

C. Manfaat Penelitian

Berdasarkan tujuan penelitian tersebut diharapkan dapat diperoleh manfaat

sebagai berikut :

1). Mendapatkan data dasar tentang karakteristik sinyal-sinyal warna dalam

(28)

digunakan untuk pengembangan algoritma deteksi buah jeruk lemon pada

tanamannya.

3). Mendapatkan data dasar hubungan antara jarak pergeseran obyek pada citra

stereo dan jarak riil obyek terhadap sensor kamera, yang digunakan sebagai

dasar kalibrasi sistem perhitungan jarak, sehingga dapat digunakan untuk

membangun sebuah formulasi penentuan posisi tiga dimensi obyek.

4). Menyediakan rancangan dasar sistem deteksi menggunakan kamera untuk

pemanenan buah jeruk lemon menggunakan manipulator robot pemanen.

D. Kerangka Penelitian

Penelitian yang telah dilaksanakan ini difokuskan pada pengembangan

sistem deteksi jeruk lemon untuk manipulator robot pemanen. Uji penelitian

dibatasi dalam skala laboratorium, dengan sampel uji berupa tanaman jeruk lemon

dalam pot.

Penelitian dilaksanakan melalui tahapan sebagaimana ditampilkan pada

Gambar 1. Bahan utama yang digunakan untuk penelitian ini adalah tanaman

jeruk lemon yang ditanam di dalam pot. Dari gambar tersebut tampak bahwa

penelitian ini mencakup tiga bagian.

Bagian pertama adalah penelitian yang bertujuan untuk mendeteksi buah

jeruk lemon pada tanamannya. Pengertian mendeteksi di sini belum melibatkan

faktor jarak, hanya memisahkan antara obyek buah jeruk lemon dan latar

belakangnya. Pada bagian ini penelitian dilakukan dengan menyelidiki nilai-nilai

karakteristik warna pada tanaman jeruk lemon dan mendapatkan parameter warna

yang dapat digunakan untuk memisahkan buah jeruk lemon dengan latar

belakangnya.

Bagian kedua penelitian ini ditujukan untuk mengkalibrasi sensor kamera

yang digunakan untuk melihat konsistensi alat yang digunakan. Hasil kalibrasi

tersebut digunakan untuk mengembangkan formula perhitungan jarak antara

sensor kamera ke obyek. Setelah formula perhitungan jarak didapat, selanjutnya

dilakukan validasi terhadap formula tersebut. Hal ini dilakukan untuk menjamin

(29)

Pada bagian ketiga penelitian ini prinsipnya menggabungkan hasil

penelitian tahap pertama dan kedua. Yang dilakukan pada tahap ini adalah

dilakukan uji coba terhadap sistem deteksi untuk mendeteksi posisi tiga dimensi

obyek. Uji dilakukan dengan menerapkan algoritma deteksi buah jeruk lemon

pada tanamannya sehingga hasilnya dapat menampilkan hanya citra biner buah

jeruk lemon saja. Selanjutnya, dengan menggunakan formula yang telah didapat

pada tahapan penelitian sebelumnya, dilakukan perhitungan posisi tiga dimensi

buah jeruk lemon pada tanamannya. Perhitungan posisi tiga dimensi buah jeruk

lemon pada tanamannya dengan sistem deteksi ini kemudian dibandingkan

dengan hasil pengukuran secara langsung dan hasilnya dianalisis dan dievaluasi.

Bagian akhir penelitian ini adalah melakukan pembahasan secara

menyeluruh terhadap semua hal yang telah dilakukan mulai bagian pertama

(30)

Mulai Survey lapang

dengan Teori ? Studi literatur Lebih dalam

Penelitian untuk kalibrasi & validasi sensor kamera

ya

Konsisten

dengan Teori ? Studi literatur Lebih dalam tidak

(31)

BAB II

KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK

LEMON PADA TANAMANNYA

A. Pendahuluan

Latar Belakang

Di alam bebas tanaman jeruk lemon berupa perdu dengan ketinggian 2

hingga 3.5 meter dengan diameter buah rata -rata 4.4 sampai 6.4 cm. Kandungan

asam sitrat jeruk lemon menurut Hume (1957) berkisar antara 7 – 8 %. Morfologi

jeruk lemon berbentuk bulat telur dan memiliki puting di ujungnya. Sebagai tanda

bahwa buahnya telah masak adalah dengan perubahan warna kulitnya yang

menjadi kuning dari sebelumnya berwarna hijau. Buahnya ketika masih muda

bergerombol berjumlah 2 sampai 5, namun setelah matang buah yang tersisa

biasanya tinggal satu saja.

