METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID
Ferisa Setiyaningrum1, Kartika Firdausy2
Program Studi Teknik Elektro, Fakultas Teknologi Industri, Universitas Ahmad Dahlan Jl. Prof. Dr. Soepomo, Janturan, Warungboto, Yogyakarta 55164
Telp. 0274-563515, Fax. 0274-564064 Email : Ferisa17@ee.uad.ac.id1, kartika@ee.uad.ac.id2
Abstrak
Telur sebelum dikonsumsi perlu melalui empat tahap, yaitu pengumpulan, pencucian, penilaian kualitas, dan tahap pengemasan. Tahap penilaian kualitas masih dilakukan secara manual. Penelitian ini merancang sebuah sistem segmentasi untuk deteksi kualitas telur ayam ras berwarna coklat dengan pengolahan citra menggunakan metode thresholding. Dilakukan analisis untuk mendapatkan jarak ambil citra dan nilai ambang yang memberikan hasil segmentasi terbaik. Implementasi dibuat dengan Eclipse ADT, library Open CV, dan smartphone berbasis android Jelly-bean. Piksel dengan nilai di bawah ambang akan menghasilkan warna hitam sedangkan untuk piksel yang memiliki nilai lebih dari ambang akan menghasilkan warna putih. Berdasarkan hasil pengujian, persentase keberhasilan adalah 80%, dengan jarak ambil terbaik adalah 10 cm serta nilai ambang 125 dan 128.
Kata kunci: segmentasi, thresholding, telur, android
1. PENDAHULUAN
Telur merupakan sumber pakan bergizi tinggi bagi manusia dengan kandungan energi rendah tetapi kandungan protein (asam amino) di dalamnya sangat seimbang serta kandungan lemak mudah tercerna. Di samping susu, telur adalah bahan makanan yang kaya akan fosfor dan kalsium yang merupakan elemen makanan pada manusia. Kuning telur merupakan sumber utama dari zat besi di samping itu juga terdapat natrium. Telur juga merupakan sumber dari vitamin A (selain dari hati dan mentega) yang diperoleh dari pakan yang dikonsumsi. Kondisi ini juga diketemukan pada vitamin D, B1 dan B2 dan asam protenat. Jumlah vitamin A dan B2 dari sebutir telur sebanding dengan 200 ml susu tetapi, vitamin D lebih banyak pada telur dibandingkan pada susu (Yuwanta, 2010). Proses pemilahan telur hingga sebelum dikonsumsi oleh manusia melalui empat tahap yaitu tahap pengumpulan, tahap pencucian, tahap penilaian kualitas, dan tahap pengemasan. Tahap pertama, kedua, dan keempat sudah dilakukan dengan cara mekanisasi, sedangkan tahap penilaian kualitas masih dilakukan secara manual. Penilaian kualitas ini didasarkan pada kerusakan utamanya yaitu ada bercak darah (blood spot), retak (crack), dan noda kotoran (dirt stains) (Alegre, dkk, 2000).
Menurut Achmad dan Firdausy (2013), pengolahan citra merupakan salah satu cabang disiplin ilmu yang bertujuan untuk membantu penglihatan manusia dalam hal menganalisis citra dengan menggunakan komputer untuk tujuan tertentu. Tujuan utama dari pengolahan citra adalah memperbaiki kualitas citra agar lebih mudah diinterpretasikan oleh manusia atau mesin (komputer). Tujuan lain dari pengolahan citra yaitu untuk menganalisis suatu citra untuk mendapatkan suatu informasi sehingga dapat digunakan untuk mengambil suatu keputusan.
Thresholding
Operasi pengambangan (thresholding) digunakan untuk mengubah citra dengan format skala keabuan, yang mempunyai kemungkinan nilai lebih dari 2, ke citra biner, yang hanya memiliki 2 buah nilai (0 atau 1). Dalam hal ini, titik dengan nilai rentang nilai keabuan tertentu diubah menjadi berwarna hitam dan sisanya menjadi putih, atau sebaliknya (Achmad dan Firdausy, 2013).
