84
APLIKASI DETEKSI KEMATANGAN BUAH SEMANGKA BERBASIS
NILAI RGB MENGGUNAKAN METODE THRESHOLDING
Maldini Yogi
Mahasiswa Teknik Informatika STMIK Budidarma. Jl. Sisingamangaraja No.338 Simpang Limun Medan
ABSTRAK
Aplikasi pengolahan citra mempermudah penggunanya dalam pengenalan pola yang berperan dalam memisahkan objek dari latar belakang secara otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin sehingga mempermudah dalam mengenali suatu objek. Perangkat lunak untuk mengolah citra digital juga sangat populer dalam perkembangannya, digunakan oleh pengguna untuk mendeteksi, mengolah foto atau untuk berbagai keperluan lain sebagai contoh, Adobe Photoshop dan GIMP (GNU Image Manipulation Program) yang menyajikan berbagai fitur dalam memanipulasi citra digital. Semangka atau tembikai (Citrullus lanatus, suku ketimun-ketimunan atau Cucurbitaceae) adalah tanaman merambat yang berasal dari daerah setengah gurun di Afrika bagian selatan. Tanaman ini masih sekerabat dengan labu-labuan (Cucurbitaceae), melon (Cucumis melo) dan ketimun (Cucumis sativus). Buah semangka memiliki kulit yang keras, berwarna hijau pekat atau hijau muda dengan larik-larik hijau tua. Tergantung kualitas dan varianya, daging buahnya yang berair berwarna merah atau kuning. Pengertian dasar thresolding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut.
Kata Kunci : Pengolahan Citra,Semangka, Thresholding.
I. PENDAHULUAN
Semangka atau tembikai (Citrullus lanatus, suku ketimun-ketimunan atau Cucurbitaceae) adalah tanaman merambat yang berasal dari daerah setengah gurun di Afrika bagian selatan. Tanaman ini masih sekerabat dengan labu-labuan (Cucurbitaceae), melon (Cucumis melo) dan ketimun (Cucumis sativus). Buah semangka memiliki kulit yang keras, berwarna hijau pekat atau hijau muda dengan larik-larik hijau tua. Tergantung kualitas dan varianya, daging buahnya yang berair berwarna merah atau kuning.
Kematangan buah semangka berkisar antara umur 75-100 hari setelah tanam. Pemetikan buah semangka dilakukan ketika buah semangka benar-benar matang. Untuk pemasaran jarak jauh, buah dapat dipetik lebih awal. Tingkat kematangan buah semangka tidak dapat di ukur dari besar buahnya. Tingkat kematangan buah semangka dapat diketahui dengan cara memukul buah semangka dengan jari atau tangan dengan mendengarkan bunyinya. Apabila bunyinya terlihat berat, tandanya buah telah matang. Sebaliknya, bunyi yang ringan menandakan buah masih muda.
Aplikasi pengolahan citra mempermudah penggunanya dalam pengenalan pola yang berperan dalam memisahkan objek dari latar belakang secara otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin sehingga mempermudah dalam mengenali suatu objek. Perangkat lunak untuk mengolah citra digital juga sangat populer dalam perkembangannya, digunakan oleh pengguna untuk mendeteksi, mengolah foto atau untuk berbagai keperluan lain sebagai contoh, Adobe Photoshop dan GIMP (GNU Image Manipulation Program) yang
menyajikan berbagai fitur dalam memanipulasi citra digital.
Beberapa penelitian sejenis yang melalukan proses seleksi berdasarkan citra (image) objek antara lain sebagai berikut, Garcia-Alegre dkk melakukan penelitian untuk mendeteksi permukaan kulit telur berdasarkan citra objek dengan menggunakan metode
Laplace. Pada penelitian tersebut, diambil komponen hijau (green) untuk menunjukkan perbedaan warna antara citra telur dan latar belakangnya. Citra telur akan diproses untuk mengetahui kerusakan permukaan telur menggunakan metode Laplace.