Menurut Hume (1957) jeruk lemon terbagi menjadi beberapa varietas yaitu :

1. Eureka, berbentuk membujur dengan ukuran sedang. Panjang 72 cm, diameter

50 mm, jika telah matang berwarna kuning lemon, puncak berputing dengan

bentuk puting kecil dan kasar.

2. Everbearing, berbentuk membujur, memiliki dua ujung, ukurannya sedang.

Panjang 89 mm, diameter 50 mm, jika telah matang berwarna kuning, puncak

berujung dengan panjang sekitar 15 mm.

3. Genoa, berbentuk membujur, memiliki dua ujung, berukuran sedang. Panjang

84 mm,diameter 50 mm berwarna kuning lemon terang, puncak berputing

dengan puting kecil dan ujungnya tajam.

4. Lisbon, bentuknya membujur, ukurannya sedang berukuran panjang 81 mm,

diameter 56 mm, berwarna kuning lemon, puncak berputing, dengan kulit

halus, seragam dalam ukuran jika kematangan dipelihara dengan baik.

5. Meyer, berbentuk lonjong sampai bulat, ukuran sedang. Panjang 65 – 81 mm,

diameter 65 mm, berwarna kuning terang, puncaknya membengkok dan

(32)

6. Panderosa, berbentuk leher dan membujur, berukuran besar. Panjang 109

mm, diameter 112 mm, berwarna kuning puncak rata dengan sedikit indikasi

putting dan pangkal leher.

7. Otohite, berbentuk bulat, berukuran panjang 53 mm, diameter 53 mm

berwarna agak kuning, puncak sedikit berujung dan agak kasar.

8. Rough, bentuknya bermacam-macam dengan ukuran sedang sampai besar

dengan panjang 61 mm, diameter 61 mm, warna kuning lemon.

9. Sicily, bentuknya membujur, ukuran sedang dengan panjang 62 mm, diameter

81 mm, warna kuning terang bercahaya, ujung berputing dengan puting

pendek dan kasar, kulit tipis, halus, manis, sel-sel minyak biasanya banyak

terdapat di permukaan.

10. Sweet, bentuknya rata, ukuran sangat kecil dengan panjang 50 mm, diameter

53 mm, warna berbintik-bintik kuning keabuan, daging buah gelap, kasar

berpasir.

11. Villafranca, bentuknya bulat membujur, ukuran sedang sampai besar dengan

panjang 73 mm, diameter 58 mm, warna buah matang kuning cerah, puncak

berujung tumpul dan kasar.

Gambar 2 menampilkan profil buah lemon dengan usia 100 hsbm, 110

hsbm., dan 120 hsbm. Gambar 3 menampilkan profil tanaman jeruk lemon di

alam bebas, sedangkan pada Gambar 4 tampak profil tanaman jeruk lemon di

dalam pot.

Berdasarkan taksonominya, jeruk lemon diklasifikasikan sebagai berikut :

Kingdom : Plantae ( tumbuhan )

Divisi : Spermatophyta ( tumbuhan berbiji )

Sub divisi : Angiospermae ( berbiji tertutup )

Kelas : Dicotyledonae (biji berkeping dua)

Ordo : Ru tales

Keluarga : Rutaceae

Genus : Citrus

Spesies : Citrus Medica varietas limon burn

Tanaman jeruk lemon termasuk tanaman klimakterik, artinya buah jeruk

lemon apabila cukup tua dipetiknya maka dapat memasuki stadium matang dalam

(33)

jeruk lemon secara visual dapat dilihat dari warnanya yang cerah (tidak belang)

dan bentuknya yang menarik serta proposional (agak lonjong dengan puting

diujungnya).

(a)

(a) (b)

Gambar 2 Buah jeruk lemon dalam berbagai usia : (a) umur 100 hsbm.; (b) umur 110 hsbm. ; (c) umur 120 hsbm.

Dari pengamatan di lapang, buah jeruk lemon pada saat muda bergerombol

berjumlah antara 2 sampai 4, namun pada saat mau matang jumlah tadi berkurang

hingga hanya dua buah saja. Dan pada saat matang (usia ≥ 120 hsbm.) buah

tersebut hanya tinggal satu buah saja. Hal ini terjadi secara alamiah tanpa diberi

perlakuan apapun. Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100

gr dirin ci dalam Tabel 3.

