APLIKASI PENDETEKSI KEMATANGAN CABAI RAWIT MENGGUNAKAN METODE TRANSFORMASI RUANG
WARNA HSI
TUGAS AKHIR
Diajukan Untuk Memenuhi Syarat Kelulusan Program Strata I pada Sekolah Tinggi Manajemen Informatika dan Komputer
(STMIK) Palangkaraya
OLEH
MEILYANA WIBOWO C1855201044
PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) PALANGKARAYA
2021
i
APLIKASI PENDETEKSI KEMATANGAN CABAI RAWIT MENGGUNAKAN METODE TRANSFORMASI RUANG
WARNA HSI
TUGAS AKHIR
Diajukan Untuk Memenuhi Syarat Kelulusan Program Strata I pada Sekolah Tinggi Manajemen Informatika dan Komputer
(STMIK) Palangkaraya
OLEH
MEILYANA WIBOWO C1855201044
PROGRAM STUDI TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) PALANGKARAYA
2021
ii
iii
iv
v
MOTTO DAN PERSEMBAHAN Berusahalah sampai kamu
mendapatkannya. Hasil tidak akan mengkhianati usaha Dan Jangan lupa Berdoa.
Tugas Akhir ini saya persembahkan untuk Kedua Orangtua :
Ayah dan Ibu yang telah memberikan doa sepenuh hati dan dukungan yang terus menerus tiada henti sehingga saya dapat menyelesaikan tugas akhir ini dengan tepat waktu.
Adikku :
Tiara ramadani yang telah memberikan semangat dan doa kepada kakanya dalam menyelesaikan tugas akhir ini.
Penyemangat :
Teja Waskita yang selalu memberikan semangat, motivasi dan dukungan dalam menyelesaikan tugas akhir ini.
Teman – teman :
Teman – teman ku Teknik informatika B yang saling membantu dan saling mendukung.
Dosen :
Dosen – dosen STMIK Palangkaraya yang telah membimbing dan memberikan ilmu dari awal saya kuliah hingga pada akhirnya saya lulus dan mendapatkan gelar Sarjana Komputer.
vi INTISARI
Meilyana Wibowo, C1855201044, 2021. Aplikasi Pendeteksi Kamatangan Cabai Rawit Menggunakan Metode Transformasi Ruang Warna HSI, Pembimbing I Lili Rusdiana, M.Kom., Pembimbing II Veny Cahya Hardita, M.Kom.
Pemanfaatan citra digital dapat digunakan untuk membuat aplikasi pendeteksi kematangan dengan menggunakan pengolahan citra warna.
Dengan adanya citra digital, proses menentukan kematangan cabai rawit dapat dilakukan secara computing. Tujuan dari pembuatan aplikasi ini yaitu untuk memudahkan pengguna khususnya petani yang mengalami buta warna dalam menentukan kematangan cabai rawit secara tepat.
Metode penelitian yang digunakan yaitu metode eksperimen dan metode pengumpulan data yang digunakan meliputi studi pustaka, metode observasi dan metode dokumentasi. Model warna yang digunakan yaitu Hue Saturation Intensity (HSI). Pemanfaatan citra warna HSI digunakan untuk membuat aplikasi pendeteksi kematangan cabai rawit dengan kesesuaian warna cabai rawit.
Hasil pengijian dari 60 data yang diuji pada aplikasi yaitu 15 data cabai rawit berwarna merah kematangannya terdeteksi matang dan sesuai dengan kematangan cabai rawit pada umumnya. Kemudian 15 data cabai rawit berwarna hijau kematangannya yaitu terdeteksi mentah juga sesuai dengan kematangan cabai rawit secara umum. Selanjutnya 14 data cabai rawit berwarna kuning atau jingga kematangannya yaitu setengah matang dan sesuai dengan kematangan cabai rawit pada umumnya, akan tetapi terdapat 1 cabai rawit berwarna kuning atau jingga yang kematangannya terdeteksi matang sehingga tidak sesuai dengan kematangan cabai rawit secara umum. Selanjutnya terdapat 12 data cabai rawit busuk, 2 cabai busuk berwarna merah kecoklatan terdeteksi matang, 3 cabai rawit berwarna hijau yang busuk terdeteksi mentah, dan 7 cabai rawit berwarna coklat terdeteksi mentah sehingga untuk cabai rawit yang busuk kesesuaian kematangan pada aplikasi tersebut adalah tidak sesuai dikarenakan cabai yang dideteksi adalah busuk. Kemudian 1 cabai warna belum rata dengan warna dominan kuning atau jingga terdeteksi matang dan 2 cabai dengan warna belum rata tetapi dominan berwarna kuning atau jingga terdeteksi mentah, yang jika dilihat dari warna adalah cabai rawit setengah matang akan tetapi aplikasi menampilkan output mentah dan matang sehingga tidak sesuai dengan kematangan secara umum.
Kata kunci : Cabai rawit, HSI, Kematangan,Matlab, Pengolahan Citra.
vii ABSTRACT
Meilyana Wibowo, C1855201044, 2021. Aplikasi Pendeteksi Kamatangan Cabai Rawit Menggunakan Metode Transformasi Ruang Warna HSI, Pembimbing I Lili Rusdiana, M.Kom., Pembimbing II Veny Cahya Hardita, M.Kom
Utilization of digital images can be used to create maturity detection applications using color image processing. With the digital image, the process of determining the maturity of cayenne pepper can be done computing. The purpose of making this application is to make it easier for users, especially farmers who experience color blindness in determining the maturity of cayenne pepper correctly.
The research method used is the experimental method and the data collection method used includes literature study, observation method and documentation method. The color model used is Hue Saturation Intensity (HSI). Utilization of HSI color imagery is used to make an application for detecting the maturity of cayenne pepper with the suitability of the color of cayenne pepper.
The test results from 60 data tested in the application, namely 15 data of red chili peppers whose maturity was detected as ripe and in accordance with the maturity of cayenne pepper in general. Then 15 data of green cayenne pepper maturity that is detected raw is also in accordance with the maturity of cayenne pepper in general. Furthermore, there are 14 data of yellow or orange cayenne pepper whose maturity is half cooked and in accordance with the maturity of cayenne pepper in general, but there is 1 yellow or orange cayenne pepper whose maturity is detected to be ripe so it does not match the maturity of cayenne pepper in general. Furthermore, there are 12 data of rotten cayenne pepper, 2 red-brown rotten chilies detected ripe, 3 rotting green chilies detected raw, and 7 brown cayenne peppers detected raw so for rotten cayenne pepper the suitability of maturity in the application is not appropriate because chili that was detected was rotten. Then 1 uneven color chili with a dominant color of yellow or orange detected ripe and 2 chilies with an uneven color but dominant yellow or orange detected raw, which when viewed from the color is a half-cooked cayenne pepper but the application displays raw and ripe output so it does not according to maturity in general.
Keywords : Cayenne pepper, HSI, Maturity, Matlab, Image Processing
viii
KATA PENGANTAR
Segala puji dan syukur kehadirat ALLAH SWT, karena atas berkat dan rahmatnya penulis dapat menyelesaikan Tugas Akhir ini yang berjudul
“APLIKASI PENDETEKSI KEMATANGAN CABAI RAWIT
MENGGUNAKAN METODE TRANSFORMASI RUANG WARNA HSI”
dengan tepat waktu.
Pada kesempatan ini penulis ingin menyampaikan ucapan terimakaih yang sebesar – besarnya kepada semua pihak yang telah memberikan bimbingan, motivasi dan semangat dalam menyelesaikan tugas akhir ini, yaitu kepada : 1. Lili Rusdiana, M. Kom selaku dosen Pembimbing I yang banyak memberi
saran, pengetahuan dan arahan serta meluangkan waktunya untuk dalam penyelesaian tugas akhir ini.
2. Veny Cahya Hardita, M. Kom selaku dosen Pembimbing II dalam penulisan Tugas Akhir yang banyak memberikan saran dan masukan serta semangat dalam penulisan Tugas Akhir ini.
Demikian penulis mengharapkan saran dan kritik untuk membangun kesempurnaan karya ini. Semoga karya ini bermanfaat, Amin.
Palangka Raya, 10 Desember 2021
Penulis
ix DAFTAR ISI
LEMBAR PERNYATAAN ... Error! Bookmark not defined.
PERSETUJUAN ... Error! Bookmark not defined.
PENGESAHAN ... Error! Bookmark not defined.
