1. PENDAHULUAN
Citra adalah data gambar yang dihasilkan kamera foto, kamera video, atau alat lain yang bertipe dua dimensi. Citra dapat diolah dengan suatu perhitungan matematis untuk mendapatkan informasi yang dibutuhkan. Beberapa peneliti telah melakukan pengolahan data citra untuk perhitungan luas, deteksi wajah, deteksi waktu panen buah, dan sebagainya.
Pada penelitian ini telah dilakukan peng- olahan data citra untuk mengetahui luas kanopi suatu pohon, yang digunakan sebagai data dukung dalam perhitungan nilai intersepsi.
Pengukuran luas kanopi pohon dirasa sangat susah, karena letak kanopi pohon yang tinggi dari tanah, bentuk daun yang tidak beraturan, dan pertumbuhan daun yang relatif pesat.
Beberapa penelitian telah dilakukan untuk
mengukur luas kanopi pohon, di antaranya dengan menggunakan perhitungan diameter kanopi, menggunakan lidar, dan memakai laser.
Pengukuran luas kanopi pohon pada peneli- tian ini dengan memanfaatkan warna citra dari kanopi pohon tersebut. Pemasangan video di atas kanopi pohon digunakan untuk memperoleh citra kanopi pohon yang dibutuhkan. Setelah itu dilakukan perhitungan jumlah piksel dari semua warna citra yang dihasilkan. Piksel yang berwarna hijau menunjukkan warna kanopi pohon. Jumlah piksel warna hijau yang dikalikan dengan skala antara luas citra dan luas riil dapat digunakan untuk perhitungan luas kanopi pohon.
2.
TEORI DASARSalah satu parameter untuk perhitungan keterse- diaan air suatu wilayah adalah nilai intersepsi
PERHITUNGAN LUAS KANOPI POHON BERDASARKAN WARNA CITRA
TREE CANOPY AREA COMPUTATION BASED ON IMAGE COLOR Tatik Maftukhah dan Sensus Wijonarko
Pusat Penelitian Metrologi LIPI, Kompleks Puspiptek Gedung 420, Tangerang, Banten tatikmh@kim.lipi.go.id
ABSTRAK
Aplikasi pengolahan citra berdasarkan warna telah dibuat untuk perhitungan luas kanopi suatu pohon. Data luas kanopi pohon merupakan data dukung dalam pengukuran intersepsi hujan pada pohon yang diolah lebih lanjut untuk mengukur data ketersediaan air suatu wilayah. Citra kanopi yang merupakan rekaman kamera yang terpasang di atas pohon, kemudian dilakukan pengolahan data citra berdasarkan warna. Hijau dalam citra tersebut merupakan warna daun sehingga perhitungan jumlah piksel untuk kandungan warna hijau menunjukkan luas kanopi suatu pohon. Dengan mengonversikan antara luas citra dan luasan riil dapat diketahui luas kanopi pohon riil. Aplikasi pengolahan citra untuk perhitungan luas kanopi ini dibangun dengan fasilitas bahasa C++
XE2, library OpenCV, dan komponen PlotLab. Aplikasi-aplikasi ini telah diterapkan pada sistem Instrumen Neraca Air di PDAM Belitung.
Kata kunci: pengolahan citra, warna citra, luas kanopi
ABSTRACT
An application of image processing based on image color has been made for a tree canopy area computation. The tree canopy area is the supporting data of the rain interception measurement that were processed to calculate the availability in an area. The canopy image isrecorded result of camera installed on the tree, then it is conducted to the image data based on color. Green color in the image is tree color, so pixel number computation for the green color is tree canopy area. From the conversion between image area and real area, the image canopy can be used to know real canopy area. An application built use facilities of C++ XE2 language, OpenCV library, and PlotLab component has been applied for the Water Balance Instrument System at Belitung PDAM.
Keywords: image processing, image color, canopy area
atau curah hujan yang tertahan oleh tanaman.[1]
Nilai intersepsi dapat dihitung dari besarnya curah hujan, air lolosan, aliran air batang, dan luas kanopi pohon. Saat ini, pengukuran luas kanopi pohon telah dilakukan dengan beberapa cara, di antaranya dengan perhitungan rerata kedua diameter kanopi[2], lidar[3, 4], dan laser[5].