(34)

(a) (b)

Gambar 3 Tanaman jeruk lemon dengan (a) profil buah (b) profil bunga

Gambar 4 Tanaman jeruk lemon di dalam pot

Bagian utama jeruk lemon menurut Hume (1977) terdiri dari kulit yang

tersusun atas epidermis, flavedo, kelenjar minyak dan ikatan pembuluh. Bagian

dalam buahnya terdiri atas segmen buah, rongga yang berisi cairan, biji, dan inti

(core) yang terdiri atas ikatan pembuluh dan parenkim. Gambar 5 memperlihatkan

(35)

Tabel 3 Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100 gr (Sumber : Wills et al. (1978) dalam Damiri (2003)).

Komposisi Jumlah

Bagian yang dapat dikonsumsi (%) 66

Air (gr) 89

Protein (gr) 0.6

Lemak (gr) 0.2

Gula (gr)

- Glukosa 0.8

- Fruktosa 0.6

- Sukrosa 0.4

Asam Organik (gr)

- Serat Diet 2.5

- Asam Malat 0.32

- Asam Sitrat 4.51

Gambar 5 Penampang buah jeruk lemon (sumber: Hume, 1977)

Flavedo adalah kulit bagian luar yang berbatasan dengan epidermis,

merupakan lapisan kedua yang ditandai dengan warna hijau, kuning,

(36)

bagian ini terdapat pigmen berupa kloroplas dan karotenoid. Epidermis

sebagai lapisan luar kulit merupakan bagian yang melindungi buah jeruk

yang terdiri dari lapisan lilin, matriks kulin, dinding sel primer dan sel

epidermal. Pertumbuhan dan kematangan buah sejalan dengan

membesarnya kelenjar minyak.

Albedo merupakan jaringan yang berhubungan dengan core di

tengah-tengah buah, berfungsi untuk mensuplai air dan nutrisi dari pohon untuk

pertumbuhan dan perkembangan buah. Pada albedo banyak terdapat selulosa,

hemiselulosa, lignin, senyawa pektat, hesteperiodes serta senyawa-senyawa

limonim yang menyebabkan timbulnya rasa pahit pada buah.

Jeruk lemon dapat menghasilkan beberapa jenis jeruk baru setelah

dikawin-silangkan dengan beberapa jenis jeruk lain. Di Indonesia jenis tanaman jeruk

lemon yang dikembangkan antara lain adalah : lemon tea, lemon squash, lemon

cui, lemon eureka.

Karakteristik citra merupakan hal yang penting di dalam pemrosesan citra

digital. Untuk mendapatkan informasi mengenai karakteristik dari sebuah citra

perlu digunakan teknologi yang tepat. Teknik image processing (citra digital)

adalah suatu teknologi yang dikembangkan untuk mendapatkan informasi dari

citra (image) dengan cara memodifikasi bagian dari citra yang diperlukan

sehingga menghasilkan citra dalam bentuk lain yang lebih informatif (Jain et al.,

1995).

Citra digital merupakan representasi model nyata dari sebuah obyek.

Teknik pengolahan citra digital ini dapat memeriksa kondisi obyek melalui

penampilannya, secara non destruktif. Ahmad (2002) menggunakan teknik ini

untuk memeriksa mutu buah mangga. Sedangkan Wulfhson et al (1993)

menggunakan teknik ini untuk sortasi buah kurma.

Citra digital (non fisik) tentu berbeda dengan gambar foto, gambar cetak

yang bersifat fis ik. Citra dalam bentuk data digital akan lebih mudah untuk

dimodifikasi sesuai dengan kebutuhan tertentu. Sehingga teknik ini amat praktis

untuk diterapkan dalam bidang pertanian khususnya bidang pasca panen.

Citra diperoleh dengan menggunakan sensor citra (kamera) yang dilengkapi

(37)

benda-benda yang berada di depannya. Fungsi lensa sebenarnya mirip dengan retina

pada mata manusia, sehingga bayangan yang dihasilkan pada bidang citra bersifat

sejati, terbalik, dan diperkecil, seperti pada Gambar 7.

Sensor citra (image sensor) jenisnya antara lain adalah : vidicon tube, image

orthicon tube, image dissector tube, dan solid-state image sensor. Solid -state

image sensor banyak digunakan karena beberapa kelebihan dibandingkan dengan

alat yang lain. Kelebihannya adalah antara lain konsumsi daya listrik yang minim,

ukuran kecil dan kompak, tahan guncangan, mudah pengoperasiannya, dan

lain-lain.