MOTTO DAN PERSEMBAHAN ... v
INTISARI ... vi
ABSTRACT ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR LAMPIRAN ... xiii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Perumusan Masalah... 2
1.3 Batasan Masalah ... 2
1.4 Tujuan dan Manfaat ... 2
1.5 Sistematika Penulisan ... 4
BAB II LANDASAN TEORI ... 6
2.1 Tinjauan Pustaka ... 6
2.2 Kajian Teori... 11
a. Cabai Rawit ... 11
b. Citra ... 12
c. Pengolah Citra ... 12
d. Model Warna RGB ... 12
e. Transformasi Ruang Warna HSI ... 13
f. Flowchart ... 14
g. UML (Unified Modelling Language) ... 14
h. Matlab ... 18
i. Metode Eksperimen ... 18
j. Studi Pustaka ... 19
k. Metode Observasi ... 19
l. Metode Dokumentasi ... 19
BAB III METODE PENELITIAN ... 20
3.1 Variabel Kebutuhan... 20
3.2 Perencanaan Alat dan Bahan ... 20
3.3 Jenis Penelitian ... 21
3.4 Teknik Pengumpulan Data ... 21
3.5 Analisis Kebutuhan ... 22
3.6 Desain ... 29
BAB IV HASIL DAN PEMBAHASAN ... 36
4.1 Hasil ... 36
4.1.1 Implementasi ... 36
4.1.2 Pengujian ... 39
x
4.2 Pembahasan ... 56
BAB V PENUTUP ... 58
5.1 Kesimpulan... 58
5.2 Saran ... 59 DAFTAR PUSTAKA
xi
DAFTAR TABEL
Tabel 1. Penelitian Yang Relevan ... 8
Tabel 2. Simbol Flowchart ... 14
Tabel 3. Simbol Use Case Diagram ... 15
Tabel 4. Simbol Activity Diagram ... 17
Tabel 5. Simbol Sequence Diagram ... 18
Tabel 6. Tabel Pengujian... 40
Tabel 7. Nilai RGB dan HSI ... 48
xii
DAFTAR GAMBAR
Gambar 1. Cabai Rawit ... 11
Gambar 2. Flowchart analisis proses aplikasi... 23
Gambar 3. Flowchart Algoritma Metode Ruang Warna HSI ... 25
Gambar 4. Tampilan Nilai RGB ... 26
Gambar 5. Use Case Diagram Aplikasi ... 29
Gambar 6. Activity Diagram Aplikasi ... 30
Gambar 7. Activity Diagram Mulai Aplikasi ... 31
Gambar 8. Activity Diagram Input Gambar ... 32
Gambar 9. Activity Diagram Hasil Deteksi... 32
Gambar 10. Sequence Diagram Aplikasi ... 33
Gambar 11. Desain Perangkat Lunak ... 34
Gambar 12. Tampilan Aplikasi Deteksi Kematangan Cabai ... 36
Gambar 13. Tampilan Aplikasi Deteksi Kematangan Cabai ... 37
Gambar 14. Tampilan File Explorer ... 38
Gambar 15. Tampilan Aplikasi Deteksi Kematangan Cabai ... 38
Gambar 16. Tampilan Aplikai Deteksi Kematangan Cabai ... 39
xiii
DAFTAR LAMPIRAN
Lampiran 1. Surat tugas pembimbing Tugas Akhir Lampiran 2. Lembar konsultasi bimbingan Tugas Akhir Lampiran 3. Surat Tugas penguji Sidang
Lampiran 4. Berita Acara Penilaian Sidang TA Lampiran 5. Source Code
1
Cabai rawit adalah buah dan tumbuhan yang buahnya tumbuh menjulang menghadap ke atas. Warna buahnya hijau kecil sewaktu muda, kuning atau jingga ketika setengah matang dan jika telah masak berwarna merah. Merupakan salah satu komoditas sayuran yang banyak dibudidayakan oleh petani di Indonesia sebab memiliki harga jual yang tinggi.
Secara umum, untuk mengukur kematangan masih dikerjakan secara manual yaitu dilihat langsung menggunakan mata, kelemahan dari metode tersebut adalah tingkat akurasi yang tidak digital. Pemanfaatan citra digital sangat penting untuk mengetahui kematangan pada cabai rawit. Dengan adanya citra digital, proses menentukan kematangan cabai rawit dapat dilakukan secara computing (berbasis teknologi).
Salah satu metode yang dapat digunakan dalam penentuan kematangan cabai rawit adalah model warna HSI, dikarenakan model warna HSI merupakan suatu model warna yang mudah dikenali dan mudah dibedakaan sesuai dengan kematangan cabai rawit yaitu memiliki warna yang mudah dibedakan. Model warna HSI merupakan sistem warna yang paling mendekati cara kerja mata manusia.
Berdasarkan uraian di atas, maka dibagun suatu Aplikasi untuk mendeteksi kematangan cabai rawit menggunakan metode HSI (Hue, Saturation, Intensity) untuk menentukan kematangan cabai rawit.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, rumusan yang dapat diangkat yaitu ”Bagaimana menentukan kematangan cabai rawit dengan menggunakan metode Transformasi Ruang Warna HSI?”.
1.3 Batasan Masalah
Adapun batasan masalah yang jelas diperlukan untuk menghindari ketidakpahaman dalam pembahasan sebagai berikut :.
a) Resolusi kamera yaitu 12 megapiksel b) Jarak kamera dengan objek 6 -7 cm
c) Aplikasi mendeteksi foto/gambar cabai berupa warna dari gambar tersebut.
d) Aplikasi yang dibangun menggunakan bahasa pemrograman pada Matlab R2013a yaitu versi 8.1
1.4 Tujuan dan Manfaat a. Tujuan
Tujuan dari penulisan tugas akhir ini adalah membuat sebuah aplikasi yang mampu mendeteksi kematangan cabai rawit dengan pemrosesan citra menggunakan model warna hue saturation intensity, khusus nya dilakukan dengan cara computing (berbasis teknologi).
b. Manfaat
Manfaat yang diperoleh dari penulisan ini adalah : 1) Bagi penulis
Manfaat bagi penulis yaitu dapat menerapkan dan mengembangkan ilmu pengetahuan yang didapat selama proses perkuliahan di STMIK Palangkaraya, mendapat wawasan baik teori maupun praktek, dan dmenambah pengalaman dalam membangun aplikasi pengolahan citra digital untuk kedepannya.
2) Bagi STMIK Palangkaraya
Manfaat bagi STMIK Palangkaraya, hasil penulisan ini dapat digunakan sebagai bahan referensi untuk mahasiswa dan juga sebagai bahan rujukan atau kajian yang dapat digunakan penulis selanjutnya yang memiliki topik terkait yang berkaitan dengan aplikasi pengolahan citra digital.
3) Bagi Pengguna
Manfaat bagi pengguna terutama petani yaitu dapat mempermudah para petani yang mengalami buta warna dalam menentukan kematangan cabai rawit secara tepat.
1.5 Sistematika Penulisan
Sistematika penulisan dalam penulisan tugas akhir ini terdiri dari bebrapa bab dan masing-masing bab membahas dan menguraikan pokok permasalahan yang berbeda, sebagai gambaran disini penulis menyertakan garis-garis besarnya yaitu :
BAB I PENDAHULUAN
Bab ini berisikan latar belakang masalah, rumusan masalah, Batasan masalah, tujuan dan manfaat, serta sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini berisikan tentang tinjauan pustaka yang diambil dari penelitian yang relevan yaitu Tinjauan pustaka tentang hasil penelitian orang lain dengan penelitian yang sedang diteliti, serta kajian teori tentang pengertian cabai rawit, citra, pengolah citra, model warna rgb, transformasi ruang warna hsi, flowchart, uml, matlab, metode eksperimen, studi pustaka, metode observasi dan metode dokumentasi.
BAB III METODE PENELITIAN
Bab ini berisikan tentang tahapan yang dilakukan peneliti dalam mengumpulkan informasi atau data yang dibutuhkan meliputi variabel kebutuhan, perencanaan alat dan bahan, jenis penelitian, teknik pengumpulan data, analisis kebutuhan. Kemudian juga membahas tentang desain aplikasi.
BAB IV HASIL DAN PEMBAHASAN
Bab ini berisikan tentang hasil dari penelitian dan pembahasan dari hasil yang didapat.
BAB V KESIMPULAN DAN SARAN
Bab ini berisikan tentang kesimpulan dan saran yang diberikan untuk pengembangan selanjutnya.
