Pengolahan Citra Deteksi Kematangan Tenderloin Steak Menggunakan Metode Ekstraksi Ciri Statistik

(1)

Majalah Ilmiah INTI, Volume 6, Nomor 2, Februari 2019 ISSN 2339-210X

214

PENGOLAHAN CITRA IDENTIFIKASI KEMATANGAN TENDERLOIN STEAK MENGGUNAKAN METODE EKSTRAKSI CIRI STATISTIK

Muhammad Gunawan Rangkuti

Prodi Teknik Informatika STMIK Budi Darma, Medan, Indonesia Jl. Sisingamangaraja No. 338, Medan, Indonesia

Abstrak

Seiring dengan perkembangannya zaman sekarang begitu juga dengan perkembangan makanan sekarang beraneka ragam. Tenderloin merupakan bagian dari salah satu aneka ragam Steak. Untuk menentukan kematangan Tenderloin Steak ini mempunyai beberapa variasi masakan dimana konsumen bebas memilihnya. Pengolahan citra sangat tepat untuk mendeteksi kematangan Tenderloin Steak ini karena di dalam citra ini akan di bahas dari segi piksel yang ada pada gambar yang tidak bisa dilihat dengan kasat mata. Dimana dala m mendeteksi kematangan Tenderloin Steak ini menggunakan metode Ekstraksi Ciri Statistik. Dalam penelitian ini melibatkan fitur tekstur untuk mendapat tingkat keakurasian kematangan yang tepat. Dalam penelitian ini penulis merancang dan mengimplementasikan mendeteksi kematangan citra pada Tenderloin dimana hasilnya akan mempermudah konsumen untuk melihat kematangan Steak terutama yang ada di Restoran Bel Mondo Cafe. Untuk tidak bingung memilih jenis masakan penelitian ini di bangun menggunakan berbasis Mobile sehingga lebih membuat efektif dan efisien hasil yang di dapat. Hasil deteksi kematang tenderloin steak ini cukup baik, dimana tingkat keakurasian kematangan tenderloin steak di atas mencapai 75%, dimana tenderloin steak welldone : hasil sesuai = 4, tidak sesuai = 1, tenderloin steak medium well : hasil sesuai = 3, tidak sesuai = 2, tenderloin steak medium : hasil sesuai = 4, tidak sesuai = 1, tenderloin steak medium rare : hasil sesuai = 4, tidak sesuai = 1.

Kata kunci : Citra, Pengolahan citra, Ekstraksi ciri statistik.

I. PENDAHULUAN

Tenderloin merupakan bagian dari salah satu aneka ragam Steak. Dimana Tenderloin Steak ini memiliki tekstur yang tebal dan empuk. Dimana dalam pemasakan Steak ini adalah dengan cara di Grill (panggangan) dimana pada pemasakan Steak ini tidak asal karena memiliki jenis variasi tipe pemasakannya yaitu Welldone, Medium Well, Medium, Medium Rare. dimana data-data jenis masakan Tenderloin Steak di ambil langsung dari Resstoran Bel Mondo Cafe. Pengolahan citra adalah solusi untuk mendeteksi kematangan Tenderloin Steak ini karena di dalam citra ini akan di bahas dari segi piksel yang ada pada gambar yang tidak bisa dilihat dengan kasat mata.

Dimana dalam mendeteksi kematangan Tenderloin Steak ini menggunakan metode Ekstraksi Ciri Statistik. Dalam penelitian ini melibatkan fitur tekstur untuk mendapat tingkat keakurasian kematangan yang tepat. Dalam penelitian ini penulis merancang dan mengimplementasikan mendeteksi kematangan citra pada Tenderloin dimana hasilnya akan mempermudah konsumen untuk melihat kematangan Steak terutama yang ada di Restoran Bel Mondo Cafe. Untuk tidak bingung memilih jenis masakan penelitian ini di bangun menggunakan berbasis Mobile sehingga lebih membuat efektif dan efisien hasil yang di dapat.

II. TEORITIS A. Steak

Steak adalah sepotong besar daging, biasanya daging sapi. Daging merah, dada ayam dan ikan sering kali dipotong menjadi steak.dipotong tegak lurus dengan serat otot, menambah kelegitan daging, Steak biasanya dimasak dengan dipanggang. Berikut ini adalah jenis- jenis steak daging sapi beserta penjelasan cara memasaknya.