Model solid-state image sensor mempunyai sebuah array elemen

foto-elektrik yang dapat membangkitkan tegangan listrik dan photon. Model sensor ini

berdasarkan caranya scanning dibedakan menjadi dua bagian, yaitu :

charged-coupled device (CCD) dengan keunggulan memiliki resolusi yang tinggi dan

metal-oxide semiconductor (MOS) yang mempunyai kelebihan pada hasil citra

yang tajam.

Sensitivitas kamera yang digunakan akan sangat menentukan hasil yang

diperoleh. Sehingga dalam proses pengambilan data perlu dipertimbangkan

tingkat sensitivitas kamera yang digunakan. Sebagaimana dilaporkan oleh Throop

et al.(1994), bahwa kamera dengan sensitivitas yang tinggi dapat memisahkan

apel yang rusak dengan akurasi 99,9 %. Sedang kamera dengan sensitivitas yang

rendah dapat memisahkan apel yang rusak dengan akurasi 95 %.

Meskipun pada saat ini sudah banyak kamera digital, namun bisa juga citra

diambil dengan menggunakan kamera analog. Karena komputer bekerja dalam

mode digital, maka diperlukan sebuah mekanisme untuk merubah sinyal analog

tersebut ke dalam sinyal digital. Mekanisme untuk merubah sinyal analog menjadi

sinyal digital adalah dengan melakukan konversi sinyal analog tersebut menjadi

sinyal digital dengan menggunakan sebuah alat analog-digital (A/D) converter.

Proses pengolahan citra diawali dengan pengambilan gambar dengan

menggunakan kamera, selanjutnya gambar dalam mode analog tersebut diteruskan

ke dalam image frame grabber. Dalam image frame grabber sinyal analog

tersebut masuk ke dalam A/D converter dan diubah menjadi sinyal digital. Sinyal

(38)

digital. Selanjutnya dengan menggunakan algoritma pengolahan citra dan

perangkat komputer, sinyal digital tersebut diolah sesuai keperluan. Gambar 6

menunjukkan perangkat keras dan aliran data pengolahan citra.

Proses pembentukan sebuah citra terdiri dari dua bagian :

1). Geometri formasi citra, yang menentukan posisi di mana di dalam bidang

citra proyeksi sebuah titik pemandangan akan ditempatkan. Teknik ini

mengkonversi posisi 3 dimensi obyek di lapang ke dalam posisi 2 dimensi

citra di layar komputer.

2). Fisik cahaya, yang menentukan kecerahan sebuah titik di dalam bidang citra

sebagai fungsi dari pencahayaan pemandangan dan sifat-sifat permukaan.

Algoritma Pengolahan

Citra Kamera CCD

obyek Lampu

Computer A/D Converter Image Memory

Image frame grabber

Gambar 6 Perangkat keras dan aliran data pengolahan citra.

Pada Gambar 7, diperlihatkan model yang mendasar dari proyeksi sebuah

titik pada pemandangan ke dalam bidang citra. Pada model ini pusat sistem

pembentukan citra berpotongan dengan titik awal koordinat sistem tiga dimensi

(x, y, z). Posisi horisontal ditunjukkan oleh x, posisi vertikal ditunjukkan oleh y, sedang jarak dari kamera ke suatu titik obyek ditunjukkan oleh z. Yang dimaksud

dengan garis pemandangan dari suatu titik di dalam pemandangan adalah sebuah

garis yang menyentuh titik tersebut dan titik pusat proyeksi, sedang jarak dari

(39)

Pada kamera yang sebenarnya, citra hasil bentukan berada di belakang pusat

proyeksi dengan jarak f. Meskipun pada kamera yang sebenarnya bidang citra

berada di belakang pusat proyeksi seperti pada Gambar 7, namun demi

kemudahan dalam memahami maka bidang citra dianggap berada di depan pusat

proyeksi, seperti pada Gambar 8.

y'

Gambar 7 Proyeksi pembentukan citra untuk citra di belakang pusat proyeksi (Jain et al, 1995)

(40)