Kusumadewi melakukan penelitian untuk mendeteksi kerusakan telur menggunakan metode
thresholding. Metode thresholding ini digunakan
untuk menentukan kerusakan telur berdasarkan nilai binernya, 0=hitam dan 1=putih. Piksel warna putih dianggap sebagai piksel aktif. Penelitian ini belum secara waktu-nyata (realtime), yang mana data citra dimasukkan di-capture terlebih dahulu dan dijadikan
file dalam basis data.
Pengertian dasar thresholding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut.
II. TEORITIS
A. Perancangan Aplikasi
akan dialami dalam proses pengerjaannya (Soetam Rizky, 2011). Perancangan merupakan kegiatan merangkai berbagai persoalan menjadi satu keasatuan ruang dan bentuk.
Aplikasi berasal dari kata application yang artinya penerapan; lamaran; penggunaan. Secara istilah aplikasi adalah program siap pakai yang direka untuk melaksanakan fungsi bagi pengguna atau aplikasi yang lain dan dapat digunakan oleh sasaran yang dituju. Dengan perangkat lunak sistem yang mengintregasikan berbagai kemampuan komputer, tetapi tidak secarah langsung menerapkan kemampuan tersebut untuk mengerjakan suatu tugas yang mengutukkan pengguna.
Perancangan aplikasi adalah suatu perancangan yang melibatkan logika modul-modul yang dibuat ke dalam perangkat lunak dengan mengikuti konsep-konsep data program yang ada.
B. Pengolahan Citra Digital
Menurut Efford 2000, Pengolahan citra digital adalah istilah umum untuk berbagai teknik yang
keberadaannya untuk memanipulasi dan
memodifikasi citra dengan berbagai cara. Foto adalah contoh gambar berdimensi dua yang dapat diolah dengan mudah.Setiap foto dalam.Setiap foto dalam bentuk citra digital (mislanya berasal dari kamera digital) dapat diolah melalui perangkat lunak tertentu.Sebagai contoh, apabila hasil bidikan kamera terlihat sedikti gelap, citra dapat diolah menjadi lebih terang.Dimungkinkan pula memisahkan foto orang dari latar belakangnya.Gamabran tersebut menunjukkan hal sederhana yang dapat dilakukan melalui pengolahan citra digital(Abdul Kadir dan Adhi Ausanto, 2013).
Citra digital dikelompokkan menjadi 4 macam, yaitu :
1. Citra biner
2. Citra abu-abu (grayscale) 3. Citra RGB atau True Color
D. Thresholding
Pengertian dasar thresolding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan.Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut.
Sembarang titik (x,y) yang memenuhi f(x,y)>T
disebut titik objek; selain itu, titik disebut
background. Histogram sebelah kanan terbagi
menjadi tiga mode.Misalkan, citra terdiri dari dua objek terang di atas background gelap.Thresholding multilevel digunakan untuk mengklasifikasikan suatu titik (x,y) sebagai bagian dari sebuah class objek. Titik (x,y) menjadi bagia suatu objek jika T1.
Thresholding adalah operasi yang melakukukan
pengetesan terhadap fungsi T berikut :
T= T[x, y, p(x,y), f(x,y)].………..(2.5)
f(x,y) adalah tingkat keabuan pada titik (x,y) dan
p(x,y) menyatakan operasi lokal dari titik tersebut. Operasi thresholding digunakan untuk mengubah citra dengan format skala keabuan, yang mempunyai kemungkinan lebih dari 2, ke citra biner yang hanya memiliki 2 buah nilai (0 dan 1). Dalam hal ini, titik dengan nilai rentang nilai keabuan tertentu diubah menjadi berwarna hitam dan sisanya menjadi warna putih atau sebaliknya.
