Fakultas Ilmu Komputer
Universitas Brawijaya
10848
Sistem Penghitung Jeruk Matang pada Kebun berdasarkan Hue,
Saturation dan Chrominance-Red menggunakan Algoritme Watershed
berbasis Raspberry Pi
Salsabiil Hasanah1, Hurriyatul Fitriyah2, Rizal Maulana3
Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1salsabiilhasanah5@gmail.com, 2hfitriyah@ub.ac.id, 3rizal_lana@ub.ac.id
Abstrak
Jeruk memiliki kandungan vitamin C dan kandungan mineral yang banyak. Masyarakat pasti akan memilih buah jeruk yang warna kulitnya oranye atau kondisinya sudah matang. Maka dari itu, petani harus melakukan panen buah jeruk saat kondisinya sudah matang atau saat warna kulit buahnya berubah menjadi oranye. Dalam wilayah pertanian saat ini sudah ada yang mencoba menerapkan pertanian modern. Penggunaan teknologi yang diterapkan pada pertanian yaitu penggunaan robot. Saat ini di Indonesia masih tidak terdapat robot yang dapat secara otomatis melakukan panen jeruk matang pada kebun dengan mendeteksi sendiri mana jeruk yang sudah matang pada kebun lalu memetiknya. Proses panen ini juga memerlukan fungsi penghitung jeruk berwarna oranye yang digunakan pada kebun sehingga dapat terdeteksi untuk mengetahui banyaknya jeruk matang yang terdapat pada kebun. Dari permasalahan diatas, penelitian yang dilakukan penulis ini akan membahasa bagaimana proses mendeteksi jeruk berwarna oranye pada kebun dan menghitung jeruk berwarna oranye yang terdapat pada gambar menggunakan olah citra digital. Sistem ini akan melakukan pengambilan gambar jeruk yang terdapat pada kebun. Proses deteksi jeruk matang ini menggunakan ruang warna Hue, Saturation dan Chrominance-Red, sedangkan untuk proses perhitungan jeruk matang yang terdeteksi menggunakan algoritme watershed. Pada pengujian sistem dalam proses perhitungan jeruk matang menggunakan algoritme watershed didapatkan tingkat akurasi sebesar 82.14% dengan waktu komputasi rata- rata 2652 ms untuk sekali proses perhitungan.
Kata kunci: buah jeruk, segmentasi citra, HSV, YCBCR, algoritme watershed Abstract
Oranges contain vitamin C and a lot of mineral content. The public will definitely choose an orange fruit whose skin color is orange or the condition is ripe. Therefore, farmers must harvest citrus fruit when the conditions are ripe or when the color of the skin turns orange. In the area of agriculture today there are those who implement modern agriculture. The use of technology applied to agriculture is the use of robots. Currently in Indonesia there is no robot that automatically harvests mature oranges in the garden by detecting which ones are already ripe in the garden and then picking them. The harvest process also requires a counter function of ripe oranges in the garden which can be detected to find out the number of ripe oranges found in the garden. From the problems above, the research conducted by this writer will focus on the detection of mature oranges in the garden and the calculation of mature oranges detected using digital image processing. This system will take pictures of oranges found in the garden. The process of detecting ripe oranges uses the Hue, Saturation and Chrominance-Red color space, whereas for the calculation of ripe oranges detected using a watershed algorithm. In testing the system in the process of calculating ripe oranges using watershed algorithm obtained an accuracy rate of 82.14% with an average computing time of 2652 ms for one calculation process.
Keywords: orange fruit, image segmentation, HSV, YCBCR, watershed algorithm
1. PENDAHULUAN
Jeruk memiliki kandungan vitamin C dan
kandungan mineral yang banyak. Buah jeruk sebagai sumber vitamin C, manfaatnya sangat besar terhadap kesehatan. Buah jeruk dikenal
keseragaman ukuran, warna kuning yang merata, rasa manis yang berimbang dengan rasa asamnya; dan kulitnya mulus bebas dari serangan penyakit burik kusam (Balitjestro, 2014). Di Indonesia sudah menerapkan pertanian modern untuk menunjang hasil panen untuk seluruh pertanian (Pertanian, 2020). Proses panen buah jeruk dilakukan oleh beberapa petani yang pastinya memiliki penglihatan dan persepsi yang berbeda mengenai tingkat kematangan buah jeruk. Selain itu, perhitungan jeruk matang juga diperlukan agar dapat mengetahui banyaknya jeruk matang yang terdapat pada kebun.
