BAB 2
TINJAUAN PUSTAKA 2.1. Elaeis guineensis Jacq
2.1.1. Klasifikasi
Kelapa sawit memiliki 36 khromosom, dan arasu adalah sebanyak 32. Elaeis berasal dari Elaion berarti minyak dalam bahasa Yunani. Guineensis berasal dari Guinea (pantai barat afrika), Jacq berasal dari nama botanist Amerika jacquin (Lubis, 2008).
Taksonomi dari tanaman kelapa sawit adalah : Devisi : Tracheophyita
Subdevisi : Pteropsida Kelas : Angiospermeae Subkelas : Monocotyledoneae
Ordo : Cocoideae
Famili : Palmae Subfamili : Cocoideae Genus : Elaeis
Spesies : Elaeis guineensis Jacq
Kelapa sawit termasuk tumbuhan pohon. Tingginya dapat mencapai 24 meter.
Bunga dan buah nya berupa tandan, serta bercabang banyak. Buah nya kecil dan apabila masak berwarna merah kehitaman. Daging buah padat serta kulit buah nya mengandung minyak . Minyaknya itu digunakan sebagai bahan minyak goreng, sabun dan lilin. Hampasnya dimanfaatkan untuk makanan
ternak. Khususnya sebagai salah satu bahan pembuatan makanan ayam (Hartanto, 2011).
2.1.2 Sifat-Sifat Botani
Seperti jenis – jenis palma yang lain, kelapa sawit memiliki bagian vegetatif dan generatif yang khas (Setyamidjaja, 2006).
Bagian Generatif
Menurut Pahan (2006). Bagian generatif tanaman kelapa sawit meliputi bunga (flos) dan buah (fructus).
a. Bunga (flos)
Tanaman kelapa sawit mulai berbunga pada umur 2,5 tahun, tetapi umum nya bunga tersebut gugur pada fase awal pertembuhan generative nya. Tanaman kelapa sawit termasuk tanaman monoecious. Karena itu bunga jantan dan bunga betina terletak pada satu pohon. Bunga sawit muncul dari ketiak daun yang di sebut infloresen (bunga majemuk). Bakal bunga tersebut dapat berkembang menjadi bunga jantan atau bunga betina tergantung pada kondisi tanaman.
Inflorescen awal terbentuk selama 2-3 bulan, lalu pertumbuhan salah satu organ reproduktif nya terhenti dan hanya satu jenis bunga yang di hasilkan dalam satu infloresen (Lubis dan Agus 2011)
1. Bunga jantan
Tandan bunga jantan (infloressensia) juga dibungkus oleh seludang bunga yang pecah jika akan anthesis seperti bunga betina. Tiap tandan bunga memiliki 100 – 250 spikelet yang panjangnya 10 – 20 cm dan diameter 1 – 1,5 cm. Tiap spikelet berisi 500 – 1.500 bunga kecil yang akan menghasilkan tepung sari jutaan banyaknya. Tandan bunga yang sedang anthesis ini berbau amis (Khas) (Lubis, 2008).
2. Bunga Betina
Panjang bunga betina yaitu 30 cm atau lebih jika di ukur pada saat mekar. Bunga betina dan jantan secara bersama – sama terbentuk dari (struktur seperti daun).
Struktur seperti daun ini akan menjadi berduri pada ujung spikelet betina. Pada bagian tengah bunga betina, setiap spikelet dapat menghasilkan 12-30 bunga.
Sementara setiap infloresen dapat mebentuk 85-2,85 spikelet dimana jumlah yang paling sering dijumpai berkisar antara 125-165 spikelet, maka dari satu infloresen betina dapat dihasilkan 2000-3000 (struktur seperti daun) yang berserat dan tebal (Pahan, 2006).
b. Buah (Fructus)
Bunga betina setelah dibuahi akan berkembang menjadi spikelet. Karena kondisi terjepit maka buah yang terletak di bagian dalam akan lebih kecil dan kurang sempurna bentuknya dibandingkan dengan yang berada di luar tandan (Setyamidjaja, 2006). Pada satu buah terdapat susunan sebagai berikut:
1. Kulit buah (exocarp) yang selama 3 bulan setelah penyerbukan warnanya masih putih kehijau-hijauan, tetapi 3-6 bulan berikutnya warnanya berubah menjadi kuning.
2. Daging buah (pulp,mesocarp) yang pada 3 bulan pertama tersusun dari air, serat, khloropil, dan 3 bulan selanjutnya terjadi pembentukan minyak dan karoten.
3. Cangkang (tempurung, shell, endocarp) yang pada tahap awal tipis dan lembut, tetapi setelah berumur 3 bulan bertambah tebal dan keras serat warnanya berub ahdari putih menjadi coklat muda kemudian coklat.