Perubahan citra skala keabuan menjadi citra biner dapat dilakukan memakai ambang ganda, yaitu ambang bawah dan ambang atas, dengan
menggunakan fungsi GST (Gray Scale
Transform).Pengambangan ganda dilakukan untu
menampilkan titik-titik yang mempunyai nilai rentang tertentu
atau
Fungsi GST untuk operasi pengambangan ganda Gambar 1: (a) persamaan 1 (b) persamaan 2 dalam
fungsi GST
III. ANALISA DAN PEMBAHASAN A. Analisa Citra
Pada aplikasi pengolahan citra yang akan dirancang harus memiliki data-data yang akan diolah, dan digunakan pada sistem yang nantinya digunkan dalam sistem pendeteksian. Pada aplikasi pendeteksian kematangan buah semangka ukuran citra yang digunakan berukuran 256x256 pixel
dengan format JPG. Hal ini dilakukan bertujuan untuk mengahsilkan nilai RGB yang riil untuk diproses kedalam program aplikasi sehingga ada kecocokan didalamnya. Citra semangka yang digunakan untuk pendeteksian menggunnakan buah semngka yang berumur 75-100 hari masa tanam.
Gambar 2: Citra S.JPG
Gambar 3: Citra Semangka Matang Hasil Cropping
Gambar 4: Citra Semangka Tidak Matang Hasil
Cropping
B. Proses Pengolahan Data
Proses pngolahan data dalam pendeteksian kematangan buah semangka dengan langkah awal mengambil objek gambar untuk mendapatkankan objek RGB kemudian objek dirubah menjadi
grayscale. Nilai RGB yang akan didapatkan akan diambil sebagai nilai acuan dalam proseses pendeteksian kematangan buah. Setelah didapat nilai RGB acuan dilakukan proses Thresholding, dimana proseses tersebut dilakukan untuk mendapatkan objek dalam bentuk biner. Proseses Thresholding dilakukan untuk memperjelas bentuk larik-larik yang ada pada objek semangka.
Gambar 5: Diagram Proses Pengolahan Data Citra
C. Analisa Citra RGB
Sebelum melakukan pendeteksian kematangan buah semangka, citra utama harus dalam bentuk RGB. Penginputan citra RGB bertujun untuk mengetahui jumlah nilai RGB yang ada pada citra. Pada format RGB, suatu warna didefinisikan sebagai kombinasi (campuran) dari komponen warna R,G dan B. Dengan mengambil nilai ambang dari sampel piksel 30x30 pada setiap citra
Nilai-nilai ambang dari setiap warna dapat di uji
menggunakan program MATLAB.
Langakah-langkah pengambilan nilai ambang dari citra RGB adalah sebagai berikut :
1. w=imread('C:\Users\yogi\Documents\MATLAB\ S.jpg'); membaca file citra, maka akan ditampilkan jendela figure yang berisikan gambar RGB berikut ini:
Gambar 6: Jendela Figure Citra RGB
2. imshow(red) menampilkan citra berwarna merah. Gambar 7: Citra Red
3. imshow(green) menampilkan citra berwarna hijau.
Gambar 8: Citra Green
4. imshow(blue) menampilkan citra berwarna biru. Gambar 9: Citra Blue
5. red=w(:,:,1) menampilkan matriks gambar hanya berisi piksel berwarna merah.
6. green=w(:,:,2) menampilkan matriks gambar hanya berisi piksel berwarna hijau.
Gambar 11: Nilai Piksel Green
7. blue=w(:,:,3) menampilkan matriks gambar hanya berisi piksel berwarna biru.
Gambar 12 Nilai Piksel Blue
D. Analisa Pengolahan Gambar Secara
Thresholding
Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik untuk T adalah tingkat keabuan rata-rata dari citra. Jika area objek lebih kecil dibandingkan area
background (atau sebaliknya), satu kelompok piksel akan mendominasi histogram, sehingga nilai tengah antara tingkat keabuan maksimum dan minimum merupakan pilihan awal yang baik utuk T. Dengan algoritma iterative dihasilkan T=125.4 setelah tiga iterasi. T diinisialisasi dengan tingkat keabuan rata-rata dan T=0. Untuk segmentasi citra, digunakan nilai
T=125.