Dari permasalahan diatas, penelitian yang dilakukan penulis ini akan membahas bagaiman proses menghitung jeruk berwarna oranye (matang) yang terdapat pada gambar. Sistem ini bekerja dengan cara menangkap gambar jeruk dan menghitung seberapa banyak jeruk berwarna oranye yang terdapat pada gambar. Pengambilan gambar ini dilakukan dengan menggunakan kamera Raspberry dan untuk mengetahui bagaimana hasil dari sistem makan hasil akan ditampilkan pada LCD 16x2. Proses deteksi jeruk matang ini menggunakan ruang warna HSV dan YCBCR. Pengambilan gambar pada ruang terbuka pasti menyebabkan intensitas cahaya berubah. Salah satu cara untuk mengatasi perubahan intensitas adalah dengan memisahkan komponen krominan dan luminan kemudian hanya menggunakan komponen krominan saja (Afirianto, et al., 2016), maka dari itu pada proses deteksi jeruk matang ini juga menggunakan ruang warna krominan tersebut. Komponen warna krominan yang diguanakan pada proses deteksi ini yaitu Hue (H) dan
Saturation (S) dari ruang warna HSV dan pada
komponan nwarna Chrominance-Red di dapatkan dari ruang warna YCBCR. Selanjutnya untuk proses menghitung banyaknya jeruk yang terdeteksi menggunakan algoritme watershed. Algoritme watershed adalah salah satu algoritme
secara otomatis sehingga dapat meringankan kerja para petani terutama dalam proses panen jeruk matang.
2. METODE PENILITIAN 2.1. Gambaran Umum Sistem
Sistem yang telah dirancang akan mendapatkan inputan yaitu hasil tangkapan gambar yang di dapatkan dari kamera
Raspberry. Hasil dari tangkapan gambar tersebut
akan diproses pada Raspberry Pi 3, didalam nya dilakukan proses segmentasi gambar untuk pendeteksian jeruk yang berwarna oranye pada kebun dan juga proses menghitung jeruk matang yang terdapat pada gambar menggunakan algoritme watershed. Output sistem ini yaitu hasil perhitungan jeruk matang akan ditampilkan pada LCD 16x2. Perancangan yang telah dibuat untuk menggambarkan sistem ditunjukkan pada Gambar 1
Gambar 1. Perancangan sistem 2.2. Prototype Sistem
Sistem ini memiliki 4 komponen utama yang digunakan untuk menunjang kebutuhan dari sistem yaitu Raspberry Pi, Kamera
Raspberry, LCD 16x2 dan Push Button Switch.
Desain prototype sistem ini sebagai gambaran bentuk dari sistem. Desain prototype sistem ini ditampilkan pada Gambar 2 berikut :
Gambar 2. Prototype Sistem
Komponen-komponen ini akan bekerja dan berjalan sesuai funginya masing-masing dengan bantuan Raspberry Pi 3 agar dapat melakukan proses yang sesuai dengan perintah. Kamera Raspberry letaknya ada di dalam alat tetapi mengarah keluar agar dapat mengambil gambar objek. Untuk LCD 16x2 ini juga sama seperti posisi kamera, dimasukkan dari dalam mengarah keluar agar pengguna dapat melihat hasil dari proses sistem dengan jelas. Selanjutnya yaitu
push button switch diletakkan pada bagian luar
kotak agar pengguna dapat dengan mudah menggunakan nya. terakhir yaitu Raspberry Pi 3 letaknya berada di dalam kotak untuk membuat tampilan dari kotak terlihat lebih rapih dan
Raspberry Pi 3 juga tidak terlihat dari luar.
2.3. Program Utama pada Sistem
Sistem nantinya akan mulai berjalan saat
Push Button Switch ditekan, proses selanjutnya
akan berjalan jika kondisinya FALLING yaiti kamera akan mengambil gambar. Pengambilan gambar ini akan menghasilkan kondisi jeruk yang di sekitarnya terdapat objek-objek selain buah jeruk. Maka dari itu untuk menghilangkan objek-objek lain tersebut, dilakukan segmentasi gambar. Setelah dilakukan pemrosesan dalam segmentasi gambar selesai, selanjurnya akan dilakukan pemrosesan algoritme watershed untuk mengetahui banyaknya jeruk berwarna oranye yang terdapat pada gambar. Hasil dari perhitungan jeruk berwarna oranye ini nantinya akan ditampilkan pada LCD 16x2. Setelah LCD 16x2 menampilkan hasilnya, sistem akan mulai dari awal lagi yaitu saat Push Button Switch siap ditekan atau proses juga dapat diakhiri. Diagram alir untuk program utama pada sistem ditunjukkan pada Gambar 3 yang terdapat di bawah ini.