Dari Gambar 8 selanjutnya dicoba menurunkan beberapa rumusan dasar

yang dapat dipergunakan untuk perhitungan-perhitungan utama di dalam

pengolahan citra. Seperti dijelaskan di atas bahwa jarak dari suatu titik (x , y , z)

dalam sebuah pemandangan ke sumbu z dinyatakan dengan r = (x2+y2),

sedang jarak titik hasil proyeksi pada citra ( x’ , y’ ) dinyatakan dengan

)

Dari kedua rumus di atas didapat hubungan :

r

Dan substitusi persamaan (1) ke dalam persamaan (2) menghasilkan :

z

Sehingga posisi suatu titik di dalam bidang citra diberikan dengan persamaan

berikut :

Satuan citra terkecil disebut pixel ( picture element ), yang berarti elemen

citra. Sedangkan sebuah citra merupakan kumpulan dari kotak-kotak segiempat

yang teratur sehingga jarak horisontal dan vertikal antar pixel adalah sama pada

seluruh bagian citra. Selanjutnya di dalam memori komputer setiap pixel

diwakilkan oleh sebuah nilai dalam bilangan bulat. Seringkali sebuah pixel

merupakan representasi dari 8-bit bilangan bulat (integer) dengan rentang

[0,255], dengan 0 untuk warna hitam, 255 untuk warna putih dan tingkat abu-abu

berada diantara nilai tersebut.

Selanjutnya untuk keperluan analisis dalam pengolahan citra seperti

penghitungan luas area suatu obyek, orientasi, dan sifat-sifat geometri lainnya

(41)

diperoleh dengan cara melakukan segmentasi citra dengan dasar perbedaan sinyal

warnanya.

Setiap citra dengan karakteristik nilai pencahayaan tertentu memerlukan

nilai threshold tertentu yang mungkin tidak cocok untuk citra lainnya. Sehingga

sebenarnya meskipun nilai thresholdnya sama namun tidak dapat digunakan untuk

citra yang berbeda. Oleh karena itu peranan pengaturan cahaya dalam perekaman

citra penting sekali. Seperti dillaporkan Wulfhson et al.(1993), bahwa penerangan

merupakan hal yang kritis dalam pemrosesan citra digital. Sehingga tingkat

cahaya yang berbeda dapat menghasilkan kualitas citra yang berbeda pula.

Hal yang penting dalam pengolahan citra setelah kita dapat menghasilkan

obyek adalah mengenali dan menentukan lokasi obyek tersebut. Untuk mengenali

obyek biasanya dengan mengetahui ukuran, posisi, dan orientasi obyek. Untuk

menghitung ukuran (area) suatu obyek A digunakan persamaan (Jain et al.,1995) :

∑∑

dimana B[i,j] adalah citra biner pada koordinat pixel (i,j). Selanjutnya setelah kita

mengetahui luas area (A) suatu obyek, maka biasanya mengetahui posisi obyek di

dalam sebuah citra digunakan untuk melengkapi informasi yang digunakan untuk

analisis citra digital. Posisi obyek direpresentasikan dengan sumbu x dan sumbu

y, dan dilambangkan dengan x dan y. Formula untuk posisi obyek ditampilkan

pada persamaan berikut :

A

Warna merupakan jumlah relatif dari tiga warna pokok merah (R), hijau

(G), dan biru (G). Dengan menggabungkan ketiga intensitas warna tersebut, maka

didapat citra berwarna. Untuk mempermudah penafsiran hasil dari model warna

RGB adalah dengan melakukan normalisasi terhadap ketiga komponen warna

(42)

warna biru (b). Sedangkan model warna yang paling sesuai untuk dipersepsi oleh

manusia adalah corak (hue) disingkat H, kejenuhan (saturation) disingkat S, dan

intensitas (intensity) disingkat I.

Persepsi warna dalam pengolahan citra tergantung pada tiga faktor (Jain et

al, 1995) :

1. Spectral reflectance dari permukaan. Hal ini menentukan bagaimana suatu

permukaan memantulkan warna,

2. Spectral content dari penyinaran. Artinya adalah kandungan warna dari

cahaya yang menyinari permukaan,

3. Spectral response. Artinya adalah kemampuan merespons warna dari sensor

dalam imaging system.

Pengolahan citra dengan menggunakan warna merupakan salah satu teknik

yang sering digunakan untuk membedakan status dari citra tersebut. Cara yang

sering digunakan dalam mengklasifikan warna selain dengan model CIE adalah

dengan menggunakan model warna red, green, blue (RGB), dan hue, saturation,

intensity (HSI).