6
Sub bab ini menguraikan tentang penelitian yang relevan, berisi tentang uraian informasi hasil penelitian sebelumnya oleh penulis lain yang memiliki topik serupa atau mendekati persamaan. Penelitian tentang mendeteksi kematangan buah tomat dengan menggunakan Metode Transformasi Ruang Warna HSI Berdasarkan Fitur Warna Buah, penelitian ini menciptakan aplikasi pendeteksi kematangan buah dengan tepat, yang dilakukan secara computing (berbasis teknologi). Aplikasi ini dapat membantu para produsen untuk meminimalisir pembusukan buah yang mana pada saat itu para produsen untuk menentukan kematangan buah tomat masih sering dilakukan secara convensional (manual) sehingga untuk menentukan tingkat kematangan buah tomat tidak begitu akurat (Pratama, et al., 2019).
Penelitian selanjutnya menerapkan Metode Transformasi Ruang Warna HSI untuk mendeteksi kematangan pada buah manga harum manis.
Penelitian ini bertujuan untuk membantu masyarakat dalam memilih buah manga harum manis yang sudah matang (Edha, et al., 2020)
Adapun penelitian tentang Identifikasi kematangan buah pisang dengan menerapkan Metode Transformasi Ruang Warna HSI Berdasarkan Fitur Warna Citra Kulit Pisang. Hasil dari penelitian ini yaitu teknologi pengolahan citra diharapkan dapat meningkatkan akurasi dalam menetukan kemasakan suatu buah (Putriyana, et al., 2020).
Penelitian perbandingan metode dalam pengujian data yaitu tentang Deteksi Kelayuan Bunga Mawar dengan menggunakan Metode Transformasi Ruang Warna HSI dan HSV. Hasil dari penelitian ini yaitu dapat deteksi kelayuan pada bunga mawar dengan metode transformasi ruang warna HSV merupakan yang terbaik pada pengujian data (Wandi, et al., 2021).
Selanjutnya penelitian tentang klarifikasi kematangan buah nenas yang menggunakan metode algoritma ruang warna Hue Saturation Intensity (HSI). Variabel yang akan di input yaitu berdasarkan foto nanas yang matang, setengah matang, dan mentah menggunakan kamera smartphone atau kamera DSLR beresolusi minimal 8 MP. Hasil dari penelitian ini yaitu dilakukannya klarifikasi terhadap buah nanas, dengan mencoba menerapkan ruang warna Hue Saturation Intensity (HSI) sehingga dapat membantu petani dalam menimalisi kesalahan dalam menentukan kematangan buah nanas (Yanto, et al., 2021).
Tabel 1. Penelitian Yang Relevan No Penulis/
Tahun
Topik
Penelitian Metode Pembahasan Hasil
1 Pratama, dkk/
2019
Mendeteksi Kematagan Buah Tomat Berdasarkan Fitur Warna Menggunaka n Metode Transformasi Ruang Warna HIS
Transformasi Ruang Warna HSI
Penelitian ini bertujuan untuk mengetahui tingkat kematangan buah tomat dengan metode Transformasi Ruang Warna HSI
Aplikasi dapat mengidentifikasi kematangan buah Tomat dengan Transformasi Ruang Warna dengan tingkat akurasi yang sesuai 2 Edha,dkk
/ 2020
Penerapan Metode Transformasi Ruang Warna Hue
Saturation Intensity (HSI) Untuk Mendeteksi Kematangan Buah
Mangga Harum Manis
Transformasi Ruang Warna HSI
Dilakukan suatu penelitian untuk meneteksi kematangan pada buah Mangga Harum Manis.
Diharapkan dengan adanya penelitian ini dapat membantu masyarakan dalam memilih buah Mangga Harum Manis yang sudah matang
Perancangan sistem dapat mendeteksi kematangan pada buah Mangga Harum Manis dengan menerapkan metode Hue Saturation Intensity (HSI) pada aplikasi pengolahan citra, sehingga dapat
menentukan buah mangga yang sudah matang 3 Sakir,
dkk/
2020
Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit Pisang dengan menggunaka n
Metode HSI
Transformasi Ruang Warna HSI
Penelitian ini bertujuan untuk mengetahui tingkat kematangan buah pisang melalui
pengolahan citra kulit pisang menggunakan metode transformasi ruang HSI.
Aplikasi dapat mendeteksi kematangan dari yang sudah di proses Melalui Ekstraksi RGB dan selanjut nya RGB di
Transformasikan ke ruang warna HSI (Hue, Intensity, Saturation)
No Penulis/
Tahun
Topik
Penelitian Metode Pembahasan Hasil
4 Wandi, dkk (2021)
Mendeteksi kelayuan bunga mawar dengan aplikasi pengolahan citra
Transformasi Ruang Warna HSI dan HSV
Proses pengambilan data yaitu dengan melakukan preparasi data pada dataset kaggle yang kemudian dilakukan klasifikasi dan training data dengan menggunakan metode HSI dan HSV
Dilakukan pengujian pada gambar citra bunga mawar dengan menggunakan HSI dan HSV dan kemudian didapat nilai Range.
Tingkat keberhasilan untuk pengujian bunga mawar dengan HSI mencapai 92.3%, sedangkan pengujian pada HSV mencapai 93.2%.
Berdasarkan hasil diatas deteksi
kelayuan bunga mawar dengan metode
transformasi ruang warna HSV
merupakan yang terbaik pada pengujian data
No Penulis/
Tahun
Topik
Penelitian Metode Pembahasan Hasil
5 Yanto, dkk (2021)
Klarifikasi Kematangan Buah Nanas Dengan Ruang Warna Hue Saturation Intensity (HSI)
Algoritma Ruang Warna Hue
Saturation Intensity
Permasalahan yang terjadi saat ini proses pemilihan buah nanas masih di lakukan secara manual, yaitu dengan melihat secara visual, jadi kesalahan dapat terjadi dalam proses identifikasi klarifikasi buah nanas yang sesuai dengan standar. Oleh sebab itu di lakukalah peneliitian kematangan nanas
menggunakan Algoritma Ruang Warna Hue Saturation Intensity (HSI)
Klarifikasi Kematangan Buah Nanas menggunakan transformasi Hue Saturation Intensity (HSI) mempunyai tinkat akurasi 80% terhadap data uji 20 gambar.
Sehingga dengan
demikian hasil yang
diharapkan dapat membantu petani nanas dalam mendeteksi tingkat kematangan buah nanas dan dapat
menimalisi kesalahan dalam menentukan kematangan buah nanas
2.2 Kajian Teori a. Cabai Rawit
Cabai Rawit dikenal dengan nama ilmiah Capsicum frutescebs L adalah buah dan tumbuhan anggota genus capsicum yang buahnya tumbuh menjulang menghadap ke atas dengan bentuk agak pipih dengan rasa yang sangat pedas (Prajnata, 2011).
Cabai rawit yang digunakan pada penelitian ini adalah jenis cakra.
Warna buahnya hijau sewaktu muda, kuning atau jingga ketika setengah matang dan jika telah masak berwarna merah. Bentuk buah kecil, memiliki panjang buah sekitar 2 – 4 cm dan rasanya yang pedas (Syukur, et al., 2013).
Gambar 1. Cabai Rawit
b. Citra
Citra adalah suatu representasi (gambaran) atau suatu kemiripan dari suatu objek. Citra digital adalah citra yang dapat diolah oleh komputer.
Citra merupakan salah satu bentuk informasi yang diperlukan manusia selain teks, suara dan video (Andono, 2017).
Informasi yang terkandung dalam sebuah citra bersifat subjektif tergantung keperluan masing – masing manusia. Oleh karena itu diperlukan pengolahan citra untuk mendapatkan citra yang memiliki informasi yang dikehendaki.
c. Pengolah Citra
Pengolah citra adalah istilah umum yang digunakan untuk berbagi teknik yang keberadaannya untuk memanipulasi data dan memodifikasi citra dengan berbagai cara menjadi data citra yang diinginkan untuk mendapatkan informasi tertentu. Salah satu contohnya yaitu foto. Setiap foto dalam citra digital dapat diolah melalui perangkat lunak tertentu (Kadir & Susanto, 2013).
Tujuan utama pengolahan citra digital adalah membantu manusia untuk meningkatkan kualitas suatu citra atau mendeskripsikan karakteristik suatu citra. Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefinisikan sebagai pemrosesan citra dua dimensi dengan komputer.
d. Model Warna RGB
Jenis citra salah satunya adalah citra berwarna. Citra berwarna adalah citra yang memiliki kanal warna didalamnya. Citra berwarna atau biasa disebut citra RGB merupakan jenis citra yang menyajikan warna dalam bentuk komponen R (merah), G (hijau), dan B (biru) (Kadir &
Susanto, 2013).