Gambar 3. Program Utama Sistem 2.4. Proses Segmentasi Citra
Jalan nya proses ini bertujuan menghilangkan objek-objek yang selain jeruk yang tertangkap oleh kamera. Hasil pengambilan gambar yang sudah didapatkan sebelumnya akan diubah warna citra aslinya menjadi HSV dan YCBCR. Selanjutnya pada tiap hasil berubahnya citra tersebut, akan diseleksi bagian warna H dan S pada HSV dan CR pada YCBCR. Komponen warna Hue ini digunakan karena menggambarkan warna asli dari objek, untuk komponen Saturation digunakan untuk mengetahui kecerahan pada warna dari objek, sedangkan komponen Chrominance-Red
digunakan karena menggambarkan warna – warna komponen merah relatif terhadap komponen hijau (Medium, 2017) didalam nya terdapat komponen warna oranye yang menggambarkan warna jeruk matang. Hasil seleksi dari komponen warna ini untuk proses
yaitu digunakan untuk memperlebar hasil dari morfologi closing agar hasilnya terlihat lebih sempurna. Hasil dari pemrosesan segmentasi gambar ini ditampilkan dibawah ini pada Gambar 4.
Gambar 4. Proses Segmentasi Citra
Dalam penggunaan ketiga komponen warna tersebut, memelukan nilai jarak yang digunakan untuk menentukan objek buah jeruk. Jarak nilai
Warna Lower Upper
Hue 0 30
Saturation 135 255
Chrominance-Red 142 255
2.5. Proses Algoritme Watershed
Proses algoritme ini dilakukan untuk proses menghitung banyaknya jeruk berwarna oranye yang terdapat pada gambar. Proses yang digunakan pada algoritme ini yaitu Euclideance Distance Transform (EDT), cara kerja EDT ini yaitu menghitung jarak anatara objek dan juga
background nya. Citra yang diproses pada
algoritme ini yaitu hasil dari Dilasi maka yang dimaksud objek yaitu bagian yang berwarna putih dan yang dimaksud background yaitu bagian yang berwarna hitam. Setelah menghitung EDT, proses selanjutnya yaitu pencarian Local Max, yaitu hasil terbesar dari perhitungan EDT. Pencarian nilai Local Max ini digunakan sebagai acuan untuk menentukan bahwa nilai tersebut merupakan titik pusat dari objek-objek yang di maksud. Setelah itu proses
watershed yaitu memperjelas bagian-bagian dari
objek dan untuk proses menghitung banyaknya jeruk yang terdapat pada gambar. Pada algoritme ini juga akan dilakukan proses menghitung banyak nya jeruk berwarna oranye yang terdapat pada gambar yang didapatkan dari hasil proses
watershed tersebut. Jika terdapat objek yang
sama dan terlihat menempel satu sama lain saat pengambilan gambar, bisa dihitung sebagai objek yang berbeda satu sama lain dengan menggunakan algoritme ini. Diagram alir yang menejelaskan bagaimana proses dari algoritme watershed ini ditunjukkan pada Gambar 5.
Gambar 5. Proses Algoritme Watershed 3. HASIL DAN PEMBAHASAN
3.1. Pengujian Fungsional Raspberry Camera
Module
Kamera Raspberry pada sistem ini nantinya akan digunakan untuk proses penangkapan gambar jeruk pada kebun. Pengujian ini dilakukan untuk mengetahui bagaimana hasil dari pengambilan gambilan menggunakan kamera Rapberry. Hasil dari pengambilan gambar ini harus menunjukkan objek jeruk matang yang terlihat jelas. Hasil dari pengujian pengambilan gambar akan ditampilkan di bawah ini yaitu pada Gambar 6.
Gambar 6. Hasil Pengambilan Gambar 3.2. Pengujian Fungsional LCD 16x2
LCD 16x2 pada sistem ini memiliki fungsi menampilkan karakter yang sudah di tentukan sebelum nya. Pada sistem, LCD 16x2 ini bertujuan untuk mengetahui bagaimana hasil yang ditampilkan pada LCD, tampilan tersebut sudah diproses sebelumnya sesuai dengan kode program. Hasil pengujian LCD ini ditampilkan pada Gambar 7.
Gambar 7. Hasil pengujian LCD 16x2 3.3. Hasil Pengujian Sistem
Untuk proses pengujia sistem, yang akan dibahas disini yaitu diantaranya hasil dari segmentasi gambar, algoritme watershed dan waktu komputasi. Pengujian yang dilakukan pertama yaitu segmentasi citra, pada proses ini akan dilakukan pengujian dari nilai-nilai lower dan upper dan termasuk juga pengujian morfologinya. Pengujian ini digunakan untuk mengetahui bahwa proses segmentasi gambar dapat dilakukan dengan baik. Hasil dari proses segmentasi citra ditunjukkan pada Gambar 8.