4. Inti (kernel,endosperm) yang mula-mula cair, kemudian lunak dan akhirnya padat serta agak keras (Lubis, 2008).
Membrondolnya buah secara normal terjadi pada 150 – 155 hari setelah antesis (dengan selang tertentu; secara individual berkisar 120 – 200 hari setelah antesis). Semua buah akan membrondol dari tandan buah dalam waktu 2- 4 minggu atau sedikit lebih lama pada tandan buah yang besar. Proses membrondolnya buah dapat ditunda dengan menyeprotkan zat pengatur tumbuh, seperti auksin, asam gibberelat, atau etephon (Pahan, 2006).
2.2. Pasca panen kelapa sawit
Berdasarkan tinggi tanaman, ada tiga cara panen yang umum dilakukan oleh perkebunan kelapa sawit di Indonesia. Untuk tanaman yang tingginya 2 - 5 m digunakan cara panen jongkok dengan alat panen dodos, sedangkan tanaman ketinggian 5 – 10 m dipanen dengan cara berdiri dan menggunakan alat kampak siam. Sementara itu, dengan cara egrek digunakan untuk tanaman yang tingginya lebih dari 10 m, yaitu dengan menggunakan alat arit bergagang panjang. Untuk memudahkan pemanenan, sebaiknya pelepah daun yang menyangga buah dipotong terlebih dahulu dan diatur rapi ditengah gawangan (Fauzi dkk, 2012).
Komposisi fraksi tandan yang biasanya ditentukan dipabrik sangat dipengaruhi perlakuan sejak awal panen. Faktor penting yang cukup berpengaruh dalam kematangan buah dan tingkat kecepatan pengangkutan buah ke pabrik. Fraksi – fraksi tandan buah segar tersebut sangat mempengaruhi mutu panen termasuk kualitas minyak sawit yang dihasilkan (Tabel 1 ) (Fauzi dkk, 2012)
Tabel 1. Kriteria Tingkat Kematangan Sawit menurut Pusat Penelitian Marihat.
No Fase Buah Fraksi
Buah Jumlah Brondolan Tingkat Kematangan
1 Muda 00 Tidak ada, buah
berwarna hitam Sangat mentah
Muda 0 1-12,5% buah luar Mentah
membrondol 2 Kurang
matang 1
12,5-25% buah
luar membrondol Kurang matang
3 Matang 2 25-50% buah luar
membrondol Matang I
Matang 3 50-75% buah luar
membrondol Matang II
4
Lewat 4
75-100% buah luar
membrondol Lewat matang I
Lewat 5
Buah dalam juga membrondol, ada buah yang busuk
Lewat matang II Sumber : Fauzi dkk, 2012.
Buah yang telah matang akan terlepas dari tandan nya (disebut dengan membrodol). Kondisi ini merupakan tanda kematangan buah. Semakin banyak buah yang membrondol, berarti buah semakin matang. Untuk mempermudah pengolahan dan penyeragaman kualitas tandan (Pardamean, 2008).
2.3. Pengolahan Citra (Image processing)
Pengolahan citra digital dapat dilakukan berbagai cara diantaranya adalah representasi dan pemodelan citra, peningkatan kualitas citra, restorasi citra, analisis citra, rekonstruksi citra dan kompresi citra. Pengolahan citra digital pada paper ini difokuskan pada teknik peningkatan mutu pada domain spasial, khususnya penggunaan untuk teknik deteksi tepian (edge detection). Teknik image enhancement digunakan untuk meningkatkan kualitas suatu citra digital, baik dalam tujuan untuk menonjolkan suatu ciri tertentu dalam citra tersebut maupun untuk memperbaiki aspek tampilan. Proses ini biasanya didasarkan pada prosedur yang bersifat eksperimental, subjektif, dan bergantung pada tujuan yang hendak dicapai (Rada, 2018).
Secara harafiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam (Iriyanto dan Zaini 2014).
Citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat:
1. Optik berupa foto.
2. Analog berupa sinyal video seperti gambar pada monitor televisi.
3. Digital yang dapat langsung disimpan pada suatu pita magnetik.
Penggunaan citra digital semakin meningkat karena kelebihan-kelebihan yang dimiliki oleh citra digital tersebut, antara lain kemudahan dalam mendapatkan gambar, memperbanyak gambar, pengolahan gambar dan lain-lain. Tetapi tidak semua citra digital memiliki tampilan visual yang memuaskan mata manusia.