RGB merupakan warna standar yang digunakan untuk menampilkan citra berwarna pada layar komputer. Warna setisp piksel ditentukan oleh kombinasi dari intensitas warna merah, hijau dan biru yang disimpan pada bidang warna dilokasi piksel. Format pada file grafis menyimpan citra warna sebagai citra 24 bit, yang berasal dari komponen merah, hijau, an biru masing – masing 8 bit. Hal ini menyebabkan citra warna mempunyai 24 juta kemungkinan warna (Andono, 2017).
e. Transformasi Ruang Warna HSI
Ruang warna atau sistem warna atau model warna sebagai sesuatu spesifikasi sistem koordinat dan suatu subruang dalam sistem tersebut dengan setiap warna dinyatakan dalam satu titik didalamnya. Tujuan dibentuknya ruang warna adalah untuk memfasilitas spesifikasi warna dalam bentuk suatu standar. Terdapat berbagai macam ruang warna saat ini dan diantaranya adalah HSI. Ruang warna HSI mempunyai 3 dimensi ruang, yaitu Hue (H), Saturasi (S) dan Intesitas (I) (Kadir & Susanto, 2013). Konversi dari RGB ke HSI dilakukan melalui rumus berikut:
Pada H menyatakan Hue yang diperoleh melalui persamaan 1 dan 2.
𝜃 = cos−1{ [(𝑅 − 𝐺) + (𝑅 − 𝐵)]
2√(𝑅 − 𝐺)2+ (𝑅 − 𝐵)(𝐺 − 𝐵)}
H = 𝐻 = { 𝜃 𝐽𝑖𝑘𝑎 𝐵 ≤ 𝐺 360 − 𝜃 𝐽𝑖𝑘𝑎 > 𝐺
Pada S menyatakan Saturation dihitung melalui persamaan 3.
S = 1 − 3
min (𝑅,𝐺,𝐵 )min( 𝑅, 𝐺, 𝐵 )
Dan I menyatakan Intensity dihitung melalui persamaan 4.
I = 1
3 𝑅 + 𝐺 + 𝐵
(2)
(3) (1)
(4) Gambar 2. Model Warna RGB
f. Flowchart
Untuk menggambarkan sebuah algoritma yang terstruktur dan mudah dipahami, maka dibutuhkan alat bantu yang berbentuk diagram alir. Flowchart menggambarkan urutan logika dari suatu rosedur pemecahan masalah, sehingga flowchart merupakan langkah – langkah penyelesaian masalah yang dituliskan dalam simbol – simbol tertentu (Sitorus, 2015).
Tabel 2. Simbol Flowchart
No Simbol / Gambar Nama Keterangan
1
Terminal
Menyatakan
permulaan atau akhir suatu program
2
Input / Output
Menggambarkan proses memasukkan data yang berupa pembacaan data sekaligus proses keluaran yang berupa pencetakan data 3
Process
Menyatakan suatu tindakan/proses pengolahan atau perhitungan data oleh komputer
4
Flow
Menyatakan jalannya arus suatu proses Sumber : (Sitorus, 2015)
g. UML (Unified Modelling Language)
UML (Unified Modelling Language) adalah bahasa pemodelan untuk sistem – sistem atau perangkat lunak yang memiliki paradigma berorientasi objek. Adapun tujuan pemodelan dalam kerangka pengembangan sistem atau perangkat lunak berorientasi objek ini yaitu sebagai sebagai sarana analisis, pemahaman, visualisasi, dan komunikasi antar anggota tim pengembangan saat seorang analis dan perancang sistem. Hingga saat ini UML terus berkembang dan mencakup berbagai banyak macam diagram dan perangkat yang berfungsi untuk menggambarkan sistem informasi. Beberapa diagram UML adalah sebagai berikut (Nugroho, 2017) :
1) Use Case Diagram
Use Case Diagram pada dasarnya digunakan untuk mendeskripsi bagaimana entitas eksternal akan mengunakan sistem atau perangkat lunak. Entitas dapat berupa manusia atau sistem yang lain dan sering dinamakan actor. Deskripsi diagram use case ini lebih menekankan pada sistem dari sudut pandang penggunanya dan juga menekankan pada interaksi yang terjadi di antara pengguna dan sistem. Berikut simbol – simbol yang digunakan pada use case diagram pada tabel 3.
Tabel 3. Simbol Use Case Diagram
No Simbol / Gambar Nama Keterangan
1
Actor
Actor atau aktor dapat berupa pengguna sistem, sistem lain yang berhubungan dengan sistem yang sudah dibangun, dan waktu. Yang memiliki peranan dalam keberhasilan operasi dari sistem
2
Use Case
Use case
mengidetifikasi fitur kunci dari sistem.
Tanpa fitur ini, sistem tidak akan memenuhi permintaan user/actor.
No Simbol / Gambar Nama Keterangan 3
Association
Digambarkan dengan garis antara actor terhadap usecase yang bersangkutan.
Berfungsi untuk mengidentifikasi interaksi antara setiap actor tertentu dengan setiap use case tertentu.
4
Generalization
Mengindikasi bila actor berinteraksi secara pasif dengan sistem
5
Dependency
Mengidentifikasi hubungan antar dua use case dimana yang satu memanggil yang lain. Digambarkan dengan garis putus – putus bermata panah dengan notasi
<<include>> pada garis.
Sumber : (Tohari, 2014) 2) Activity Diagram
Activity Diagram, yang prinsip dasarnya serupa dengan diagram alir (flowchart) pada paradigma pemrograman terstruktur, dan menggambarkan aliran. Tujuan dari Activity Diagram adalah untuk memodelkan aliran kerja dari suatu aktivitas ke aktivitas lainnya saat sistem atau program aplikasi dieksekusi. Adapun simbol – simbol yang digunakan pada activity diagram sebagai berikut :
Tabel 4. Simbol Activity Diagram
No Simbol / Gambar Nama Keterangan
1
Initial Node
Simbol ini
menunjukan
bagaimana objek dibentuk atau diawali
2 Activity Final
Node
Simbol ini
menunjukan
bagaimana objek dibentuk atau diakhiri 3
Activity
Memperlihatkan bagaimana masing – masing kelas antar
muka saling
berinteraksi satu sama lain
4 Line
Connector
Simbol ini digunakan untuk menghubungkan satu simbol dengan simbol lainnya
Sumber : (Harianto, et al., 2019) 3) Sequence Diagram
Sequence Diagram merupakan model visual yang bertipe dua dimensi dan menggambarkan bagaimana interaksi dalam sistem berjalan pada rentang waktu tertentu. Squence Diagram memodelkan bagaimana objek – objek dari suatu kelas saling berinteraksi selama sistem atau perangkat lunak berjalan. Dan pada umumnya sequence diagram ini berbasis pada scenario. Simbol – simbol yang digunakan pada sequence diagram dapat dilihat pada tabel 5.
Tabel 5. Simbol Sequence Diagram No Simbol / Gambar Nama Keterangan
1 Lifeline Komponen yang
digambarkan garis putus yang terhubung dengan objek (message dikirim atau diterima dan aktifitasnya).
2 Activation Merupakan proses durasi dari aktivitas operasi
3 Message Berfungsi sebagai
komunikasi antar objek yang menggambarkan pengiriman pesan
4 Message
entry
Menggambarkan
pesan/hubungan antar objek yang menunjukan urutan kejadian yang terjadi
Sumber : (Muharni, 2020) h. Matlab
Matlab adalah platform pemrograman yang dirancang menggunakan bahasa yang berbasis matriks yang memungkinkan ekspresi matematis komputasi yang paling alami. Matlab biasa digunakan untuk menganalisa data, mengembangkan algoritma, dan membuat model serta aplikasi. Fungsi bahasa, aplikasi, dan matematika dari aplikasi ini memungkinkan untuk menjelajahi berbagai pendekatan dengan cepat untuk mendapatkan solusi. Matlab memiliki beragam fitur yang dapat digunakan seperti akuisisi data, pemodelan, analisis, pengolahan citra, rekayasa, visualisasi, dan lain sebagainya (Putriyana, et al., 2020).
i. Metode Eksperimen
Metode Eksperimen merupakan salah satu metode dalam penelitian kuantitatif. Metode Eksperimen ditujukan untuk meneliti hubungan sebab akibat dengan memanipulasi satu atau lebih variable pada satu atau lebih kelompok eksperiental. Metode eksperimen adalah
metode yang digunakan untuk mencari perlakuan tertentu terhadap yang lain dalam kondisi yang dikendali. Dalam metode eksperimen, terdapat beberapa variabel. Variabel adalah salah satu yang berkaitan dengan kondisi, keadaan, factor, perlakuan, atau tindakan yang diperkirakan dapat mempengaruh hasil eksperimen (Payadnya & Jayantika, 2018).
j. Studi Pustaka
Studi pustaka adalah serangkaian kegiatan yang berkenaan dengan metode pengumpulan data pustaka, mempelajari, mendalami,membaca dan mengutip teori – teori atau konsep – konsep dari sejumlah literatur.