Pengambangan tunggal
Operasi ini memiliki sebuah nilai batas ambang (threshold). Grayscale Transformation
Function (Fungsi GST) yang digunakan seperti pada persamaan (1) atau persamaan (2).
ambang
K
ambang
K
K
i i o1
,
jika
jika
,
0
... (1) atau
ambang
K
ambang
K
K
i i o1
,
jika
jika
,
0
... (2)Penelitian sebelumnya yang dilakukan oleh Khabibulloh, dkk (2012), mendeteksi keberadaan dan kualitas embrio di dalam telur. Sistem menggunakan laser He-Ne dengan daya 10mW dan λ 633nm sebagai sumber cahaya dan web-cam auto focus sebagai penangkap citra telur. Kemudian pemrosesan dilakukan didalam PC.
Kusumadewi (2005), menggunakan metode thresholding untuk mendeteksi kerusakan telur. Pengambilan citra telur dilakukan secara manual menggunakan kamera digital, selanjutnya citra yang didapatkan dipindahkan ke dalam PC untuk diproses dengan metode thresholding.
Penelitian yang dilakukan oleh Arivazhagan, dkk (2013) adalah melakukan deteksi eksternal dan internal dari telur menggunakan mesin visi. Cacat telur pada bagian luar dideteksi melalui keretakan yang tampak dan noda pada kerabang, sedangkan cacat telur bagian dalam ditandai dengan adanya bercak darah (blood spot) pada bagian dalam telur. Deteksi blood spot dalam telur melalui empat langkah perbaikan citra yaitu penambahan nilai RGB, konversi skala keabuan, image filtering dan konversi ke citra biner.
Penelitian ini merancang sebuah aplikasi segmentasi untuk deteksi kualitas telur ayam ras berwarna coklat dengan pengolahan citra menggunakan metode thresholding, mencari jarak ambil citra dan nilai ambang untuk mendapatkan hasil segmentasi terbaik. Seperti sebuah penelitian yang telah dilakukan oleh Purnomo, dkk (2015) berjudul Digitalisasi Lecturing Note, yang mengujikan beberapa nilai ambang, untuk mendapatkan hasil goresan paling jelas di atas sebuah kertas putih setelah dilakukan proses pengolahan citra dengan metode thresholding. Hidayat (2013) membuat sebuah sistem untuk mengukur volume barang dengan WebCam. Pengambilan gambar dengan
WebCam dilakukan dengan jarak yang berbeda-beda menyesuaikan besar kecilnya obyek, agar
didapatkan hasil pengukuran volume yang akurat.
Menurut Sudaryani (1996), telur akan mengalami perubahan kualitas seiring dengan semakin lamanya waktu penyimpanan. Pada saat telur disimpan akan terjadi pemindahan air dari putih telur ke kuning telur. Transfer ini sebanyak 10 mg/hari pada temperature 10˚C. besarnya transfer air ini tergantung dari tebalnya putih telur dan temperatur (Yuwanta, 2010).
2. METODOLOGI 2.1. Rancangan Sistem
Perancangan alat yang digunakan dalam penelitian ini ditunjukkan pada Gambar 1, yaitu berupa kotak dengan tinggi 17,5 cm dan lebar 11,5 cm. Tutup kotak dilubangi dengan bentuk lingkaran berdiameter 3 cm, untuk meletakkan telur yang akan diambil citranya. Pada bagian dalam kotak terdapat sebuah persegi dengan lubang yang berukuran sama dengan tutupnya. Potongan persegi berlubang pada bagian dalam berfungsi sebagai penyangga sumber cahaya yang berupa lampu senter.
Sebelum segmentasi dengan metode thresholding dilakukan, diperlukan pencahayaan terhadap obyek telur, agar dapat terlihat kondisi internal telur, serta dapat dibedakan antara kuning telur dan putih telur. Citra telur ditangkap menggunakan kamera smartphone berbasis Android. Penangkapan citra telur dilakukan dengan mode grayscale menggunakan aplikasi Kamera yang telah dibuat
secara realtime. Proses terakhir adalah segmentasi yang dilakukan secara offline pada citra grayscale melalui aplikasi Tresh_Egg.
