PEMUTUAN DAN PENGHITUNGAN BIBIT IKAN LELE DENGAN METODE IMAGE PROCESSING
MENGGUNAKAN PARAMETER LUAS DAN PANJANG TUBUH IKAN
Oleh
RENATO SAKSANNI F14102074
2008
DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
PEMUTUAN DAN PENGHITUNGAN BIBIT IKAN LELE DENGAN METODE IMAGE PROCESSING
MENGGUNAKAN PARAMETER LUAS DAN PANJANG TUBUH IKAN
SKRIPSI
Sebagai salah satu syarat memperoleh gelar SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh
RENATO SAKSANNI F14102074
2008
DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN
DEPARTEMEN TEKNIK PERTANIAN
PEMUTUAN DAN PENGHITUNGAN BIBIT IKAN LELE DENGAN METODE IMAGE PROCESSING
MENGGUNAKAN PARAMETER LUAS DAN PANJANG TUBUH IKAN
SKRIPSI
Sebagai salah satu syarat memperoleh gelar SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh
RENATO SAKSANNI F14102074
Dilahirkan pada tanggal 19 Juli 1984 di Surabaya
Tanggal Lulus : September 2008 Menyetujui,
Dr. Ir. I Wayan Astika, M.Si Dosen Pembimbing Skripsi
Mengetahui,
Dr. Ir. Wawan Hermawan, MS Ketua Departemen Teknik Pertanian
RENATO SAKSANNI. F14102074. Pemutuan dan Penghitungan Bibit Ikan Lele Dengan Metode Image Processing Menggunakan Parameter Luas Dan Panjang Tubuh Ikan. Di bawah bimbingan : I Wayan Astika. 2008.
RINGKASAN
Penghitungan bibit ikan yang dilakukan dengan cara manual memiliki banyak kelemahan, antara lain: subyektifitas penghitungan, waktu yang lambat, kelelahan dalam penghitungan, dan akurasi yang tidak memadai khususnya untuk menghitung bibit ikan dalam jumlah yang besar. Salah satu metode penghitungan dan pemutuan bibit ikan lele untuk menggantikan cara manual adalah metode image processing. Image processing dapat dijadikan sebuah alternatif karena metode ini bersifat tidak merusak objek (non destructive). Metode ini berkembang seiring dengan peningkatan kecepatan komputer dalam mengolah data, sehingga metode ini diharapkan mampu membantu penghitungan dan pemutuan bibit lele dengan akurat dan murah.
Tujuan penelitian ini adalah membangun perangkat lunak untuk mengenali dan membedakan ikan lele dari warna latar pengambilan gambar. Selain itu juga bertujuan membangun perangkat lunak untuk melakukan penentuan mutu (grade) dan melakukan penghitungan bibit ikan lele menggunakan parameter luas dan panjang tubuh ikan.
Penelitian ini dirancang untuk dapat melakukan pemutuan di 3 lokasi berbeda yaitu (a) pada tempat terbuka dan terkena cahaya matahari langsung, (b) pada tempat naungan dari cahaya matahari, (c) pada tempat tertutup dengan intensitas cahaya tetap. Saat pengambilan citra ikan lele diposisikan secara acak dalam wadah plastik berdimensi 31.5 cm x 24 cm x 12.5 cm, dengan warna latar putih (R = 255, G = 255, B = 255) pada dasar wadah plastik. Pengambilan citra dilakukan bertahap pada masing-masing tingkat mutu sejumlah 30 ekor, dengan jumlah sampel 3 - 10 buah untuk setiap kali pengambilan data citra. Bibit ikan lele diupayakan tidak saling bertumpuk dan berdekatan satu dengan yang lain agar memudahkan komputer mengenali bibit satu demi satu. Warna putih (255, 255, 255) dipilih karena merupakan warna yang paling optimum digunakan pada tahap pengolahan citra.