Juga merupakan salah satu teknik pengumpulan data yang juga banyak digunakan oleh para peneliti. Teknik pengumpulan data studi pustaka dilakukan dengan cara mengumpulkan data yang relevan atau sesuai yang dibutuhkan untuk penelitian dari buku, artikel ilmiah, berita, maupun sumber lainnya yang sesuai dengan topik penelitian yang dilakukan (Zed, 2014).
k. Metode Observasi
Observasi adalah metode pengumpulan data yang melibatkan interaksi peneliti ke dalam aktivitas suatu kelompok orang di kehidupan sehari – hari sehingga dapat mempelajari aspek yang tampak maupun tersembunyi dari rutinitas kehidupan kelompok tersebut. Metode observasi juga dikatakan pengamatan atau peninjau secara cermat dalam kehidupan sehari – hari (Mamik, 2015).
l. Metode Dokumentasi
Data dalam metode dokumentasi bisa berupa buku harian, jadwal kegiatan, raport siswa dan sebagainya. Selain bentuk dokumentasi tersebut, bentuk lainnya adalah foto. Dengan menggunakan foto akan dapt mengungkap suatu situasi pada detik tertentu sehingga dapat memberikan informasi deskriftif yang berlaku saat itu (Mamik, 2015).
20
Penulis melakukan observasi penelitian hanya pada objek cabai rawit kategori cabai kecil dengan nama varietas cakra. Cabai rawit yang digunakan yaitu cabai yang berwarna hijau, kuning atau jingga dan merah. Ukuran panjang cabai rawit sekitar 2 - 4 cm. Aplikasi yang dibuat adalah untuk mendeteksi kematangan cabai rawit berdasarkan warna pada gambar/foto yang format file nya hanya Jpg.
3.2 Perencanaan Alat dan Bahan
Dalam pengembangan aplikasi ini, agar menjadi sistem yang baik maka alat dan bahan yang diperlukan adalah sebagai berikut :
a. Perangkat Keras
Perangkat keras yang digunakan dalam sistem ini sesuai dengan kebutuhan perangkat keras yang nantinya akan dibangun. Berikut adalah uraian dari kebutuhan tersebut:
1) Processor : AMD RyzenTM 3 3200U 2) Memory :GB DDR4
3) Display : AMD RadeonTM Vega3Mobile Graphics 4) Harddisk : 1000 GB
5) Perangkat Input Internal : Mouse dan Keyboard
b. Perangkat Lunak
Perangkat lunak juga dapat dikatakan sebagai penerjemah atau pengkonversi instruksi bahasa pemrograman tingkat tinggi ke bahasa yang dapat dimengerti oleh bahasa mesin. Berikut adalah daftar perangkat lunak yang digunakan dalam penelitian ini, yaitu:
1) Microsoft Windows 10, sebagai sistem operasi
2) Matlab R2013a, sebagai Bahasa Pemrograman dalam membuat aplikasi
3.3 Jenis Penelitian
Jenis penelitian yang digunakan oleh penulis dalam penelitian ini yaitu metode eksperimen. Dalam metode ini, penulis menggunakan variabel cabai rawit yaitu matang, setengah matang, dan mentah. Pada penelitian ini penulis akan melakukan percobaan deteksi kematangan pada objek cabai rawit berupa gambar/foto cabai rawit dengan warna cabai yang berbeda – beda.
Gambar/ foto akan di uji di aplikasi yang dibuat dan outputnya berupa kematangan dari cabai tersebut. Pada penelitian ini penulis melakukan observasi sendiri yaitu dengan melakukan percobaan dan melihat hasil sendiri secara langsung.
3.4 Teknik Pengumpulan Data
Penulis menggunakan beberapa tahapan atau metode dalam melakukan penelitian tugas akhir ini, yaitu :
a. Studi Pustaka
Pada tahap ini penulis mengumpulkan beberapa jurnal penelitian tentang deteksi kematangan buah menggunakan transformasi ruang warna hsi dan buku – buku yang berkaitan dengan topik penelitian yaitu pengolahan citra digital, model warna rgb, model warna hsi dan lain - lain yang relevan dengan penelitian penulis sebagai sumber referensi untuk penelitian yang sedang dilakukan.
b. Metode Observasi
Pada tahap ini penulis secara langsung mengumpulkan data berupa foto/gambar objek penelitian yaitu cabai rawit dengan tiga warna yang berbeda yang akan diolah oleh sistem/aplikasi.
c. Metode Dokumentasi
Metode dokumentasi adalah metode pengumpulan data yang bertujuan untuk memperoleh data langsung, meliputi foto – foto tanaman cabai rawit.
3.5 Analisis Kebutuhan
Pada tahap ini analisis terhadap kebutuhan perangkat lunak dan perangkat keras untuk dapat mengembangkan dan menjalankan aplikasi yang nantinya akan berjalan pada perangkat komputer. Kebutuhan sistem yang diperlukan itu sebagai berikut :
a. Analisis Data
Data yang digunakan penulis dalam penelitian ini adalah gambar/foto cabai rawit. Gambar yang diambil terdiri dari tiga macam warna cabai rawit. Warna yang diambil yaitu warna merah untuk cabai matang, kuning atau jingga untuk cabai setengah matang dan warna hijau untuk cabai mentah atau belum matang. Data atau foto yang diambil berjumlah 60 data yaitu 15 cabai berwarna merah, 15 cabai berwarna kuning atau jingga, 15 cabai berwarnai hijau, 12 cabai busuk dan 3 cabai rawit lainnya. Selanjutnya data tersebut akan dikumpulkan ke folder.
b. Analisis Proses
Pada analisis proses, penulis menggunakan flowchart untuk menggambarkan alur sebuah proses aplikasi tersebut. Flowchart dapat dilihat pada Gambar 3 dan Gambar 4.
Gambar 3. Flowchart analisis proses aplikasi
Gambar 3 menjelaskan tentang langkah – langkah proses aplikasi.
Adapun penjelasan Gambar 3 yaitu :
1) Melakukan klik pada tombol Mulai Aplikasi
2) Melakukan input gambar yang akan dideteksi dalam bentuk jpg 3) Kemudian aplikasi akan menghitung nilai RGB pada gambar 4) Selanjutnya nilai RGB tersebut dikonversi ke nilai HSI 5) Melakukan klik pada tombol Hasil Deteksi
6) Setelah di proses maka akan tampil hasil deteksi kematangan cabai tadi apakah cabai itu matang, setengah matang, atau mentah
Gambar 4 menguraikan tentang proses algoritma pada metode HSI.
Uraian pada gambar tersebut yaitu :
1) Melakukan Input Gambar dalam bentuk jpg
2) Menghitung nilai warna RGB dari gambar yang diinput
3) Mentransformasikan nilai warna RGB kedalam HSI, untuk perhitungan H seperti yang tercantum pada persamaan (1) dan persamaan (2), perhitungan S tercantum pada persamaan (3) dan perhitungan I tercantum pada persamaan (4).
4) Setelah diproses maka akan tampil hasil deteksi gambar cabai tadi apakah cabai itu matang, setengah matang, atau mentah.
Gambar 4. Flowchart Algoritma Metode Ruang Warna HSI
Pada point ke 3 di atas akan dibahas perhitungan Nilai RGB ke HSI.
Disini saya menggunakan sampel gambar cabai rawit berwarna hijau, yang akan dihitung nilai RGB dan HSInya. Langkah pertama yaitu menghitung nilai RGB (Red, Green, Blue). Pada langkah ini, penulis menghitung nilai rgb suatu citra menggunakan aplikasi Matlab. Tampilan dapat dilihat pada gambar 5.