Gambar 13: Original Image
Analisa pengambilan nilai gambar secara
thresholding dapat dipelajari berdasarkan pola warna atau ditentukan secara intuintif, tetapi theresholding RGB ini sangat rentan terhadap kestabilan cahaya. Berikut Analisa kematangan melalui metode
thresholding. Langkah pada pendeteksian citra secara
thresholding ialah perubahan yang ditangkap menjadi
citra bineratau menjadi komponen warna hitam dan putih, pada proses ini citra yang memiliki intensitas piksel dibawah 128 akan dirubah menjadi 1 atau putih, sedangkan intensitas warna yang melebihi dari 128 akan dirubah menjadi 0 atau hitam.
Pemberian nilai ambang RGB untuk
kematangan buah semangka, yaitu : 1. Nilai ambang Red= 92-100 2. Nilai ambang Green = 170-210 3. Nilai ambang Blue = 0-90
Gambar 14: Nilai Awal Matriks Citra
Langkah dalam pendeteksisan thresholding dengan fungsi GST dengan membandingkan semua baris
nilai Ki=128 :
Atau
Langkah 1
(168<=128)=1 (148<=128)=1 (100<=128)=0 (85<=128)=0 (87<=128)=0
Gambar 15: Langkah 1 Proses Theresholding
Langkah 2
(182<=128)=1 (181<=128)=1 (125<=128)=1 (80<=128)=0 (83<=128)=0
Gambar 16: Langkah 2 Proses Thresholding
Dengan Fungsi GST
Langkah 3 dan seterusnya sama seperti langkah 2 hingga semua nilai pixel citra telah mengalami proses
Thresholding.
Gambar 17: Hasil Nilai Piksel Thresholding
Gambar 18: Citra Hasil Theresholding Semangka matang
IV. IMPLEMENTASI
Pada tampilan hasil pendeteksian berisi hasil pendeteksian objek dengan histogramnya. Berikut tampilan hasil deteksi objek.
Gambar 19: Tampilan Hasil Pendeteksian Semangka Tidak Matang
Gambar 20: Tampilan Hasil Pendeteksian Semangka Matang
V. KESIMPULAN
Dari pembahasan yang diuraikan dari pembuatan skripsi ini dapat disimpulkan sebagai berikut :
1. Proses deteksi kematangan buah semangka dalam perancangan aplikasi ini adalah dengan cara menentukan objek, melakukan faktor indikator yang mempengaruhi dari objek yaitu warna RGB.
2. Penerapan metode thresholding didalam pendeteksian kematangan buah semangka bertujuan untuk memisahkan latar belakang dari objek yang akan dideteksi dan merubahnya menjadi gambar biner atau hitam putih, sehingga lebih jelas antara objek dan latar belakang yang akan dideteksi.
3. Perancangan aplikasi pengolahan citra deteksi kematangan buah semangka ini menggunakan software MATLAB yang didalamnya terdapat
GUI (Grapichal User Interface) sebagai
pendukung dalam pembuatan aplikasi
pengolahan citra.
DAFTAR PUSTAKA
1. Khadir Abdul dan Susanto Adi. “Teori dan aplikasi
pengolahan citra”. Penerbit Andi, Yogyakarta, 2013.
2. Hermawati Astuti Fajar. “Pengolahan Citra Digital Konsep
dan Teori”. Penerbit Andi, Yogyakarta, 2013.
3. Risky Soetam. “Konsep Dasar Rekayasa Perangkat Lunak”.
Penerbit Prestasi Pustaka, Jakarta, 2011.
4. Komputer Wahana. “Ragam Pengolahan Image Dengan
MATLAB”. Penerbit PT Elex Media Komputindo, Jakarta,
2013.
5. http://hkti.org/ “Pengenalan Jenis-Jenis Tanaman
Semangka” diakses Mei, 2015.
6. S. A Rosa, M. Salahuddin “Pemrograman Berorinetasi
