PERANCANGAN APLIKASI PENGENALAN BUAH-BUAHAN BERDASARKAN WARNA DENGAN HISTOGRAM INDEXING
Pristiwanto1, Andri Kurniawan2
1 Dosen Tetap STMIK Budi Darma, Medan, Indonesia
2 Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma, Medan, Indonesia
1,2 Jln. Sisingamangaraja No. 338 Simpang Limun Medan, Indonesia
Abstrak
Buah-buahan identik dengan warna, semakin cemerlang warna buah maka semakin dapat dilihat kesegarannya. Image retrieval buah-buahan adalah bagian dari komputer grafik untuk pengenalan jenis buah-buahan, dimana dengan menggunakan image retreival ini mampu mendeteksi jenis buah-buahan yang masi segar dari segi kecerahan warnanya. Masalah yang terdapat pada cara pengenalan buah-buahan yaitu warna citra yang diinputkan, untuk satu jenis buah terkadang memiliki lebih dari satu warna dasar. Histogram index mampu mengidentifikasi penyebaran warna dari citra buah-buahan dan skala warna yang besar dan berpengaruh secara non-linier terhadap waktu proses pengenalan warna buah-buahan.
Kata kunci: Histogram Indexing, Citra
Abstract
Fruits are identical with the colors, the more brilliant the color of the fruit the more it can be seen kesegarannya. Image retrieval of fruits is part of the computer graph for the introduction of fruits type, which by using image retreival is able to detect the types of fresh fruits in terms of color brightness. The problem of the introduction of fruits is the color of the input image, for one type of fruit sometimes has more than one basic color. Histogram index is able to identify the distribution of color from the image of fruits and color scales are large and non-linear effect on the time of the fruit recognition process of fruits.
Keywords: Histogram Indexing, Image
1. PENDAHULUAN
Buah-buahan identik dengan warna. Semakin cemerlang warna buah maka semakin dapat dilihat kesegarannya. Misalkan buah apel yang diketahui kulit buah apel berwarna merah dan daging buahnya berwarna putih, akan tetapi pada apel terdapat juga kulit berwarna hijau atau bercampur merah muda dan hijau. Buah lemon atau jeruk identik dengan warna orange dan kuning pada kulit dan daging buahnya, sedangkan kulit buah anggur memiliki warna ungu atau terkadang dapat juga ditemukan anggur berwarna campuran ungu dengan merah, atau hijau transparan (green glossy) sedangkan warna daging buahnya berwarna putih keabu-abuan tranparan. Dan masih banyak lagi buah-buahan yang memiliki warna beraneka ragam bahkan setiap warna pada kulit dan daging buah yang terkandung di dalam buah-buahan memiliki kandungan gizi yang berbeda-beda.
Dalam bidang ilmu komputer pengenalan suatu objek berdasarkan warna disebut image retrieval. Image retrieval biasa digunakan untuk sistem pengenalan wajah, sidik jari, retina mata, grafik suara, dan aplikasi biometrik lainnya.
Sedangkan penyebaran warna pada citra digital dapat diketahui dengan melihat histogram warna. Frekuensi dari setiap warna dikelompokkan ke dalam grafik histogram sehingga dapat diketahui urutan warna yang dimiliki oleh citra tersebut.
Image retrieval dari citra buah-buahan adalah bagian dari komputer grafik untuk pengenalan jenis buah-buahan. Penelitian yang dilakukan oleh S. F.
Kesuma et al[1] dengan dalam Jurnal Ilmiah Teknologi Sistem Informasi Januari 2017 dengan judul Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur. S. F.
Kesuma[1] mengangkat permasalahan baru dalam klasifikasi buah, yaitu mengklasifikasikan buah mengkudu berdasarkan tingkat kematangan yang direpresentasikan dari sisi warna dan teksturnya.
Kesimpulan dari penelitian tersebut klasifikasi kualitas buah mengkudu dapat dilakukan mengunakan pengolahan citra digital. Klasifikasi paling baik diperoleh ketika menggunakan fitur warna yaitu 87.00% dan diklasifikasikan dengan algoritma Support Vector Machines (SVM) pada kernel linear. Uji coba pada kedua algoritma tersebut membuktikan algoritma SVM lebih unggul dibanding algoritma kNN.