Pada tahap pengolahan citra, citra digital hasil pengambilan oleh kamera digital diolah menggunakan perangkat lunak pengembang aplikasi Gambas.
Gambas digunakan untuk mendapatkan nilai color value dari citra yang sedang diolah. Nilai ini yang akan menghasilkan nilai intensitas R, G dan B untuk setiap piksel yang dianalisis. Nilai R, G dan B dari citra digunakan untuk memisahkan objek terhadap latar dengan konfigurasi algoritma penentuan parameter thresholding berdasarkan lokasi pengambilan citra digital yaitu di ruang terbuka, di bawah naungan, atau di ruang terkondisi (laboratorium). Algoritma penentuan parameter thresholding ini disusun menggunakan empat buah parameter yaitu nilai intensitas R, intensitas B , abs(R – G), dan abs(G – B), jika sebuah piksel memenuhi algoritma tersebut maka akan diubah menjadi citra biner hitam dan piksel dianggap sebagai piksel objek. Piksel yang tidak memenuhi algoritma akan diubah menjadi citra biner putih dan piksel dianggap sebagai piksel latar. Citra hasil pemisahan objek terhadap latar digunakan untuk mendapatkan nilai-nilai parameter pengolahan citra berupa luas objek (A) dan panjang objek (P).
Pada penelitian ini jumlah ikan lele akan dihasilkan dengan menjumlahkan objek ikan yang telah dipisahkan dari citra latar dan telah diberi label objek, sedangkan grade ikan lele dihasilkan melalui penjumlahan piksel panjang objek untuk parameter panjang dan dihasilkan melalui penjumlahan piksel luas objek untuk parameter luas.
Luas objek dihasilkan dengan membedakan citra objek dengan warna latar melalui proses analisa objek yang memiliki nilai intensitas warna hitam. Setiap objek diberikan label dan dikelompokan berdasarkan nilai labelnya melalui iterasi berulang hingga semua piksel objek memiliki label. Luas tiap objek dihitung melalui penghitungan jumlah piksel yang sama nilai labelnya. Label diberikan dengan merubah nilai R piksel, secara iteratif nilai objek pertama memiliki nilai R sebesar 254 kemudian dikurangkan 1 untuk objek berikutnya sehingga nilai label objek kedua sebesar 253 dan seterusnya hingga objek terakhir.
Panjang objek diperoleh melalui proses analisa piksel per piksel untuk menentukan apakah piksel objek dipertahankan atau dihapus. Proses ini menggunakan operasi thinning. Operasi thinning bekerja mengeliminasi piksel- piksel yang memenuhi kriteria algoritma thinning untuk dihilangkan sehingga dihasilkan kumpulan piksel yang terangkai pada garis tengah objek ikan lele.
Kumpulan piksel yang membentuk garis tengah inilah yang dijadikan nilai parameter panjang objek ikan. Panjang objek ikan akan dihitung berdasarkan jumlah piksel yang memiliki nilai label yang sama yaitu piksel yang memiliki nilai RGB(255-i, 0, 0).
Metode pengolahan citra yang dikembangkan mampu menduga grade bibit ikan lele dengan akurasi pada pengujian di ruang terbuka menggunakan parameter luas sebesar 77.78 % dan menggunakan parameter panjang sebesar 61.79 %, pengujian di naungan sinar matahari menggunakan parameter luas sebesar 86.67
% dan menggunakan parameter panjang sebesar 83.33 %, serta pengujian di ruang terkondisi menggunakan parameter luas sebesar 87.78 % dan menggunakan parameter panjang sebesar 64.44 %. Perangkat lunak pengolahan citra belum mampu mengenali dan memisahkan objek ikan lele yang bersinggungan.
Pengujian citra ikan lele yang bersinggungan di ruang terbuka menggunakan parameter luas sebesar 11.11 % dan menggunakan parameter panjang sebesar 14.44 %, pengujian di bawah naungan sinar matahari menggunakan parameter luas sebesar 11.11 % dan menggunakan parameter panjang sebesar 12.22 %, serta pengujian di ruang terkondisi menggunakan parameter luas sebesar 22.22 % dan menggunakan parameter panjang sebesar 25.56 %.