Jain et al(1995) merumuskan untuk menormalisasikan nilai RGB hasil dari

pembacaan citra dapat digunakan rumus berikut ini :

B

dengan r, g, dan b adalah nilai indeks warna merah, hijau, dan biru.

Model warna HSI diperoleh dengan cara melakukan konversi dari

warna-warna RGB, dengan menggunakan persamaan-persamaan berikut (Jain et al.,

(43)

)

dengan H, S, dan I adalah corak (hue), kejenuhan (saturation), dan intensitas

(intensity).

Dengan menggunakan rumusan di atas kita dapat menganalisis perbedaan

warna pada permukaan sebuah citra digital. Perbedaan warna ini dapat digunakan

untuk memisahkan antara obyek dan selainnya. Pengembangan algoritma yang

menggunakan batas ambang (thresholding) dengan warna merupakan hal yang

dapat diterapkan dalam bidang keteknikan pertanian khususnya bidang pasca

panen.

Penerapan penggunaan warna ini bisa untuk sortasi produk pertanian,

seperti Sarkar and Wolfe (1985a; 1985b) dalam Choi et al.(1995) yang

mengembangkan algoritma klasifikasi menggunakan analisis citra digital dan

teknik pengenalan pola untuk mensortir buah tomat. Juga Shearer dan Payne

(1990) dalam Choi et al.(1995) mengembangkan sistem vision untuk menyortir

biji lada (bell peppers) dengan memetakan nilai RGB ke dalam hue dan secara

statistik mengklasifikasikan distribusi frekuensinya dengan hasil cukup

memuaskan.

Sedangkan Slaughter dan Harrel (1987) dalam Choi et al.(1995)

menunjukkan bahwa threshold dengan Hue (panjang gelombang dominan) dan

saturation (tingkat kejenuhan) dapat digunakan untuk membedakan buah jeruk

(orange) dari latar belakangnya seperti daun-daunan, langit, awan, dan tanah.

Selain itu, Wiggers et al. (1988) dalam Choi et al. (1995) menggunakan

sistem pengolahan citra warna untuk mendeteksi dan mengklasifikasikan kacang

kedelai yang rusak oleh cendawan dengan menggunakan hue dan rasio sinyal red,

green, dan blue. Mereka melaporkan bahwa rasio warna lebih handal dari metode

hue untuk mendeteksi perbedaan warna.

Varghese et al. (1991) dalam Choi et al. (1995) mengembangkan sistem

(44)

berdasar warna, defect, bentuk, dan ukuran. Buah apel yang diklasifikasikan

berdasar warna mendapat akurasi yang sangat tinggi menggunakan histogram hue.

Thomas dan Connoly (1986) dalam Tao et al.(1995) membandingkan

persepsi warna pada manusia dan kemampuan sensor warna ya ng ada. Mereka

melaporkan pengolahan citra digital menggunakan sinyal RGB sangat tidak

efisien, tetapi lebih mudah ditransformasikan ke dalam sistem koordinat yang

berguna dimana satu sumbu merepresentasikan warna dari obyek sesungguhnya

atau hue.

Morrisey (1988) dalam Tao et al. (1995) melaporkan keunggulan dari

pengolahan citra berwarna menggunakan atribut hue, saturation, dan intensitas.

Dia menyatakan bahwa atribut-atribut tersebut merupakan aproksimasi yang dekat

dengan interpretasi manusia terhadap warna.

Tao et al. (1995), melaporkan representasi warna dengan HSI memberikan

skema yang efisien untuk pembedaan warna secara statistik. Metode pembedaan

linier didasarkan pengujian pada citra buah kentang dan apel. Dengan representasi

histogram hue sebagai fiturnya, mesin vision dapat mencapai akurasi sebesar 90%

dalam inspesi warna kentang dan apel.

Damiri (2003), melaporkan bahwa indeks warna merah dan indeks warna

hijau pada pengolahan citra dapat membedakan tingkat kematangan jeruk lemon

pada umur petik 100 hsbm. dan umur 110 hsbm. sedang fitur energi pada teknik

pengolahan citra dapat membedakan tingkat kematangan pada umur 110 hsbm.

dan umur 120 hsbm.

Fujiura et al. (1990) dalam Kondo dan Ting (1998) melaporkan Untuk

membuat citra biner jeruk orange mandarin digunakan sinyal merah (R) dan hijau

(G). Juga dilaporkan sensor kamera yang digunakan di alam bebas menggunakan

filter optik (neutral-density optical filter) untuk menetralkan cahaya matahari yang

masuk ke dalam lensa kamera.