Yang menjadi tujuan dari penulisan ini adalah sebagai berikut :
a. Mengklasifikasikan warna kulit dan daging buah-buahan dalam histogram indexing.
b. Merancang aplikasi dan database pengenalan buah-buahan berdasarkan warna kulit dan daging.
c. Menerapkan histogram indexing dalam aplikasi pengenalan buah-buahan.
Kemudian dari isi pembahasan ini ada juga yang disebut sebagai identifikasi masalah diantaranya : a. Warna buah yang dianalisa adalah warna kulit
dan daging buah-buahan dan dalam citra RGB.
b. Klasifikasi yang dilakukan terhadap buah- buahan dalam analisa terdiri dari 4 (empat) buah- buahan yaitu buah mangga, buah jeruk, buah naga merah dan buah apel merah.
c. Jenis Citra input buah yaitu citra raster Bitmap (BMP) atau JPEG dengan resolusi ± 300x300 piksel. Dalam analisa dilakukan pengecilan bagian gambar menjadi 100x100 piksel.
Dalam pengimplementasiannya juga dapat dilakukan dengan beberapa metode yang digunakan sebagai metode penelitian dari penulisan ini yaitu :
a.
Dapat berguna dalam mengetahui sebaran warna dalam histogram citra buah-buahan yang diteliti.b.
Dapat berguna dalam pengenalan buah-buahan yang ditemukan pengguna secara komputerisasi.c.
Dapat mengetahui algoritma dan logika histogram dalam penerapan aplikasi pengenalan buah-buahan yang dirancang.2. ANALISA DAN PEMBAHASAN
Buah-buahan dapat dikenali berdasarkan visualisasi bentuk dan warna. Secara umum orang lebih suka memilih buah-buahan yang segar. Kata segar untuk buah-buahan memiliki makna buah tersebut berwarna cerah dan menarik serta terasa manis dan enak jika dimakan, akan tetapi buah yang segar dalam berbagai warna memiliki kandungan yang berbeda. Dengan melakukan klasifikasi warna pada buah-buahan, maka perlu membuat bagian klasifikasi tersebut terlebih dahulu untuk buah- buahan dengan warna hijau, merah, kuning, jingga, biru, putih, dan percampuran diantaranya.
Dari setiap buah diambil warna maksimum dan warna minimum, Pengenalan data gambar buah yang diinput dicocokkan dengan data yang ada dalam database. Proses aplikasi akan mencari kesamaan frekuensi dalam indeks histogram dari warna input dengan warna dalam database. Secara teknis metode penelitian dari gambar di bawah aplikasi memilih warna yang dominan dalam histogram.
Gambar 1. Input, Proses dan Output
Jenis warna buah-buahan yang diteliti adalah Apel merah, Jeruk (orange) Anggur merah, dan buah naga merah. Sementara buah-buahan yang memiliki banyak tekstur dan corak tidak digunakan seperti Semangka dan Nenas. Warna buah-buahan akan dikenalkan seperti warna buah yang cenderung polos
.
Tabel 1. Deskripsi buah-buah untuk Input dalam database
Nama Buah
Warna Kulit
Warna Daging Warna
Maximum
Warna Minimum Buah
Mangga
Buah Jeruk (orange)
Buah Naga Merah Buah Apel Merah
Empat buah-buahan dalam tabel 1 akan diklasifikasikan dari warna kulit dan warna daging.
Warna kulit ditentukan dari dua bagian yaitu : 1. Warna maksimum adalah warna dari buah yang
matang.
2. Warna minimum adalah warna dari buah yang hampir matang.
Dari warna maksimum dan minimum akan dibagi lagi maksimum dan minimum yang berguna untuk ambang batas dari warna kulit. Nilai warna buah- buahan tidak sama satu dengan warna lainnya.Untuk mendapatkan bidang dari warna buah diperlukan seleksi bagian warna yang akan diambil frekuensinya sehingga latarbelakang pada gambar yang bukan bagian buah-buahan tidak akan diikut sertakan.