Pada gambar 5, nilai suatu rgb yang didapat yaitu : R = 118,351
G = 128,57 B = 93,152
R = 118,351/ 255 = 0,4641 G = 128,57 /255 = 0,5041 B = 93,152/255 = 0,3653 Max = Nilai G = 0,5041 Min = Nilai B = 0,3653
Gambar 5. Tampilan Nilai RGB
𝐻 = { 𝜃 𝐽𝑖𝑘𝑎 𝐵 ≤ 𝐺 360 − 𝜃 𝐽𝑖𝑘𝑎 > 𝐺
Setelah nilai didapat, selanjutnya kita akan menghitung nilai HSI Untuk mencari nilai H (Hue) menggunakan rumus :
θ = cos−1{ [(𝑅 − 𝐺) + (𝑅 − 𝐵)]
2√(𝑅 − 𝐺)2+ (𝑅 − 𝐵)(𝐺 − 𝐵)}
θ = cos−1{ [(0,4641 − 0,5041) + (0,4641 − 0,3653)]
2√(0,4641 − 0,5041)2+ (0,4641 − 0,3653)(0,541 − 0,3653)}
θ = cos−1{ [(−0,04) + (0,0988)]
2√(−0,04)2+ (0,0988)(0,1388)}
θ = cos−1{ (0,0588)
2√0,0016 + (0,01371)}
θ = cos−1{ (0,0588) 2√0,01531}
θ = cos−1{(0,0588) 0,2474 }
θ = cos−10,2376
θ = 1,3309
Mencari nilai S (Saturation) :
S = 1 - 3
𝑅+𝐺+𝐵 min (R,G,B)
S = 1 − 3
0,4641+0,5041+0,3653 min (0,3653)
S = 1 − 3
1,3335 min (0,3653)
S = 1 − 2,2497(0,3653)
S = 1 − 0,8218S = 0,1782
Mencari nilai I (Intensity) : I = 1
3 (R +G+B) I = 1
3 (0,4641 + 0,5041 + 0,3653)
I = 1
3(1,3335)
I = 0,4445
3.6 Desain
a. Desain Proses
Dalam desain proses, penulis menggunakan UML (Unified Modelling Language) yang berisi Use Case Diagram, Activity Diagram, dan Sequence Diagram untuk menguraikan desain proses dari aplikasi pendeteksi kematangan cabai rawit yang akan dibuat sebagai berikut : 1) Use Case Diagram
Diagram use case disini merupakan gambaran dari pengguna yang menggunakan aplikasi dan perilaku pengguna terhadap aplikasi. Use Case Diagram dapat dilihat pada Gambar 6.
Gambar 6 menggambarkan aktor yaitu Pengguna. Use case ini merupakan suatu proses dari Aplikasi Pendeteksi Kematangan Cabai
Gambar 6. Use Case Diagram Aplikasi
Rawit Menggunakan Metode Transformasi Ruang Warna HSI. Tugas dari aktor penggun yaitu Pengguna bertugas mengklik “Mulai Aplikasi”, melakukan input gambar saya yang ingin dideteksi kematangannya, dan melakukan klik Hasil Deteksi untuk mendeteksi kematangan cabai.
2) Activity Diagram
Activity Diagram dibawah ini menggambarkan aliran kerja atau aktivitas dari sebuah pengguna dan aplikasi. Activity Diagram dapat dilihat pada gambar 7.
Gambar 7 menguraikan proses dari aplikasi pendeteksi kematangan cabai menggunakan metode transformasi ruang warna HSI.
Langkah pertama pengguna bertugas melakukan klik “Mulai Aplikasi”
dan tunggu sampai outputnya tampil yaitu “Aplikasi Siap Digunakan”.
Gambar 7. Activity Diagram Aplikasi
Selanjutnya pengguna melakukan “Input Gambar” dan kemudian
“Gambar Tampil” pada aplikasi. Selanjutnya pengguna melakukan klik
“Hasil Deteksi” dan aplikasi akan menghitung nilai RGB dan kemudian akan ditransformasikan ke HSI. Setelah nilai telah dihitung maka akan tampil hasil kematangan dari gambar yang sudah diproses oleh aplikasi.
Berikut adalah Activity Diagram pengguna pada aplikasi : a. Activity Diagram Mulai Aplikasi
Activity Diagram dibawah ini menggambarkan aktivitas pengguna dan aplikasi. Activity Diagram dapat dilihat pada gamar 8.
Gambar 8 menguraikan proses pertama yang dilakukan pengguna pada aplikasi. Pengguna melakukan klik pada tombol “Mulai Aplikasi”, dan selanjutanya aplikasi akan menampilkan output “Aplikasi Siap Digunakan”.
Gambar 8. Activity Diagram Mulai Aplikasi
b. Activity Diagram Input Gambar
Activity Diagram di bawah ini menggambarkan aktivitas dari pengguna dan aplikasi. Activity Diagram dapat dilihat pada gambar 9.
Gambar 9 menguraikan proses selanjutnya yang dilakukan pengguna pada aplikas yaitu pengguna menginput gambar, dan selanjutanya gambar ditampilkan oleh aplikasi.
c. Activity Diagram Hasil Deteksi
Activity Diagram di bawah ini menggambarkan aktivitas dari pengguna dan aplikasi. Activity Diagram dapat dilihat pada gambar 10.
Gambar 9. Activity Diagram Input Gambar
Gambar 10. Activity Diagram Hasil Deteksi
Gambar 10 menguraikan proses selanjutnya yaitu pengguna mengklik “Hasil Deteksi” kemudian aplikasi akan memproses dan akan menampilkan Hasil Deteksi kematangan suatu cabai.
3) Sequence Diagram
Sequence Diagram dibawah ini menjelaskan dan menampilkan interaksi antar objek – objek dalam sebuah sistem secara terperinci.
Diagram dapat dilihat pada Gambar 11.
Gambar 11 menjelaskan interaksi antar objek yaitu pengguna dan aplikasi. Pada langkah pertama pengguna akan masuk ketampilan dan mengklik “Mulai Aplikasi”, lalu tunggu beberapa menit hingga tampil tulisan
“Aplikasi Siap Digunakan”. Selanjutnya pengguna menginput gambar, dan Gambar 11. Sequence Diagram Aplikasi
aplikasi akan menampilkan gambar tersebut. Kemudian pengguna akan mengklik tombol “Hasil Deteksi” dan aplikasi akan menampilkan output hasil deteksi kematangan.
b. Desain Perangkat Lunak
Pada desain perangkat lunak, penulis menggunakan aplikasi matlab R2013a versi 8.1 untuk merepresentasikannya. Desain dapat dilihat pada Gambar 12.
Gambar 12 merupakan desain yang akan dibuat pada aplikasi. Desain dibuat menggunakan aplikasi Matlab R2013a versi 8.1 pada GUI yang ada pada aplikasi tersebut. Tampilan pada desain yaitu ada tombol “Mulai Aplikasi” yang merupakan langkah pertama dalam penggunaan aplikasi
Gambar 12. Desain Perangkat Lunak
untuk aplikasi siap digunakan. Selanjutnya terdapat tempat untuk melakukan Input Gambar yaitu pada tombol “Input Gambar”, kemudian ada tombol
“Hasil Deteksi” untuk memproses gambar dan akan mendeteksi tingkat kematangan dari input gambar tersebut.
36
Cara penggunaan Aplikasi Pendeteksi Kematangan Cabai Rawit yaitu a. Tampilan Aplikasi
Aplikasi yang dibangun menggunakan Matlab versi R2013a, dengan bahasa pemrograman matlab sendiri dan desain menggunakan GUI pada aplikasi itu sendiri. Tampilan Aplikasi dapat dilihat pada Gambar 13.
Tampilan pada desain yaitu tombol “Mulai aplikasi”, untuk aplikasi siap digunakan. Selanjutnya terdapat tempat melakukan input gambar yaitu “Input Gambar”, kemudian ada tombol “Hasil Deteksi” untuk
Gambar 13. Tampilan Aplikasi Deteksi Kematangan Cabai
memproses gambar dan akan menghasilkan tingkat kematangan dari inputan gambar tersebut.
b. Cara menggunakan Aplikasi
1. Langkah pertama yaitu mengklik tombol MULAI APLIKASI, kemudian tunggu beberapa menit sampai tulisan pada kolom tampil
“Aplikasi Siap Digunakan”. Tampilan dapat dilihat pada gambar 14.
Setelah tulisan tampil, maka kita akan dapat lanjut ke langkah berikut nya.
2. Selanjutnya tombol Input Gambar, tombol input gambar membawa kita menuju ke file explorer dan kita dapat memilih gambar cabai yang ingin kita deteksi. Tampilan dapat dilihat pada gambar 15.