Kamera merupakan alat perekam gambar atau susunan gambar yang diam atau bergerak.
Perkembangan pengolahan data kamera telah banyak diterapkan di berbagai bidang. Beberapa kegiatan penelitian yang telah memanfaatkan data kamera, antara lain untuk pengukuran kecepatan gerak objek,[6] pengukuran jarak,[7]
keamanan,[8] pengendali arah gerak robot,[9]
dan deteksi kesegaran makanan[10] . Pengolahan data kamera tersebut berupa citra digital dengan ukuran jumlah piksel yang berbeda, sesuai dengan alat yang digunakan. Telah diketahui bahwa piksel merupakan suatu unsur gambar atau representasi sebuah titik terkecil dalam gambar grafis yang dihitung per inci.[11]
Selain jumlah piksel, resolusi citra digital dapat diukur dari jumlah warna. Model warna RGB (red, green, blue) mempunyai tiga warna primer, yaitu merah, hijau, dan biru.[12] Nilai se- tiap parameter R, G, dan B dari 0 sampai dengan 1. Setiap titik warna dapat direpresentasikan sebagai penjumlahan vektor berbobot dari warna primer menggunakan unit vektor R, G, dan B:
( ) ( , , )
C λ = R G B =rR gG bB+ + …... (1) dengan parameter r, g, dan b yang nilainya dari 0 sampai dengan 1.
Pada penelitian ini, dilakukan pengukuran luas kanopi pohon dengan menggunakan fasili- tas yang ada di kamera, yaitu dengan mengolah citra kanopi pohon yang terekam kamera. Setiap citra yang dihasilkan tersusun dari beberapa piksel yang terbagi dalam m baris dan n kolom.
Setiap piksel bernilai 0 s.d. 255 yang terdiri atas 8 bit yang merupakan kombinasi dari ketiga warna primer,[13] yang dideskripsikan seperti pada Tabel 1.
Piksel yang mengandung warna hijau berarti data dari bit ke 2, 3, dan 4 bernilai satu.
3.
METODOLOGIMetodologi yang digunakan dalam penelitian ini terdiri atas pembuatan diagram alir aplikasi, pembuatan aplikasi, pengujian, analisis data, dan penerapan sistem.
3.1 Diagram Alir Aplikasi
Diagram alir dari aplikasi dalam pengolahan citra untuk perhitungan luas kanopi dapat dilihat pada Gambar 1.
Tabel 1. Kombinasi Warna Piksel
Bit 7 6 5 4 3 2 1 0
Gambar 1. Diagram Alir Aplikasi Perhitungan Luas Kanopi Pohon
Mulai
Olah data citra
Hitung piksel
hijau
Inisialisasi Kamera
Ambil data citra
Hitung luas kanopi Selesai
3.2 Pembuatan Aplikasi
Aplikasi yang digunakan untuk pengukuran luas kanopi pohon dibangun dengan bahasa C++
XE 2 dengan library OpenCV dan komponen PlotLab. Berdasarkan diagram alir yang telah disusun, pertama-tama aplikasi akan merekam data kanopi pohon dengan fasilitas video. Dari data video akan dipilih satu gambar atau citra yang akan diproses untuk pengolahan data citra.
Pengolahan data dilakukan dengan perhi- tungan nilai warna untuk semua piksel, kemudi- an dilanjutkan dengan pembuatan histogram warna yang berisi intensitas setiap warna yang terdiri atas 256 data. Program dilanjutkan dengan deteksi warna kanopi pohon, yaitu hijau dan perhitungan jumlah piksel. Untuk mendeteksi warna hijau tersebut dapat dilakukan dengan operasi hexadecimal berikut ini.
pi & 0X00011100 = hi ... (2) dengan
pi = warna piksel hi = kandungan warna i = 0 s.d. jumlah piksel
Piksel yang mengandung warna hijau, jika hi bernilai 0X04, 0X08, 0X0C, 0X10, 0X14, 0X18, atau 0X1C, seperti yang ditampilkan pada Tabel 2.
Contoh piksel (pi) dengan warna 200 (decimal) = 0XC8 (hexa). Perhitungan yang dilakukan untuk mengetahui apakah piksel tersebut mengandung warna hijau, yaitu:
hi = 0XC8 & 0X1C ………... (3) = 0X110010000 & 0X00011100
= 0X000001000 = 0X08
Dari perhitungan tersebut dapat diketahui bahwa piksel dengan nilai warna 200 mengan- dung warna hijau.