Pengambilan citra buah-buahan untuk nilai warna dalam database dilakukan dari jarak 20 cm. ini dilakukan untuk menjaga cahaya yang diterima dan agar tidak terjadi perbedaan pencahayaan, sebab kekurangan cahaya dapat mempengaruhi nilai frekuensi dari citra tersebut. Selanjutnya citra buah- buah di-crop menjadi 100x100 piksel untuk pengambilan nilai piksel dari citra buah-buahan. Nilai warna merah, hijau, dan biru (RGB) setiap citra dapat dilihat pada lampiran. Untuk contoh tabel histogram dari buah apel kulit maksimum, kulit minimum dan daging pada tabel-tabel berikut:
Input Citra Warna
Buah databas
e
Database Warna Buah
Input Citra Buah Baru
Histogra m
Inform asi buah
Sesuaikan Nilai Warna
pada Database Histogra
m
Tabel 2. Tabel histogram buah apel merah (kulitmaksimum)
R G B
Nilai Frek Nilai Frek Nilai Frek
86 1 8 1 25 2
97 335 16 630 32 1465
108 780 25 2888 39 2811
119 3124 33 900 46 1831
130 3951 42 1514 53 2584
141 702 50 2724 60 1126
152 580 59 1164 67 126
163 282 67 110 74 37
174 180 76 55 81 11
185 62 84 10 88 4
Total 10000 Total 10000 Total 10000
Tabel 3. Tabel histogram buah apel merah (kulit minimum)
R G B
Nilai
Frek Nilai Frek Nilai Frek140
2 0 5 0 3151
37 22 184 13 93163
119 45 805 26 488174
199 68 1488 39 1044186
335 91 1309 53 1829197
487 114 1052 66 1992209
1025 137 1078 79 2271220
1036 160 1101 93 1533232
1170 183 1102 106 500243
1089 206 1017 119 165Total
10000 Total 10000 Total 10000Tabel 4. Tabel histogram buah apel merah (Daging)
R G G
Nilai
Frek Nilai Frek Nilai Frek219
1 190 1 118 1222 3 196 8 129 5
226 11 202 24 141 46
229 24 208 40 153 101
233 47 214 86 164 108
237 147 220 241 176 219
240 186 226 448 188 364
244 566 232 1801 199 867 247 1754 238 5447 211 4930 251 6190 244 1693 223 2753
R G G
Nilai
Frek Nilai Frek Nilai Frek Total 10000 Total 10000 Total 10000Tabel histogram untuk buah-buahan yang lainnya disertakan pada lampiran. Dari tabel-tabel histogram selanjutnya adalah mendapatkan nilai maksimum dan minimum dari tabel-tabel histogram tersebut. Berikut matrik 100x100 piksel citra dicari nilai maksimum dan minimum. Hasil nilai maksimum dan minimum dapat dilihat pada tabel di bawah.
Tabel 5. Penguraian nilai maksimum dan minimum
No. Nama buah Citra 100x100 R G B
1
Buah Mangga (Kulit Maksimum)
Max 220 Min 168
Max 191 Min 132
Max 115 Min 0 Buah Mangga
(Kulit Minimum)
Max 252 Min 103
Max 237 Min 150
Max 172 Min 0
Buah Mangga (Daging)
Max 255 Min 83
Max 222 Min 173
Max 30 Min
3
2
Buah Jeruk (Kulit Maksimum)
Max 255 Min 209
Max 243 Min 81
Max 168 Min 0 Buah Jeruk
(Kulit Minimum)
Max 255 Min 102
Max 255 Min 93
Max 232 Min 0
Buah Jeruk (Daging)
Max 255 Min 214
Max 192 Min 116
Max 117 Min 0
3
Buah Naga Merah (Kulit Maksimum)
Max 243 Min 136
Max 92 Min
0 Max 123 Min 18 Buah Naga
Merah (Kulit Minimum)
Max 255 Min 126
Max 135 Min 8
Max 146 Min 0 Buah Naga
Merah (Daging)
Max 255 Min 34
Max 206 Min 0
Max 230 Min 0
4
Buah Apel Merah (Kulit Maksimum)
Max 197 Min
86 Max
93 Min
8 Max
96 Min
25
Buah Apel Merah (Kulit Minimum)
Max 255 Min 140
Max 229 Min 0
Max 133 Min 0 Buah Apel
Merah (Daging)
Max 255 Min 219
Max 250 Min 190
Max 235 Min 118
Nilai Maksimum dan Minimum yang telah diidentifikasi diambil ambang batasnya lagi antara nilai kulit max dengan nilai min seperti berikut : Contoh antara kulit mangga R maksimum dengan R minimum yang memiliki nilai terbesar dengan cara boolean ditetapkan sebagai nilai maksimumnya R Max = R Max(maksimum) > R Max(minimum)
= 220 > 252 ( false ) R Max = 252
R Min = R Min(maksimum) > R Min(minimum)
= 168 < 103 ( false ) R Min = 103
Dan seterusnya untuk warna G dan B. berikut adalah hasil seluruh ambang batas.