Pada penelitian selanjutnya perlu menentukan parameter pengolahan citra yang mampu mengabaikan kumis ikan lele, serta perlu menambahkan logika kecerdasan buatan berupa jaringan saraf tiruan atau logika fuzzy untuk menduga grade bibit ikan lele sehingga lebih akurat.
RIWAYAT HIDUP
Renato Saksanni, lahir di Surabaya pada tanggal 19 Juli 1984 dan
merupakan anak pertama dari tiga bersaudara dari ayah bernama Tony Suhardinoto dan ibu bernama Masrifah Enny. Penulis memulai pendidikan
formal pada tahun 1990 di SD Negeri Petemon XIII Surabaya. Penulis melanjutkan studi di SLTP Negeri 25 Surabaya pada tahun 1996, kemudian dilanjutkan di SMU Negeri 2 Surabaya pada tahun 1999. Pada tahun 2002, penulis melanjutkan studi di Departemen Teknik Pertanian IPB melalui jalur USMI.
Selama menjadi mahasiswa penulis aktif mengikuti beberapa organisasi yaitu Himpunan Mahasiswa Keteknikan Pertanian IPB (HIMATETA IPB), Himpunan Mahasiswa Surabaya Plus (HIMASURYA+), Bidang Kreasi Inovasi Multimedia Badan Kerohanian Islam Mahasiswa IPB (BKIMEDIA), dan Dewan Keluarga Mushalla Al – Fath FATETA IPB. Penulis juga tergabung dalam klub robot Departemen Teknik Pertanian IPB. Pada tahun 2005 dan 2006 penulis mengikuti Kontes Robot Cerdas Indonesia (KRCI) yang dilaksanakan di Kampus Universitas Indonesia di Depok, Jawa Barat. Penulis melakukan Praktek Lapangan (PL) pada tahun 2005 di PT. Kusuma Satria Dinasasri Wisatajaya di Batu, Jawa Timur.
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT, karena atas limpahan berkah dan nikmat-Nya penulis dapat menyelesaikan penelitian dengan judul “Pemutuan dan Penghitungan Bibit Ikan Lele Dengan Metode Image Processing Menggunakan Parameter Luas Dan Panjang Tubuh Ikan”.
Penulis mengucapkan terima kasih kepada :
1. Dr. Ir. I Wayan Astika, M.Si selaku dosen pembimbing akademik yang telah meluangkan waktu dan perhatian kepada penulis selama melakukan studi,
2. Dr. Ir. Usman Ahmad, M.Agr dan Ir. Mohamad Solahudin, M.Si selaku dosen penguji yang telah banyak memberikan masukan dan koreksi, 3. Ayah, Ibu, adik Nadya, adik Masya, dan Langit yang selalu mendoakan
dan memberikan semangat kepada penulis,
4. Mas Aji Wijaya, Mas Dian Wahyu, Kang Asep Supriatna, Mas Elvin, Mas Husein Assa’di, Mas Fibri Aris, Rikza Saifullah, Hikmat Maulana, Mas Harun, Kang Obo, Kang Ucuy yang memberi banyak ilmu pada penulis, 5. Basuki, Ridwan, Slamet W, Ichsan Nur, Deni Aki, Rahmat Ale,
Rayadeyaka, Siska di klub robot TEP, rekan – rekan di BKIM / BKIMEDIA (Molid, Ari Fahmi, Sigit, Emil, Bdul, Kafi), HIMATETA, dan HIMASURYA+.
6. Leo dan Kiki sebagai rekan seperjuangan penulis,
7. Rekan-rekan Teknik Pertanian Angkatan 39 atas kebersamaan selama studi.
Penulis menyadari bahwa dalam penulisan skripsi ini masih banyak kekurangan, oleh karena itu penulis mengharapkan saran dan kritik yang membangun dan semoga tulisan ini bermanfaat bagi pihak yang memerlukan di kemudian hari.