Woebbecke et al.(1995) melaporkan untuk membedakan gulma (weed)

terhadap latar belakangnya (yang bukan tanaman hidup) dapat digunakan

kombinasi indeks r-g, g-b, (g-b)/|r-g|, 2g-r-b, dan hue yang dimodifikasi. Dan

hasilnya hue yang dimodifikasi dan indeks 2g-r-b dapat membedakan gulma

(45)

Tujuan Penelitian

Tujuan penelitian ini adalah untuk memisahkan citra buah lemon dari latarnya,

sehingga buah jeruk lemon ini dapat terdeteksi di layar citra. Fokus penelitian ini

adalah mengetahui parameter warna apa yang dapat digunakan untuk

mengeliminasi latar jeruk lemon dan dilanjutkan dengan pengembangan

algoritmanya tanpa memperhitungkan faktor jarak. Hasil akhir yang diharapkan

dari penelitian ini adalah didapat metode yang dapat menghasilkan citra biner

buah jeruk lemon yang terpisah dengan latarnya.

B. Bahan dan Metode Waktu dan Tempat Penelitian

Dalam penelitian ini, untuk mendapatkan data dan melihat kondisi riil

tanaman jeruk lemon di perkebunan, maka dilakukan pengamatan lapang di

perkebunan jeruk lemon di sekitar Bogor. Pengembangan dan uji program

komputer image processing dilakukan di laboratorium Teknik Pengolahan

Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas

Teknologi Pertanian, Institut Pertanian Bogor. Penelitian dilaksanakan mulai

bulan Januari 2004 sampai Agustus 2004.

Bahan dan Alat

Bahan dan alat yang digunakan dalam penelitian ini adalah sampel tanaman

jeruk lemon (Citrus medica) yang ada buahnya usia 120 hsbm. Sampel ini

kemudian diletakkan di depan kamera untuk dapat menghasilkan citra di layar

komputer. Latar kain hitam digunakan sementara untuk menangkap citra dengan

harapan setelah didapat parameter warna yang dapat digunakan sebagai pemisah

antara citra buah dan citra latar belakang, maka latar kain hitam ini dapat dilepas.

Untuk dapat merekam dan memproses citra yang ditangkap, maka

digunakan sensor kamera charge coupled device (CCD) dan seperangkat

komputer yang dilengkapi dengan image frame grabber. Selain itu komputer ini

juga menggunakan program bahasa C sebagai program akuisisi dan pengolahan

citra digital.

Agar dapat mendukung hasil citra yang sesuai dengan keadaan di lapang,

(46)

diperlukan untuk mengukur tingkat cahaya dan jarak digunakan luxmeter dan

penggaris.

Spesifikasi teknis secara rinci alat yang digunakan dalam penelitian ini

adalah :

1. Perangkat keras

a. Kamera CCD

Model : OC-305 D (Digital video camera)

Input : DC 12 V/120 MA

Output : PAL/1.0 VP-P/75 Ohm

Resolusi : Normal : 582(H) x 512 (V) ; Tinggi : 752(H) x 582 (V)

Manufacture : Japan Technology

b. Perangkat komputer (personal computer)

Processor : Intel Pentium III

RAM : Visipro 128 MB

VGA Card : 8 MB AGP Onboard

c. 4 buah lampu penerang (2 buah : 75 W/ 220 V/ 50Hz ; 2 buah : 25 25 W/ 220

V/50Hz)

d. kertas milimeter block, Jangka sorong, penggaris, dan penggaris busur

e. Pengukur tingkat cahaya : Luxmeter

model : DM-28

Merek : Takemura, Electric Work Ltd. Japan.

2. Perangkat lunak

a. Microsoft Windows 98

b. Adobe Photo Shop Ver 7, Paint Shop Ver. 6, Microsoft Excell 2000

d. Microsoft Visual C++ ver. 4.5 , Turbo C ver. 3

Tata letak penempatan bahan dan alat untuk penelitian ditampilkan pada

Gambar 9. Sensor kamera dihubungkan dengan unit komputer pemrosesan citra

digital sedemikian rupa sehingga obyek dapat diletakkan secara vertikal ke arah

bawah. Lampu diatur tingkat cahayanya agar dapat menghasilkan citra ya ng

terbaik sehingga informasi yang dihasilkan dapat tetap konsisten. Kain hitam

diletakkan di bawah obyek tanaman jeruk lemon kemudian jarak antara sensor

(47)

Algoritma Thresholding Kamera CCD

Lampu Penerangan

A/D Converter Image Memory Image frame grabber

Penggaris

Hasil Thresholding

Gambar 9 Tata letak penempatan bahan dan alat saat perekaman citra jeruk lemon dengan sensor kamera dan komputer image processing

Kerangka Penelitian

Dalam penelitian ini digunakan metode eksperimental yang dilaksanakan di

laboratorium. Sifat-sifat pengolahan data dan penyimpulannya menggunakan

pendekatan kuantitatif.