4. PENGUJIAN DAN HASIL
Aplikasi telah dikembangkan untuk pengukuran luas suatu kanopi pohon berdasarkan warna citra. Pengujian laboratorium telah dilakukan untuk pengukuran luas (berdasarkan warna) dari beberapa bentuk objek, yaitu segi empat, lingkaran, segitiga, dan persegi panjang, dengan kesalahan rata-rata 0,0128%.[13] Pengukuran luas kanopi pohon sangat susah karena letak kanopi pohon yang tinggi dari tanah. Oleh karena itu, pengujian laboratorium dilakukan untuk beberapa bentuk dan warna yang berbeda, dan digunakan sebagai simulasi dari pengujian luas kanopi pohon. Tabel 3 menampilkan hasil peng- ujian yang telah dilakukan oleh Maftukhah.[13]
Penerapan sistem telah dilakukan di wilayah PDAM Air Serkuk, Belitung. Pemasangan kamera dilakukan di atas pohon dengan keting- gian sekitar 6 meter sehingga pengambilan citra untuk luas kanopi pohon dapat dilakukan.
Gambar 2 merupakan kegiatan pemasangan kamera di atas kanopi pohon.
Sementara itu, Gambar 3 merupakan tampilan aplikasi yang telah dibuat. Aplikasi menampilkan citra rekaman kamera, histogram/
grafik intensitas warna citra, dan hasil pengo- lahan data.
Jumlah piksel pada citra merupakan perka- lian jumlah baris dan kolom, yaitu
p = n x m ... (4) = (694 x 449) piksel
= 291.401 piksel
Gambar 2. Pemasangan Kamera di Wilayah PDAM Belitung
Tabel 2. Data Piksel Warna Hijau
No. Nilai hi
1 0X0000 0100 = 0X04
2 0X0000 1000 = 0X08
3 0X0000 1100 = 0X0C
4 0X0001 0000 = 0X10
5 0X0001 0100 = 0X14
6 0X0001 1000 = 0X18
7 0X0001 1100 = 0X1C
dengan
p : jumlah piksel pada citra n : jumlah baris pada citra m : jumlah kolom pada citra
Sesuai dengan Persamaan (2), data warna hijau terdeteksi sebanyak 93.014 piksel.
Untuk perhitungan luas kanopi pohon perlu diketahui skala citra dengan melakukan perbandingan antara luas riil dan luas citra.
Nilai skala atau perbandingan yang diperoleh digunakan untuk perhitungan luas kanopi pohon.
Perhitungan tersebut adalah sebagai berikut.
pc/rc = pk/rk ... (5) dengan
pc : jumlah piksel citra rc : luas riil citra
pk : jumlah piksel kanopi rk : luas riil kanopi
Dari tampilan aplikasi pada Gambar 3 dapat diketahui bahwa jumlah piksel citra 291.401 dan jumlah piksel kanopi 93.014. Jika luas riil keseluruhan citra 44,8 m2, diperoleh luas riil kanopi 14,3 m2.
5.
KESIMPULAN
Perhitungan luas kanopi dalam penelitian ini merupakan data dukung dalam pengukuran intersepsi hujan pada pohon tersebut, kemudian hasil pengukuran intersepsi hujan tersebut dapat diolah lebih lanjut untuk mendapatkan data ketersediaan air di suatu wilayah. Aplikasi peng- olahan data citra untuk perhitungan luas kanopi pohon telah diterapkan pada sistem Instrumen Neraca Air di wilayah PDAM Belitung. Data gambar atau citra hasil perekaman kamera diolah dengan cara melakukan perhitungan kandungan warna pada setiap piksel. Luas kanopi pohon diperoleh dari jumlah piksel yang mengandung warna hijau sesuai dengan warna
Tabel 3. Data Pengujian Pengukuran Luas Objek[13]
No. Bentuk Objek Luas Pengukuran (cm2) Luas Objek (cm2) Kesalahan (%)
1 Segi empat 101,7 100 0,0170
2 Persegi panjang 51,6 50 0,0320
3 Segitiga 17,8 18 0,0110
4 Lingkaran 63,6 63,64 0,0006
5 Segi empat 73,5 72,25 0,0035
Rata-rata kesalahan 0,0128
daun. Setelah dilakukan konversi antara luas citra dan luas riil maka jumlah piksel kanopi tersebut dapat digunakan untuk mengetahui luas riil kanopi pohon.
6. UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada manajemen Kompetitif, khususnya untuk Sub- program Ketahanan dan Daya Saing Wilayah dan Masyarakat Pesisir, dan manajemen Puslit Metrologi yang telah mengizinkan penulis mengikuti kegiatan penelitian Instrumen Neraca Air untuk Pulau Kecil tahun 2012–2014.
7. DAFTAR PUSTAKA
[1] Maftukhah, Tatik. 2014. “Instrumen Neraca Air untuk Pulau Kecil.” Laporan Kegiatan Kompetitif LIPI Tahun Anggaran 2012 s/d 2014.
[2] Blozan, Will. 2008. “The Tree Measuring Guidelines of the Eastern Native Tree Society.”
Diakses 14 November 2014. http://www.
nativetreesociety.org/measure/Tree_Measur- ing_Guidelines-revised1.pdf.
[3] Hosoi, Fumiki dan Kenji Omasa. 2009. “Es- timating Vertical Leaf Area Density Profiles of Tree Canopies Using Three Dimensional Portable Lidar Imaging.” Prosiding dari ISPRS Workshop Laser Scanning 09. Paris.
[4] Hosoi, Fumiki, Kazushige Nakabayashi, dan Kenji Omasa. 2011. “3-D Modeling of Tomato Canopies using a High-Resolution Portable Scanning Lidar for Extracting Structural In- formation”. Sensors 11, 2.166–2.174.
[5] Anken, Thomas, Andrea Battiato, Dejan Seato- vic, Vincent Meiser, Jörn Selbeck, dan Florian Pforte. 2013. “Canopy-Area Measurement of Plum Trees Using Laser and Near-Infrared Imaging”. Dalam Konferensi “Sustainable Agriculture trough ICT Innovation”. Publ.
EFITA-WCCA-CIGR, Torino, Italia, 130.
[6] Maftukhah, Tatik dan Sensus Wijonarko.
2012. “Penggunaan Komponen Mitov untuk Pengukuran Kecepatan Gerak Obyek Berbasis Video.” Dipresentasikan dan diterbitkan dalam Prosiding Presentasi dan Pertemuan Ilmiah PPI KIM-LIPI Ke-38. 450–460. Tangerang.
[7] Lazaro, Jose L., Angel E. Cano, Pedro R.
Fernandez, dan Yamilet Pompa. 2009. “Sensor for Distance Measurement using Pixel Grey- Level Information”. Sensors Journal 9(11), 8.896–8.906.
[8] Nugraha, Nur Ocvian dan Subali. 2005.
“Monitoring dan Sistem Keamanan Ruang Penyimpanan Barang Berharga Berbasis Mi- krokontroler Atmega8535.” Diakses 6 Novem- ber 2015. http://eprints.undip.ac.id/19394/1/
jurnal.pdf.
[9] Hariyanto, Didik. 2011. “Pengolahan Citra Digital pada Sensor Kamera sebagai Pengen- dali Arah Gerak Robot Line Follower.” Lapo- ran Tugas Akhir, Fakultas Teknik Universitas Negeri Yogyakarta.
[10] Leon, Katherine, Domingo Mery, Franco Pedreschi, dan Jorge Leon. 2006. “Color Measurement in L*a*b Unit from RGB Digital Images.” Food Research International, 1.084–1.091.
[11] Piksel. 2014. Diakses 2 Juni 2015. http://
id.wikipedia.org/wiki/Piksel.
[12] Schettini, Raimondo, Gianluigi Ciocca, dan Silvia Zuffi. 2001. “A Survey of Methods for Colour Image Indexing and Retrieval in Image Databases.” Dalam Luo, R., L. MacDonald, ed. Color Imaging Science: Exploiting Digital Media. New York: John Wiley, 183–211.
[13] Maftukhah, Tatik dan Sensus Wijonarko.
2015. “Aplikasi Pengukuran Luas Obyek Menggunakan Kamera.” Dipresentasikan dan diterbitkan dalam Prosiding Presentasi dan Pertemuan Ilmiah PPI KIM-LIPI Ke-41, 143–152. Jakarta.