Gambar 1. Desain perancangan alat 2.2. Aplikasi Kamera
Gambar 2 merupakan tampilan aplikasi Kamera yang berfungsi sebagai penangkap citra telur secara realtime dengan mode grayscale.
+ -R G B G ra y s c a le
Gambar 2. Implementasi Aplikasi Kamera Proses penangkapan citra obyek telur dijelaskan sebagai berikut:
a. Aplikasi dijalankan secara otomatis ketika aplikasi Kamera terbuka, dengan mode awal adalah mode RGB (citra true colour).
b. Ketika tombol Option pada perangkat smartphone ditekan, maka 2 pilihan menu akan muncul pada layout, yaitu menu RGB dan menu Grayscale. Penangkapan citra telur dilakukan secara realtime.
2.3. Aplikasi Thres_Egg
Aplikasi Tresh_Egg berfungsi melakukan proses segmentasi dengan metode thresholding secara offline. Implementasi aplikasi Tresh_Egg ditunjukkan pada Gambar 3.
+ -R G B G ra y s c a le
Gambar 3. Implementasi Aplikasi Thress_Egg Penjelasan proses segmentasi seperti di bawah ini:
a. Aplikasi dijalankan, kemudian menekan tombol Ambil Citra untuk menginputkan citra
grayscale telur yang telah disimpan dalam memori smartphone.
b. Citra yang telah diambil dari memori smartphone akan tertampil pada layar smartphone. Proses segmentasi dimulai dengan menekan tombol Thresholding.
3. HASIL DAN PEMBAHASAN
Hasil proses segmentasi digunakan untuk memutuskan apakah kualitas telur bagus atau rusak. Telur dengan kualitas bagus ditandai dengan hasil segmentasi yang menunjukkan area berwarna terang/ putih dan gelap/ hitam, sedangkan telur dengan kondisi rusak memberikan hasil segmentasi cenderung gelap. Pengujian menggunakan 10 butir telur, terdiri dari 5 butir dengan kondisi bagus dan 5 butir dengan kondisi rusak.
3.1. Pengujian Telur Kondisi Bagus
Tabel 1 menunjukkan data salah satu citra grayscale telur dengan kondisi bagus yang diambil pada jarak 5 cm, 10 cm, 15 cm dan dilakukan segmentasi menggunakan metode thresholding dengan nilai ambang 122, 125, dan 128.
Segmentasi yang diberikan pada citra grayscale jarak 5 cm dapat membedakan bagian kuning dan putih telur. Hanya saja, hasil segmentasi yang didapatkan tidak terlalu bersih karena jarak yang terlalu dekat. Masih terdapat beberapa bintik hitam yang terlihat. Bintik hitam tersebut didapatkan dari warna cangkang telur yang memiliki warna lebih gelap, karena kebanyakan cangkang telur tidak berwarna coklat muda polos tanpa bintik gelap. Thresholding dengan nilai 122 menghasilkan warna yang lebih terang dibandingkan 125 dan 128. Warna terang yang dihasilkan ketika nilai ambang 122, terlihat pada lebarnya area putih pada permukaan telur akibat pantulan cahaya yang muncul di permukaan cangkang. Nilai ambang 122 dan 128 memberikan warna yang lebih gelap, sehingga dapat meminimalisir cahaya pantul pada permukaan, akan tetapi menampakkan banyak bintik hitam pada telur. Tiga nilai ambang yang diberikan pada jarak 5 cm memberikan keberhasilan segmentasi yang sangat kecil.