Gambar 8. Hasil Proses Segmentasi Gambar Pengujian kedua yang dilakukan yaitu pada proses algoritme watershed. Pada algoritme ini akan dilakukan proses menghitung objek jeruk matang pada gambar. Jika terdapat objek yang sama dan terlihat menempel satu sama lain saat pengambilan gambar, bisa dihitung sebagai objek yang berbeda satu sama lain dengan menggunakan algoritme ini. Pengujian ini dilakukan pada 112 data dari hasil pengambilan gambar yang akan digunakan untuk mengetahui besar akurasinya. Dalam pengujian algoritme ini menghasilkan tingkat akurasi sebesar 82.14% Pengujian ketiga yang dilakukan yaitu waktu
komputasi sistem. Waktu komputasi disini menunjukkan berapa lama sistem melakukan proses pengambilan gambar, proses segmentasi citra, proses perhitungan jeruk matang sampai menampilkan hasil pada LCD 16x2. Proses yang dilakukan di pengujian ini yaitu menghitung berapa lama waktu komputasi dengan menjalankan sistem 10 kali. Hasil dari pengujian waktu komputasi ini ditunjukkan pada Tabel 2 berikut :
Tabel 2. Hasil Pengujian Waktu Komputasi
No Nama Objek Jeruk Waktu Komputasi (ms)
1 Pengujian 1 2712
2 Pengujian 2 2605
dari penelitian ini yaitu proses mengenali jeruk berwarna oranye pada kebun dilakukan melalui tahapan proses segmentasi gambar. Proses pengambilan gambar yang dilakukan di ruang terbuka menyebabkan perubahan intensitas cahaya. Untuk mengatasi hal tersebut, pada ruang warna HSV dan YCBCR diambil komponen krominan nya saja yaitu H, S dan CR. Lalu melakukan proses morfologi opening, closing dan dilasi untuk mendaptkan hasil segmentasi gambar yang sempurna.
Proses menghitung jeruk berwarna oranye ini dilakukan dengan cara menggunakan algoritme watershed. Dalam agoritme ini akan dilakukan proses perhitungan EDT, pencarian nilai Local Max dan proses
watershed. Tingkat akurasi dari penggunaan algoritme ini yaitu sebesar 82.14%. Selanjutnya untuk waktu komputasi yang diperlukan sistem untuk melakukan seluruh proses sampai menampilkan hasil pada LCD 16x2 yaitu menghasilkan rata-rata waktu komputasi 2652 ms.
Saran dari peneliti yang dapat dikembangkan untuk peneliti selanjutnya yaitu menambahkan buah selain jeruk untuk dapat di deteksi, membuat sistem monitoring pada kebun untuk mengetahui kondisi buah dan membuat robot pertanian yang dapat melakukan proses panen yang dapat dilakukan secara otomatis pada kebun.
DAFTAR PUSTAKA
Afirianto, T., Faizatul, A., 2016. Pengaruh Komponen Krominan pada Ruang Warna HSV, YCBCR, dan CIELAB untuk Deteksi Kulit Menggunakan Klasifikasi KNN. Seminar Nasional Teknologi
Balitjestro, 2014. Degreening Buah Jeruk
Keprok. [Online] Available at : http://balitjestro.litbang.pertanian.go.id/d egreening-buah-jeruk-keprok/ [Diakses 14 Januari 2020].
Devtrik, 2017. Operasi Morfologi pada
Pengolahan Citra.[Online] Available at :
https://devtrik.com/opencv/operasi-morfologi-pada-pengolahan-citra/ [Diakses 19 Januari 2020].
Lefèvre, S., 2007. Knowledge from Markers in Watershed Segmentation. Computer Analysis of Images and Patterns: 12th International Conference.
Medium, 2017. What is YCbCr ? (Color Spaces) [Online] Available at : https://medium.com/breaktheloop/what-is-ycbcr-964fde85eeb3 [Diakses 19 Januari 2020]
Pertanian, 2020. Pertanian Modern Bisa
Untungkan Petani Berlipat-lipat. [Online]
Available at :
https://www.pertanian.go.id/home/?show =news&act=view&id=3496 [Diakses 19 Januari 2020].
Sciencedirect, 2020. Watershed Segmentation. [Online] Available at : https://www.sciencedirect.com/topics/co mputer-science/watershed-segmentation [Diakses 19 Januari 2020]
Timesindonesia, 2019.Selain Kaya Vitamin C,
Ini Manfaat Jeruk untuk Kesehatan Tubuh
[Online] Available at : https://www.timesindonesia.co.id/read/ne ws/211244/selain-kaya-vitamin-c-ini-manfaat-jeruk-untuk-kesehatan-tubuh [Diakses 3 Desember 2019].