Ketidakpuasan itu dapat timbul karena adanya noise, kualitas pencahayaan pada citra digital yang terlalu gelap atau terlalu terang. Sehingga diperlukan metode untuk dapat memperbaiki kualitas citra digital tersebut. Untuk meningkatkan kualitas citra dari sisi kontras warna maka kita bisa memberikan perlakuan pada histogramnya dan Perlakuan yang dimaksud di dalam artikel ini adalah equalization histogram pada citra dalam level ke-abu-an kemudian histogram citra dikatakan baik bila mampu melibatkan semua level atau aras yang mungkin pada level ke-abu-an. Tentu saja tujuannya agar mampu menampilkan detil pada citra sehingga mudah untuk diamati. Proses segmentasi dan perbaikan citra digital ini dilakukan dengan menggunakan matlab (Ahmad dan Arifyanto 2012).
Proses peningkatan mutu citra bertujuan untuk memperoleh citra yang dapat memberikan informasi sesuai dengan tujuan atau kepentingan pengolahan citra.
Proses peningkatan mutu citra ini termasuk memperbaiki citra yang ketika proses akuisisi mengalami ganguan yang signifikan seperti noise, gangguan geometris, radiometrik dan beberapa gangguan faktor alam lainnya. Secara umum domain dalam pengingkatan mutu citra ini dapat dilakukan secara spasial dan frekuensi.
Domain spasial melakukan manipulasi nilai piksel secara langsung dengan dipengaruhi oleh nilai piksel lainnya secara spasial sedangkan domain frekuensi berdasarkan frekuensi spektrum citra (Rada, 2018).
Grafika Komputer bertujuan menghasilkan citra (lebih tepat disebut grafik atau picture) dengan primitif-primitif geometri seperti garis, lingkaran, dan sebagainya. Primitif-primitif geometri tersebut memerlukan data deskriptif untuk melukis elemen elemen gambar. Contoh data deskriptif adalah koordinat titik, panjang garis, jari-jari lingkaran, tebal garis, warna, dan sebagainya. Grafika komputer memainkan peranan penting dalam visualisasi dan virtual reality (Iriyanto dan Zaini 2014)
Bagi Indonesia, tanaman kelapa sawit memiliki arti penting bagi pembangunan perkebunan nasional. Selain mampu menciptakan kesempatan kerja yang mengarah pada kesejahteraan masyarakat, juga sebagai sumber perolehan devisa negara. Ilmu yang mempelajari bagaimana membuat suatu mesin seolah-olah memiliki kecerdasan buatan dalam memecahkan suatu masalah yang diberikan padanya disebut dengan artificial intelligence atau kecerdasan buatan (Wahyuni dkk, 2014).
Data Deskriptif
Grafika Komputer
Citra
Sistem pakar membuat salah satu software yang dapat menduplikasi fungsi seorang pakar dalam suatu bidang keahlian. Hal ini dilakukan dengan cara memberi basis pengetahuan dan inferensi sehingga dapat menggunakan penalaran dalam memecahkan masalah. Program ini bertindak sebagai seorang penasehat dalam suatu lingkungan keahlian tertentu. Salah satu aplikasi sistem pakar adalah dalam bidang perkebunan khususnya yang digunakan untuk mendiagnosa penyakit pada tanaman kelapa sawit (Wahyuni dkk, 2014).
2.3.1. Dasar Pengolahan Citra a. Citra Warna
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru (Gambar 2.1) digabungkan dan membentuk suatu susunan warna yang luas.
Setiap warna dasar, misalnya merah, dapat diberi rentang nilai. Untuk monitor komputer, nilai rentangnya paling kecil = 0 dan paling besar = 255.
Pilihan skala 256 ini didasarkan pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer. Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 = 1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x, komponen-y, dan komponen-z. Misalkan sebuah vektor dituliskan sebagai r = (x,y,z). Untuk warna, komponen-komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue) (Kusumanto dkk, 2011).
Gambar 2.1. Komposisi Warna RGB Sumber : Mulyawan dkk, 2011.
b. Format Citra Digital
Citra Digital memiliki beberapa format yang memiliki karakteristk tersendiri.
Format pada citra digital ini umumnya berdasarkan tipe dan cara kompresi yang digunakan pada citra digital tersebut. MenurutKusumanto dkk (2011).
c. Citra Biner
Citra biner adalah citra dengan setiap piksel hanya dinyatakan dengan sebuah nilai dari dua kemungkinan (yaitu nilai 0 dan 1). Nilai 0 menyatakan warna hitam dan nilai 1 menyatakan warna putih. Citra jenis ini banyak dipakai dalam pemrosesan citra, misalnya untuk kepentingan memperoleh tepi bentuk suatu objek (Nafi'iyah, 2015).
a.