Hasil segmentasi dengan ketiga nilai ambang pada jarak 10 cm dan 15 cm terlihat lebih baik daripada yang dilakukan terhadap jarak 5 cm. Data pada Tabel 1 menunjukkan segmentasi yang dilakukan pada telur sedikit menghasilkan bintik hitam yang muncul karena jarak yang tidak terlalu dekat. Hanya saja pada jarak 15 cm, pengambilan citra grayscale terlalu jauh, sehingga bagian dari putih telur hanya terlihat sebagian kecil saja.
Hasil segmentasi pada jarak 10 cm menunjukkan jika nilai ambang 125 dan 128 memberikan keberhasilan segmentasi yang lebih tinggi dibandingkan nilai ambang 122. Nilai ambang 122 memberikan segmentasi yang cukup terang pada citra, sehingga mendapatkan hasil segmentasi yang kurang baik. Pengujian nilai ambang yang dilakukan terhadap telur dengan kondisi bagus menunjukkan jika pada jarak 10 cm segmentasi yang dilakukan mendapatkan hasil yang lebih baik dibandingkan dengan kedua jarak lainnya.
Tabel 1. Hasil segmentasi citra telur kondisi bagus Jarak 5 cm T = 122 T = 125 T = 128
Jarak 10 cm T = 122 T = 125 T = 128
Jarak 15 cm T = 122 T = 125 T = 128
3.2. Pengujian Telur Kondisi Rusak
Tabel 2 menunjukkan data salah satu citra grayscale telur dengan kondisi rusak yang diambil pada jarak 5 cm, 10 cm, dan 15 cm dan telah dilakukan segmentasi menggunakan metode
thresholding dengan nilai ambang 122, 125, dan 128.
Hasil segmentasi pada Tabel 2 memperlihatkan bahwa pada jarak ambil citra grayscale 5 cm, diperoleh hasil yang kurang bersih akibat pantulan sumber cahaya ruangan pada permukaan telur. Pantulan cahaya pada permukaan telur yang cukup luas menghasilkan area dengan warna terang setelah dilakukan segmentasi.
Besar nilai ambang yang digunakan untuk segmentasi citra telur dengan kondisi rusak tidak begitu banyak memberikan pengaruh karena hanya dominan dengan warna gelap saja. Munculnya area dengan warna terang pada permukaan telur rusak dapat diminimalisir ketika pengambilan citra
grayscale berada pada jarak 10 cm dan 15 cm. Pada jarak yang tidak terlalu dekat seperti sebelumnya,
Tabel 2. Hasil segmentasi citra telur kondisi rusak Jarak 5 cm T = 122 T = 125 T = 128 Jarak 10 cm T = 122 T = 125 T = 128 Jarak 15 cm T = 122 T = 125 T = 128 . 3.3. Pengujian keseluruhan
Pengujian dilakukan terhadap 10 butir telur, 5 telur keadaan bagus dan 5 sisanya kondisi rusak. Setiap telur dilakukan pengambilan citra sebanyak dua kali, sehingga diperoleh 20 citra sampel. Besar iluminasi yang diberikan sumber cahaya terhadap telur sebesar 450 lux. Tabel 3 menunjukkan adanya segmentasi yang tidak berhasil pada telur kondisi bagus. Hal ini bukan berarti bahwa telur tersebut tidak layak konsumsi, akan tetapi terdapat ketidaksesuaian kondisi yang didapatkan ketika proses segmentasi. Penilaian keberhasilan atau tidak pada proses segmentasi dilakukan secara pengamatan visual, yaitu dengan mengamati kondisi yang dihasilkan oleh proses segmentasi. Segmentasi menghasilkan sebuah kondisi citra dengan 2 komponen warna yaitu hitam/gelap dan terang/putih. Segmentasi yang tidak berhasil pada telur kondisi bagus terjadi karena faktor jarak pengambilan yang terlalu dekat atau terlalu jauh dan juga akibat dari cangkang telur yang terlalu tebal sehingga ketika dilakukan penyinaran tidak diperoleh perbedaan area gelap dan terang yang signifikan. Dari data pada Tabel 3 diperoleh akurasi tertinggi adalah 80% pada jarak 10 cm, nilai ambang sebesar 125 dan 128.