Bogor, Agustus 2008
Penulis
DAFTAR ISI
Halaman
KATA PENGANTAR ... ii
DAFTAR ISI ... iii
DAFTAR TABEL...v
DAFTAR GAMBAR ...vi
DAFTAR LAMPIRAN... viii
I. PENDAHULUAN A. LATAR BELAKANG...1
B. TUJUAN ...2
II. TINJAUAN PUSTAKA A. IKAN LELE ...3
B. CITRA DIGITAL ...4
C. PENGOLAHAN CITRA ( IMAGE PROCESSING) ...4
D. OPERASI THINNING ...6
E. AREA ( JUMLAH PIKSEL OBJEK ) ...8
F. WARNA ...8
G. GAMBAS ...9
H. PENELITIAN TERDAHULU ...10
III.METODE PENELITIAN A. WAKTU DAN TEMPAT PENELITIAN ...14
B. BAHAN DAN ALAT ...14
C. METODE PENELITIAN ...15
1. Pengambilan citra ...15
2. Pengolahan citra ...16
IV.HASIL DAN PEMBAHASAN A. PENGOLAHAN CITRA BIBIT IKAN LELE ...21
B. PENGUJIAN PERANGKAT LUNAK ...26
1. Pengujian pada ruang terbuka (langsung terkena sinar matahari) ...27
2. Pengujian di bawah naungan sinar matahari ...31
3. Pengujian di ruang terkondisi ...34
C. BEBERAPA KONDISI YANG MENYEBABKAN KESALAHAN PENDUGAAN PADA PERANGKAT LUNAK . ...37 V. KESIMPULAN DAN SARAN
A. KESIMPULAN ...48
B. SARAN ...49
DAFTAR PUSTAKA ...50
LAMPIRAN ...52
DAFTAR TABEL
Halaman Tabel 1. Nilai sinyal RGB pada algoritma penentuan parameter thresholding... 23 Tabel 2. Batasan nilai piksel untuk penentuan grade ikan lele berdasarkan
parameter luas ... 25 Tabel 3. Batasan nilai piksel untuk penentuan grade ikan lele berdasarkan
parameter panjang ... 25 Tabel 4. Hasil pengujian perangkat lunak pada ruang terbuka menggunakan
parameter luas ... 29 Tabel 5. Hasil pengujian perangkat lunak pada ruang terbuka menggunakan
parameter panjang ... 30 Tabel 6. Hasil pengujian perangkat lunak di bawah naungan sinar matahari
menggunakan parameter luas ... 33 Tabel 7. Hasil pengujian perangkat lunak di bawah naungan sinar matahari
menggunakan parameter panjang ... 33 Tabel 8. Hasil pengujian perangkat lunak pada ruang terkondisi menggunakan
parameter luas ... 36 Tabel 9. Hasil pengujian perangkat lunak pada ruang terkondisi menggunakan
parameter panjang ... 37 Tabel 10. Hasil pengujian citra ikan lele yang bersinggungan pada ruang terbuka
menggunakan parameter luas ... 45 Tabel 11. Hasil pengujian citra ikan lele yang bersinggungan pada ruang terbuka
menggunakan parameter panjang ... 45 Tabel 12. Hasil pengujian citra ikan lele yang bersinggungan di bawah naungan
sinar matahari menggunakan parameter luas... 46 Tabel 13. Hasil pengujian citra ikan lele yang bersinggungan di bawah naungan
sinar matahari menggunakan parameter panjang ... 46 Tabel 14. Hasil pengujian citra ikan lele yang bersinggungan pada ruang
terkondisi menggunakan parameter luas ... 47 Tabel 15. Hasil pengujian citra ikan lele yang bersinggungan pada ruang
terkondisi menggunakan parameter panjang ... 47