Tahap pertama adalah pengesetan sensor kamera. Karena belum ada literatur

tentang metode baku untuk aplikasi tanaman jeruk lemon, maka dicoba untuk

mengacu dari literatur -literatur aplikasi pengolahan citra untuk obyek lain atau

yang relevan.

Alat yang diperlukan adalah sensor kamera yang terhubung dengan bingkai

penangkap citra yang terpasang pada komputer untuk pengolahan citra digital.

Sedang bahan yang digunakan adalah sampel daun, tangkai, bunga, dan buah

jeruk lemon yang matang (usia ≥ 120 hsbm.), dengan menggunakan latar belakang kain hitam. Untuk mendapatkan citra jeruk lemon pada tanamannya,

maka daun, tangkai, dan buah jeruk lemon direkam untuk kemudian dianalisis

warnanya. Latar belakang yang digunakan adalah kain hitam dengan pencahayaan

yang diatur sehingga warna dari citra buah, daun, dan tangkai tidak terdistorsi dan

tetap seperti dalam keadaan alami. Sedang jarak dari kamera ke obyek tersebut

diatur 25 - 40 cm, diukur dengan penggaris. Obyek diletakkan secara vertikal

(48)

Sebelum dilakukan perekaman secara real time, maka sensor kamera dan

program pengolahan citra dinyalakan terlebih dahulu. Hal ini bertujuan agar dapat

merekam data awal citra tanaman jeruk lemon. Perekaman tahap awal ini

targetnya hanya mendapat citra berwarna dengan tingkat cahaya ± 50 lux yang

diukur dengan luxmeter. Resolusi layar yang digunakan untuk merekam citra

jeruk lemon ini tingginya 255 pixel dan lebar nya 192 pixel.

Setelah program perekaman citra real time siap digunakan, maka perekaman

terhadap citra tanaman jeruk lemon dilakukan. Citra yang sudah direkam

disimpan ke dalam memori untuk kemudian digunakan sebagai bahan untuk

dianalisis. Analisis terha dap warna citra menggunakan perangkat lunak Paint

Shop ver 6.0 dan Adobe Photoshop ver 7.0.

Data citra yang sudah direkam diolah untuk mendapat nilai RGB. Beberapa

sampel citra yang sudah direkam tadi dilakukan pengolahan data untuk

mendapatkan nilai parameter warna RGB pada tiap titik pixel citra tadi. Jumlah

titik pixel yang ingin diketahui nilainya ditentukan sebanyak 250 titik secara acak

untuk setiap obyek, dengan asumsi jumlah tersebut dapat mewakili sebaran warna

yang ada pada sebuah obyek. Artinya tiap-tiap obyek daun, tangkai, bunga, buah

jeruk lemon didapatkan nilai RGB nya masing-masing 250 nilai.

Yang dimaksud dengan buah jeruk lemon di sini adalah buah yang telah

matang (usia ≥120 hsbm.), yang merupakan obyek panen. Sedangkan untuk citra buah jeruk lemon yang belum matang (usia<120 hsbm.) datanya dimasukkan

dalam kelompok latar belakang.

Setelah didapat nilai RGB pada 250 titik secara acak pada masing-masing

obyek daun, tangkai, bunga, dan buah jeruk lemon, maka nilai ini kemudian

diolah untuk mendapatkan nilai indeks rgb dan model HSI (hue, saturation, dan

intensity) yang selanjutkan digunakan untuk keperluan analisis. Rumus yang

digunakan adalah rumus (1) hingga (7).

Tahap selanjutnya adalah dilakukan analisis untuk mendapatkan keterkaitan

antara parameter warna RGB, rgb, dan HSI pada citra tanaman lemon. Keterkaitan

ini digunakan untuk mendapatkan parameter warna apa saja yang dapat digunakan

sebagai alat bantu memisahkan antara citra buah jeruk lemon dan latar