4. KESIMPULAN
a. Telah berhasil dibangun aplikasi untuk segmentasi citra telur ayam menggunakan metode
thresholding berbasis android menggunakan Eclipse ADT Juno dan Library OpenCV 2.9.
b. Jarak pengambilan citra dan nilai ambang untuk mendapatkan hasil segmentasi terbaik adalah pada jarak 10 cm serta nilai ambang 125 dan 128.
c. Hasil pengujian segmentasi 20 citra telur pada jarak 10 cm dan batas ambang 128 memberikan tingkat keberhasilan sebesar 80%.
Tabel 3. Hasil pengujian segmentasi (S= kondisi bagus; R= kondisi rusak; B= segmentasi berhasil; T= segmentasi tidak berhasil)
Sampel
Hasil Segmentasi T = 122 T = 125 T = 128 Jarak (cm) Jarak (cm) Jarak (cm)
5 1 0 15 5 1 0 1 5 5 1 0 15 S 1.1 T B B T B B T B B S 1.2 B B B T B B T B B S 2.1 B T B T B T B B T S 2.2 B T T B B T B B T S 3.1 T T T T T B T T B S 3.2 T T T T T B T T B S 4.1 B B T T B T T B T S 4.2 B B T T B T T B T S 5.1 B T T T B T T B T S 5.2 B T T T B T T B T R 1.1 T T B T T B T T B R 1.2 T T B T T B T T B R 2.1 T B B T B B T B B R 2.2 T B B T B B T B B R 3.1 T B B T B B T B B R 3.2 T B B T B B T B B R 4.1 T B B T B B T B B R 4.2 T B B T B B T B B R 5.1 T B B T B B T B B R 5.2 T B B T B B T B B Akurasi (%) 35 6 0 65 5 8 0 7 0 1 0 8 0 70 5. SARAN
1. Menambahkan metode untuk melakukan perhitungan piksel gelap dan terang sehingga dapat memunculkan sebuah notifikasi kualitas telur secara otomatis.
2. Perlu diperhitungkan pengaturan letak sumber cahaya ruangan untuk meminimalisir munculnya pantulan cahaya pada permukaan obyek telur, serta parameter sudut pengambilan citra.
3. Penerapan metode segmentasi yang lain.
4. Pengembangan aplikasi untuk melakukan proses segmentasi secara realtime. DAFTAR PUSTAKA
Achmad, B., Firdausy, K. (2013). Pengolahan Citra Digital menggunakan Delphi. Yogyakarta: Penerbit ANDI.
Alegre, M. C. G., Ribeiro, A., Guinea, D., Cristobal, G. (2000). Color index analysis for automatic detection of eggshell defects. Spanish Council for Scientific Research. 380-387
Arivazhagan, S., Kannan, R.R., Ramesh, R., Shebiah, R.N., Sudharsan, H. (2013). External and Internal Defect Detection of Egg using Machine Vision. Journal of Emerging Trends in
Computing and Information Sciences. 4(3): 257-262.
Hidayat, R. (2013). Sistem Pengukur Volume Barang Menggunakan WebCam. Skripsi tidak dipublikasikan. Yogyakarta: Universitas Ahmad Dahlan
Khabibulloh, M. A., Kusumawardhani, A., Pratama, D.Y. (2012). Rancang Bangun Sistem Deteksi Embrio Pada Telur Menggunakan Webcam. Jurnal Teknik Pomits. 1(1): 1-6.
Kusumadewi D. I. (2005). Aplikasi Pengolahan Citra Menggunakan Metode Thersholding Untuk
Deteksi Kerusakan Telur. Skripsi tidak dipublikasikan. Yogyakarta: Universitas Ahmad
Dahlan.
Purnomo, L., Liliana., Gunadi, K. (2015). Digitalisasi Lecturing Note. Jurnal Infra. 3(1). Sudaryani, T. (1996). Kualitas Telur. Jakarta : Penebar Swadaya.