Tabel 6. Nilai Maksimum dan Minimum
No. Nama buah R(g) G(g) B(g)
1
Buah Mangga (Kulit)
Max 252 Min 103
Max 237 Min 132
Max 172 Min 0
Buah Mangga (Daging)
Max 255 Min 244
Max 222 Min 173
Max 30 Min 3
2
Buah Jeruk (Kulit)
Max 255 Min 102
Max 255 Min 81
Max 232 Min 0
Buah Jeruk (Daging)
Max 255 Min 214
Max 192 Min 116
Max 117 Min 0
3
Buah Naga Merah (Kulit)
Max 255 Min 126
Max 135 Min 0
Max 146 Min 18 Buah Naga Merah
(Daging)
Max 255 Min 34
Max 206 Min 0
Max 230 Min 0
4
Buah Apel Merah (Kulit)
Max 255 Min 86
Max 229 Min 0
Max 133 Min 0 Buah Apel Merah
(Daging)
Max 255
Max 250
Max 235
No. Nama buah R(g) G(g) B(g)
Min 219 Min 190
Min 118
Nilai pada tabel di atas disimpan dalam database dan akan digunakan untuk batas penyesuaian pada tabel histogram citra input buah yang akan dikenalkan. Jika citra input bernilai sama atau diantara dari salah satu nilai di atas, maka nilai yang sama tersebut menyatakan jenis buah dari citra input. Bentuk pengerjaannya adalah seperti berikut :
1. Nilai maksimum (RGB(h) → RGBMax(f) <= RGBMax(g) ) Nilai Minimum (RGB(h) → RGBMin(f) >= RGBMin(g))
→ jika true berikan penanda 1 pada RGB(g) jika tidak berikan penanda 0 2. Lanjutkan RGBMax(g) lainnya hingga selesai.
3. Kumpulkan semua nilai RGBMax yang bernilai1
→jika terdapat R, G, B bernilai 1 pada nama buah-buahan maka nilai masukkan adalah nama buah tersebut, jika salah satu atau lebih pada R, G, B bernilai 0 maka nilai input tidak dikenal.
3. IMPLEMENTASI
Tampilan program Aplikasi Pengenalan Buah- buahan Berdasarkan Warna terdiri dari empat form sebagai antarmuka untuk pengguna. Form pertama adalah form Login, form kedua adalah form menu utama, form ketiga data warna, dan form keempat adalah form penetapan, berikut ini adalah gambaran dari masing-masing form.
3.1. Form Login
Form Login terdiri dari dua inputan yaitu input nama pengguna dan password, dua tombol eksekusi yaitu tombol login untuk membuka menu utama dan keluar
.
Gambar 2. Tampilan Form Login 3.2 Form Menu Utama
Form Menu Utama terdiri dari Menu File dengan sub menu data warna buah dan Penetapan warna, dan Menu Keluar.
Gambar 3. Tampilan Menu Utama
3.3 Form Data Warna
Form Data Warna terdiri dari empat bagian yaitu:
a. Bagian input gambar (load gambar dan hasil ditampilkan di Picturebox)
b. Bagian proses pengambilan nilai gambar (Proses)
c. Bagian operasi database (input baru, simpan, edit, dan hapus )
d. Bagian pelengkap (batal dan keluar)
Gambar 4. Form Data Warna
3.4 Form Penetapan Warna
Form Penetapan terdiri dari empat bagian yaitu:
a. Bagian Input gambar (Load gambar dan hasil ditampilkan di PictureBox)
b. Bagian Proses Pengambilan nilai gambar (proses)
c. Bagian pencarian nilai dalam database (telusur dan TextBox hasil )
Bagian Pelengkap (batal dan keluar).
Gambar 4. Form Penetapan Warna
Input selanjutnya pada form data warna buah dengan menekan tombol Load gambar untuk mengambil gambar warna buah yang telah disiapkan di penyimpanan. Setelah gambar dipilih maka langsung melakukan pembacaan nilai histogram serta nilai piksel maksimum dan minimum. Jika tahapan pengambilan nilai telah selesai tampil kotak dialog seperti berikut
Gambar 5. Kotak dialog setelah pengambilan pixel
Setelah selesai pengambilan nilai, selanjut adalah menekan tombol proses yang fungsinya untuk menyalin nilai maksimum dan minimum ke TextBox warna yang telah disiapkan, berikut adalah tampilannya
.