Gambar 14. Tampilan Aplikasi Deteksi Kematangan Cabai
Ketika sudah tampil pilih salah satu gambar yang ingin kita deteksi kemudian gambar tersebut tampil ke tampilan aplikasi yang sudah dibuat. Seperti contoh pada gambar 16.
Karena penulis memilih gambar Cabai Kuning maka gambar tersebut yang tampil pada tampilan.
Gambar 15. Tampilan File Explorer
Gambar 16. Tampilan Aplikasi Deteksi Kematangan Cabai
3. Langkah selanjutnya yaitu mengklik tombol Hasil Deteksi. Pada tombol tersebut gambar yang telah diinput akan diproses dan akan dideteksi kematangannya. Tampilan dapat dilihat pada Gambar 17.
Pada gambar 17, tampil hasil deteksi kematangan yaitu “setengah matang”.
4.1.2 Pengujian
Pengujian aplikasi yang telah dirancangkan ditunjuk untuk melihat dan menganalisa mengenai kesesuaian terhadap rancangan yang telah dibuat.
Pada tahap ini penulis akan menguji Aplikasi Pendeteksi Kematangan Cabai Rawit Menggunakan Metode Transformasi Ruang Warna HSI dengan data - data cabai rawit yang warnanya berbeda – beda. Pengujian dituju pada kesesuaian warna cabai rawit dengan tingkat kematangannya. Pengujian aplikasi dapat dilihat pada tabel 6.
Gambar 17. Tampilan Aplikai Deteksi Kematangan Cabai
Tabel 6. Tabel Pengujian
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai
1
2
3
4
5
6
7
8
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai 9
10
11
12
13
14
15
16
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai 17
18
19
20
21
22
23
24
No Gambar
Kematangan Keterangan
Matang Setengah Matang
Mentah Sesuai Tidak Sesuai
25
26
27
28
29
30
31
32
No Gambar
Kematangan Keterangan
Matang Setengah Matang
Mentah Sesuai Tidak Sesuai
33
34
35
36
37
38
39
40
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai
41
42
43
44
45
46
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai 47
48
49
50
51
52
53
No Gambar
Kematangan Keterangan
Matang Setengah
Matang Mentah Sesuai Tidak Sesuai 54
55
56
57
58
59
60
Berdasarkan data pada Tabel 6, hasil pengujian yaitu 15 cabai rawit berwarna merah terdeteksi matang dan sesuai dengan tingkat kematangan dan 15 cabai rawit berwarna hijau terdeteksi mentah dan sesuai dengan tingkat kematangan. Sedangkan untuk cabai rawit berwarna kuning/jingga terdapat 14 cabai rawit yang terdeteksi setengah matang dan 1 cabai rawit terdeteksi matang. Selanjutnya terdapat 2 cabai busuk berwarna merah menuju coklat terdeteksi matang, 3 cabai busuk berwarna hijau terdeteksi mentah, 7 cabai busuk berwarna coklat terdeteksi matang, dan 3 cabai yang memiliki warna yang belum rata terdeteksi matang dan mentah. Untuk nilai RGB dan HSI dapat dilihat pada Tabel 7.
Tabel 7. Nilai RGB dan HSI No Gambar
Nilai
R G B H S I
1 0,6217 0,2967 0,2663 0,0711 0,5161 0,3949
2 0,6587 0,3350 0,2926 0,6515 0,4918 0,4288
3 0,6227 0,3793 0,3893 0,1056 0,3591 0,4638
4 0,6236 0,3364 0,3285 0,0730 0,4323 0,4295
5 0,6371 0,4162 0,4137 0,1095 0,3428 0,4890
No Gambar
Nilai
R G B H S I
6 0,6281 0,3568 0,3432 0.0849 0,4290 0,4427
7 0,6460 0,3320 0,3113 0,0695 0,4739 0,4298
8 0,6170 0,3335 0,3209 0,0797 0,4356 0,4238
9 0,6575 0,3418 0,3202 0,0647 0,4543 0,4398
10 0,6621 0,3458 0,3 0,0623 0,4712 0,4360
11 0,6254 0,3171 0,2873 0,0645 0,4877 0,4099
12 0,6513 0,3073 0,2713 0,0489 0,4953 0,4100
13 0,6803 0,3766 0,3232 0,0698 0,4647 0,4600
No Gambar
Nilai
R G B H S I
14 0,6055 0,3163 0,3131 0,0689 0,4256 0,4117
15 0,6184 0,2931 0,2674 0,0622 0,5089 0,3930
16 0,6554 0,5643 0,3965 0,1303 0,3204 0,5388
17 0,6963 0,4971 0,3271 0,1066 0,4630 0,5068
18 0,6587 0,5066 0,3392 0,1141 0,419 0,5015
19 0,6250 0,5743 0,3181 0,1335 0,4335 0,4891
20 0,6445 0,5253 0,3175 0,0996 0,4401 0,5042
21 0,6277 0,5620 0,3230 0,1358 0,4430 0,5042
No Gambar Nilai
R G B H S I
22
0,6121 0,5733 0,3575 0,1603 0,3661 0,5143
23
0,6470 0,5473 0,3626 0,1327 0,3978 0,5190
24
0,6531 0,5446 0,3586 0,1161 0,3936 0,5187
25
0,6747 0,4950 0,2572 0,0973 0,5507 0,4756
26
0,6424 0,5561 0,4136 0,1624 0,3249 0,5374
27
0,5818 0,5328 0,3005 0,1437 0,4487 0,4717
28
0,6308 0,5308 0,3390 0,1062 0,4087 0,5026
29
0,6508 0,5042 0,2858 0,0995 0,4992 0,4803
No Gambar Nilai
R G B H S I
30
0,6039 0,4824 0,2572 0,1013 0,511 0,4478
31
0,4493 0,4901 0,3508 0,2868 0,3698 0,4301
32
0,4541 0,5042 0,3653 0,2866 0,3394 0,4445
33
0,4071 0,4539 0,3348 0,2711 0,3003 0,3986
34
0,4191 0,4766 0,3374 0,2857 0,3273 0,4110
35
0,4103 0,4566 0,2838 0,2714 0,4616 0,3835
36
0,3923 0,4470 0,3061 0,2670 0,3508 0,3818
37
0,4157 0,4663 0,3112 0,2687 0,4043 0,3977
No Gambar Nilai
R G B H S I
38
0,4305 0,4736 0,3266 0,2764 0,3645 0,4102
39
0,4903 0,5265 0,4241 0,3073 0,3042 0,4803
40
0,4152 0,4640 0,3089 0,2679 0,3821 0,3960
41
0,4641 0,5042 0,3653 0,2866 0,3394 0,4445
42
0,4608 0,4882 0,3321 0,2455 0,3843 0,4270
43
0,4186 0,4736 0,3389 0,2834 0,3645 0,4104
44
0,4213 0,4755 0,3255 0,2787 0,3892 0,4075
45
0,4323 0,4834 0,3115 0,2693 0,4161 0,4091
No Gambar Nilai
R G B H S I
46
0,5746 0,4378 0,4444 0,1854 0,2656 0,4856
47
0,5386 0,4192 0,3956 0,1864 0,3015 0,4511
48
0,4623 0,4439 0,3733 0,2370 0,2941 0,4265
49
0,4293 0,4092 0,3397 0,2245 0,3187 0,3927
50
0,4943 0,4472 0,3581 0,2018 0,3357 0,4332
51
0,5001 0,3950 0,3698 0,0948 0,1969 0,4217
52
0,5150 0,4079 0,3901 0,1107 0,1882 0,4377
No Gambar Nilai
R G B H S I
53
0,5247 0,4205 0,3797 0,1012 0,2364 0,4416
54
0,5399 0,4467 0,905 0,1096 0,2567 0,4590
55
0,5350 0,4356 0,4227 0,1063 0,1753 0,4644
56
0,5202 0,3964 0,3490 0,0913 0,2862 0,4219
57
0,4726 0,4151 0,3915 0,1210 0,1544 0,4264
58
0,6015 0,4444 0,2952 0,1521 0,4784 0,4470
59
0,5685 0,4127 0,2812 0,1582 0,4802 0,4208
60
0,5373 0,4284 0,2623 0,1617 0,5211 0,4093
Tabel 7 merupakan nilai dari RGB dan HSI yang telah diperoleh dari aplikasi dan merupakan nilai dari masing – masing warna caba rawit yang dideteksi.