Gambar 2.2. Proses Deteksi Tepi Citra Sumber : Rada, 2018.
Proses deteksi tepi (edge detection) (gambar 2.2) dapat dikelompokkan berdasarkan operator atau metode yang digunakan dalam proses pendeteksian tepi suatu citra untuk memperoleh citra hasil (Rada, 2018)
Pada deteksi tepi (Edge detection) terdapat beberapa metode seperti : 1. Metode robert
Metode robert adalah nama lain dari teknik differensial pada arah horizontal dan differensial pada arah vertikal, dengan ditambahkan proses konversi biner setelah dilakukan differensial. Teknik konversi biner yang disarankan adalah konversi biner dengan meratakan distribusi warna hitam dan putih.. Metode robert ini juga disamakan dengan teknik DPCM (Differential Pulse Code Modulation) (Rada, 2018).
2. Metode Prewitt
Metode ini menggunakan persamaan yang sama dengan operator sobel hanya saja terbalik. Operator ini lebih sensitif terhadap tepian horizontal dan vertikal dari pada tepian diagonal. Operator prewitt menggunakan kernel berukuran 3x3 piksel (Yodha dan Achmad, 2014).
3. Metode Sobel
Metode sobel merupakan pengembangan metode robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini
mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi (Rada, 2018).
2.3.2 Perbaikan Citra
Perbaikan citra merupakan salah satu metode yang sederhana dan cukup menarik bidang pengolahan citra digital. Pada dasarnya, ide di balik teknik perbaikan citra adalah untuk memperbaiki detail yang dikaburkan, atau hanya untuk menyorot fitur tertentu yang menarik di gambar. Oleh karena itu, peningkatan kualitas suatu citra yang terdegradasi dilakukan dengan menerapkan teknik perbaikan citra (Ahmad dan Arifyanto 2012).
a. Histogram Equalitation (HE)
Metode Histogram Equalitation (HE) (gambar 2.3) merupakan salah satu teknik yang cukup populer untuk meningkatkan kualitas citra digital. Konsep dasar dari Histogram Equalization adalah dengan men-strecth histogram, sehingga perbedaan pixel menjadi lebih besar. Dengan kata lain, informasi menjadi lebih kuat sehingga secara kasat mata dapat menangkap informasi yang disampaikan (Astawa dan Elina, 2016).
Gambar 2.3.Histogram Sumber : (Dokumentasi Pribadi).
b. Brightness
Brightness adalah nama lain dari tingkat kecerahan/intensitas cahaya. Elemen ini menyatakan banyaknya cahaya yang diterima oleh mata. Elemen ini dapat dirasakan sebagai lampu penerang berwarna putih ketika kita melihat suatu benda. Semakin terang cahaya lampu tersebut (Tingkat kecerahan/brightness tinggi), benda yang kita lihat akan semakin putih. Semakin redup (Tingkat kecerahan/brightness rendah), benda yang kita lihat semakin gelap. Dan ketika tidak ada cahaya lampu (tingkat kecerahan/brightness = 0), benda yang kita lihat berwarna hitam (Handoyo, 2006).
2.3.3 Image –J
Image-J adalah software gratis (free-Software) untuk pengolahan gambar digital berbasis Java yang dibuat oleh Wayne Rasband dari Research Services Branch, National Institute of Mental Health, Bethesda, Maryland, USA. Penggunaan ImageJ dalam analisis gambar digital telah digunakan secara luas dalam bidang kesehatan dan biologi (Kurniawan dkk, 2011).
Image-J merupakan perangkat lunak yang dapat diunduh secara gratis dari http://rsb.info.nih.gov/ij/. Perangkat lunak yang telah diunduh dapat dipasangkan ke komputer dengan menjalankan paket program tersebut. Ada dua macam versi yang dapat diunduh melalui alamat tersebut yaitu versi-32 bit dan versi-64 bit.
Image-J dapat di-upgrade versi terbarunya dengan cara membuka Image-J lalu mengklik Help > Update atau dengan cara membuka link http://rsb.info.nih.gov/ij/upgrade/ (Kurniawan dkk, 2011).
2.3.4 Filter Binary
Setiap piksel hanya terdiri dari warna hitam atau putih, karena hanya ada dua warna untuk setiap piksel, maka hanya perlu 1 bit per piksel (0 dan 1) atau apabila dalam 8 bit ( 0 dan 255), sehingga sangat efisien dalam hal penyimpanan.
Gambar yang direpresentasikan dengan biner sangat cocok untuk teks (dicetak atau tulisan tangan), sidik jari (finger print), atau gambar arsitektur. Binary image merupakan hasil pengolahan dari black and white image (Kusumanto dkk 2011).