Gambar 6. Fungsi tombol proses Pada gambar di atas dapat dilihat ada gambar, warna beserta nilai maksimum dan minimum RGB dari gambar buah yang dipilih yaitu gambar buah mangga.
Selanjutnya adalah mengoperasikan database bahwa data dapat diberi kode, nama dan jenis warna dengan perintah tombol operasi yang ada. Disini diberikan kode B002-1, Nama Buah Mangga dan Jenis warna Max. berikut tampilannya.
Gambar 7. Penginputan data dalam database Setelah data semua data warna disimpan dalam database, maka selanjutnya adalah melakukan penetapan dari warna citra buah sebagai pengenalan jenis buah pada tampilan output.
Tampilan output adalah tampilan hasil dari citra baru yang dikenalkan pada aplikasi. Disini citra baru yang digunakan adalah citra kulit mangga. Untuk input citra dengan menekan tombol load gambar, gambar dan hasil nilai piksel ditampilkan setelah menekan tombol proses untuk menyalin nilainya. Langkah selanjutnya adalah menekan tombol telusur untuk mencari nilai piksel citra buah yang baru diinput terhadap nilai yang telah ada dalam database. Dari gambar berikut terlihat bahwa citra yang diinput adalah citra mangga.
Gambar 8. Hasil pengujian
4. KESIMPULAN
Dari hasil penelitian yang dilakukan, dapat dilihat penerapan Histogram Indexing, lebih efektif dalam mengenal jenis buah buahan berdasarkan warna buah.
REFERENSI
S. F. KUSUMA et al, Otomatisasi klasifikasi kematangan buah mengkudu berdasarkan warna dan tekstur, Jurnal Ilmiah Teknologi Sistem Informasi, ISSN 2502-3357 (Online) ISSN 2503-0477 (Print), Januari 2017, Volume 3, Nomor 1, pp: 17-23 | 17 http://www.journal.unipdu.ac.id/index.php/register/article/
view/576
Aripin, S., Ginting, G. L., & Silalahi, N. (2017). Penerapan metode retinex untuk meningkatkan kecerahan citra pada hasil screenshot. Media Informatika Budidarma, 1(1), 24–27.
KARMILA dan A. SUMARNA, Temu Kenali Citra Berbasis Konten Warna, SNATI 2011, ISSN 1907- 5022, Yogyakarta, juni 2011
M. R. MAULANI, Rancang Bangun Aplikasi Untuk Mengidentifikasi Kuat Tekan Batu Bata
Berdasarkan Warna Berbasis Pengolahan Citra Menggunakan Metode Ekstraksi Ciri Statistik, Jurnal Infomedia, ISSN: 2527-9858, Vol.1 No.1 September 2016.
HENDRAYUDI, 2010, Visual Basic 2008 Untuk Berbagai Keperluan Pemrograman, Penerbit Elex Media, Yogyakarta
Rahim, R. (2017). 24 Bit Image Noise Reduction with Median Filtering Algorithm. International Journal of Recent Trends in Engineering and Research, 3(2), 1–5.
SOETAM R. Konsep Dasar Rekayasa Perangkat Lunak.
Penerbit Prestasi Pustaka, Jakarta, 2011
CATUR. H, et al, Keragaman dan Kekayaan Buah Tropika Nusantara, Badan Penelitian Dan Pengembangan Pertanian Kementerian Pertanian, 2013
D. PUTRA, Pengolahan Data Citra, Penerbit Andi, Jogyakarta, 2010
T. SUTOYO et al, Teori Pengantar Citra Digital, Andi Offset, Yogyakarta, 2009
SOFYAN MAULANA, Belajar Pemrograman Visual Basic 2008, Penerbit Andi Yogyakarta, 2010 Adi. N, Rekayasa Perangkat Lunak Berorientasi Objek,
Penerbit Andi, Yogyakarta, 2010.
ROSA S. A dan M. SALAHUDDIN, Pemrograman Berorinetasi Objek, Modula, Bandung, 2010
![Jurnal Teknologi Pertanian Vol. 16 No. 3 [Desember 2015] Formulasi dan Penentuan Umur Simpan Fruit Leather Mangga [Ariadianti dkk.](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACH5BAEAAAAALAAAAAABAAEAAAICRAEAOw==)