4.2 Pembahasan
Dalam pembuatan Aplikasi Pendeteksi Kematangan Cabai Rawit Menggunakan Metode Transformasi Ruang Warna HSI, aplikasi dibuat menggunakan Matlab R2013a. Untuk desain tampilan aplikasi menggunakan GUI yang ada pada matlab tersebut. Data yang digunakan sebagai objek deteksi yaitu gambar cabai rawit berwarna merah, hijau, dan kuning atau jingga, cabai rawit yang sudah busuk dan cabai rawit yang terdapat dua warna dalam satu cabai atau warna tidak rata dengan ukuran cabai yaitu 2-4 cm dan jarak pengambilan foto yaitu 6-7 cm menggunakan kamera handphone.
Jumlah data yang digunakan yaitu 60 data dengan 15 cabai merah, 15 cabai hijau, dan 15 cabai kuning atau jingga, 12 cabai busuk dan 3 cabai berwarna tidak rata.
Aplikasi dibuat dengan pemanfaatan pengolahan citra digital yaitu citra warna dengan model Ruang Warna HSI. Model HSI digunakan karena lebih mudah dalam mengidentifikasi objek dengan perbedaan hue-nya. Hue merujuk ke warna yang dikenal manusia seperti merah dan hijau. Saturation menyatakan tingkat kemurnian warna atau seberapa banyak cahaya putih yang tercampur dengan hue. Model tersebut kemudian diimplementasikan ke program dengan memasukan rumus konversi RGB ke HSI.
Hasil pengijian dari 60 data yang diuji pada aplikasi yaitu 15 data cabai rawit berwarna merah kematangannya terdeteksi matang dan sesuai dengan kematangan cabai rawit pada umumnya. Kemudian 15 data cabai rawit berwarna hijau kematangannya yaitu terdeteksi mentah juga sesuai dengan kematangan cabai rawit secara umum. Selanjutnya 14 data cabai rawit berwarna kuning atau jingga kematangannya yaitu setengah matang dan sesuai dengan kematangan cabai rawit pada umumnya, akan tetapi terdapat 1 cabai rawit berwarna kuning atau jingga yang kematangannya terdeteksi matang sehingga tidak sesuai dengan kematangan cabai rawit secara umum.
Selanjutnya terdapat 12 data cabai rawit busuk, 2 cabai busuk berwarna merah kecoklatan terdeteksi matang, 3 cabai rawit berwarna hijau yang busuk terdeteksi mentah, dan 7 cabai rawit berwarna coklat terdeteksi mentah sehingga untuk cabai rawit yang busuk kesesuaian kematangan pada aplikasi tersebut adalah tidak sesuai dikarenakan cabai yang dideteksi adalah busuk.
Kemudian 1 cabai warna belum rata dengan warna dominan kuning atau jingga terdeteksi matang dan 2 cabai dengan warna belum rata tetapi dominan berwarna kuning atau jingga terdeteksi mentah, yang jika dilihat dari warna adalah cabai rawit setengah matang akan tetapi aplikasi menampilkan output mentah dan matang sehingga tidak sesuai dengan kematangan secara umum.
Berdasarkan dari hasil pengujian tersebut dapat diketahui bahwa aplikasi dapat mendeteksi cabai rawit dari warna dengan kematang secara umum, dan cabai rawit busuk dapat terdeteksi dengan kematangan yang tidak sesuai.
58
Dalam pembuatan Aplikasi Pendeteksi Kematangan Cabai Rawit Menggunakan Metode Transformasi Ruang Warna HSI maka diperoleh kesimpulan :
a. Penerapan pengolahan citra digital dapat digunakan untuk mendeteksi kematangan cabai rawit dengan pemanfaatan citra warna dengan Model Ruang Warna HSI
b. Hasil penelitian yaitu dari 60 data yang terdeteksi terdapat 15 cabai rawit berwarna merah terdeteksi kematangannya yaitu matang dan sesuai dengan kematangan secara umum, 15 cabai rawit berwarna hijau terdeteksi kematangannya mentah, 14 cabai rawit berwarna kuning atau jingga terdeteksi kematamgannya setengah matang dan 1 cabai rawit berwarna kuning atau jingga terdeteksi matang yang tidak sesuai dengan kematangannya. Selanjutnya 3 cabai rawit dengan warna yang tidak rata tetapi memiliki warna dominan warna kuning atau jingga terdeteksi matang dan mentah yang tidak sesuai dengan kematangan cabai rawit lainnya diwarna kuning atau jingga yang memiliki kematangan setengah matang. Kemudian terdapat 12 cabai busuk yang di uji dan menghasilkan kematangan yang tidak sesuai yaitu terdapat 2 cabai busuk berwarna merah dengan kematangan matang, 3 cabai busuk berwarna hijau dengan kematangan mentah, dan 7 cabai busuk berwarna coklat terdeteksi
mentah. Dapat disimpulkan bahwa aplikasi mendeteksi cabai busuk dengan output yang tidak sesuai dikarenakan seharusnya output nya adalah busuk bukan matang ataupun mentah.
c. Berdasarkan hasil pengujian pada aplikasi, data yang uji menampilkan output kematangan yang berbeda – beda. Output yang ditampilkan berdasarkan warna kematangan Cabai Rawit.
5.2 Saran
Penelitian ini memiliki banyak kekurangan dan masih bisa dikembangkan lagi pada penelitian berikutnya, maka ada beberapa saran yang dapat disampaikan untuk mengembangkan penelitian ini :
a. Penelitian selanjutnya dapat menggunakan dan membandingkan dengan metode model ruang warna lainnya seperti Hue Saturation Value.
b. Objek yang terdeteksi dapat dikembangkan tidak hanya kematangan warna, dapat juga mendeteksi cabai rawit yang busuk.
Ruang Warna Hue Saturation Intensity (HSI) untuk Mendeteksi Kematangan Buah Mangga Harum Manis. Jurnal Komputer dan Aplikasi, Volume 8, pp. 1-10.
Harianto, K., Pratiwi, H. & Suhariyadi, Y., 2019. Sistem Monitoring Lulusan Perguruan tinggi dalam memasuki dunia kerja menggunakan tracer study.
Media Sahabat Cendikia.
Kadir, A. & Susanto, A., 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta:
Andi Yogyakarta.
M., 2015. Metodologi Kualitatif. Sidoarjo: Zifatama.
Muharni, S., 2020. Analisa dan Perancangan Sistem Informasi. Yogyakarta: CV.
Bintang Pustaka Madani.
Nugroho, A., 2017. Pemrograman Berorientasi Objek Menggunakan C#.
Yogyakarta: Andi.
Payadnya, I. P. A. A. & Jayantika, I. G. A. N. T., 2018. Panduan Penelitian Eksperimen Beserta Analisis Statistik Dengan SPSS. Yogyakarta: Cv Budi Utama.
Prajnata, F., 2011. Mengatasi Permasalahan Bertanam Cabai. Jakarta: s.n.
Pratama, R., Assagaf, A. F. & Tempola, F., 2019. Deteksi Kematangan Buah Tomat Berdasarkan FIitur Warna. Jurnal Informatika dan Komputer, Volume 2, pp. 81-86.
Sitorus, L., 2015. Algoritma Dan Pemrograman. Yogyakarta: Cv Andi Ofset.
Sutoyo. et al., 2020. Penerapan Metode Transformasi Ruang Warna HSI untuk Mendeteksi Tingkat Kematangan Buah Pisang Berdasarkan Fitur Warna Citra Kulit. Jurnal Penelitian dan Aplikasi Sistem & Teknik Industri, Volume XIV, p. 245.
Syukur, M., Yunianti, R. & Dermawan, R., 2013. Sukses Panen Cabai Tiap Hari.
Jakarta: s.n
Tohari, H., 2014. Analisis serta Perancangan Sistem Informasi melalui Pendekatan UML. Yogyakarta: Andi.
Wandi, D., F. & Hayati, N., 2021. Deteksi Kelayuan Bunga Mawar Dengan Metode Transformasi Ruang Warna HSI Dan HSV. Satuan Tulisan Riset dan Inovasi Teknologi, Volume 2.
Yanto, B. et al., 2021. Klarifikasi Kematangan Buah Nanas Dengan Ruang Warna Hue Saturation Intensity. Jurnal Inovtek Pplbeng - Seri Informatika,, Volume 6.
Zed, M., 2014. Metode Penelitian Kepustakaan. Jakarta: Yayasan Pustaka Obor Indonesia.