1. Sirloin, daging sirloin berasal dari bagian belakang sapi. Daging ini bekerja lebih berat daripada bagian

lain yang umum dipakai untuk steak sehingga agak lebih keras dibandingkan yang lain. Sirloin memiliki kelebihan dalam ukuran yaitu biasa dipotong lebih besar daripada bagian sapi lainnya yang lebih lembut.

Harga sirloin umumnya lebih murah dibandingkan daging steak lainnya.

2. Tenderloin, tenderloin berasal dari loin yang berada di depan sirloin dan dibelakang tulang rusuk. Daging tenderloin tidak bekerja keras sehingga tenderloin adalah bagian sapi yang paling lembut. Tenderloin berbentuk panjang seperti ular dan untuk steak biasanya dipotong secara diagonal.

3. Striploin, daging sapi yang membungkus bagian tenderloin. Lebih lembut daripada sirloin,tetapi lebih keras daripada tenderloin.

4. T-bone, bagian ini sesuai namanya memiliki tulang yang berbentuk T yang di kelilingi oleh daging pada kedua sisinya. Pada sisi yang memiliki daging lebih sedikit adalah daging tenderloin dan sisi lainnya yang memiliki daging lenih banyak adalah striploin.

5. Porthehouse, porthehouse sama dengan T-bone perbedannya porthehouse memiliki daging tenderloin lebih banyak dibanding striploin

6. Rib, yaitu daging sapi yang berasal dari daging sekitar tulang rusuk. Steak rib disajikan bersama tulang rusuk jika tidak disajikan bersama tulang rusuk, maka namanya menjadi rib eye steak.

B. Citra

Citra merupakan istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan yang sangat penting sebagai bentuk informasi visual.

Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra kaya dengan informasi. Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, obhek memantulkan kembali

(2)

215 sebagai dari berkas cahay tersebut. Pantulan cahaya ini

ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scannner), dan sebagainya.

Sehingga bayangan objek yang disebut citra tersebut terekam (Munir, 2004) .

C. Tekstur

Secara umum tekstur sering kali meneyediakan berbagai sumber informasi visual yang alamiah. Tekstur merupakan sesuatu yang sangat menarik, tidak hanya karena merupakan komponen penting dalam analisis citra untuk proses pengenalan (recognition) segmentasi dan sintesis, akan tetapi dapay berperan sebagai alat bantu untuk memahami mekanisme dasar dari persepsi visual manusia.

Tekstur merupakan karakteristik intrinsik suatu jenis citra yang berhubungan dengan tingkat kekasaran (roughness) dan keteraturan (regularity) susunan struktural dari piksel citra. Aspek-aspek tersebut dapat dimanfaatkan untuk proses segmentasi, klasifikasi, maupun interpretasi citra.

Objek-objek yang memiliki karakteristik tekstural biasanya diamati sebagai objek buatan (artificial) maupun alami (natural). Walaupun tekstur merupakan suatu bidang penelitian yang cukup penting, tetapi belum ada defenisi yang benar-benar pasti untuk mempersentasikan tekstur. Alasan utamanya adalah tekstur-tekstur alami sering menampilkan sifat-sifat yang saling bertentangan,seperti misalnya regularity dengan randomness, uniformity dengan distortion, yang agak sulit untuk dideskripsikan dalam aturan yang seragam.

Walaupun begitu, beberapa peneliti memiliki definisi sendiri mengenai tekstur sesuai dengan aplikasi yang sedang dikerjakan(Pamungkas, 2015).

D. Ekstraksi Ciri Statistik

Ekstraksi ciri statistik merupakan metode pengambilan ciri yang didasarkan pada histogram yang dihasilkan, dapat dihitung beberapa parameter ciri statistik orde pertama(Pamungkas, 2015), antara lain :

1. Mean 𝜇

dirumuskan sebagai berikut(Yudi & Murinto, 2015) : 𝜇 = ∑^𝑁_𝑛=0 𝑓_𝑛 𝑝(𝑓_𝑛)

dimana :

𝑓_𝑛 = nilai intensitas keabuan.

P (𝑓_𝑛) = nilai histogram.

2. Variance 𝜎²

Dirumuskan sebagai berikut(Yudi & Murinto, 2015) :

𝜎²= ∑^𝑁_𝑛=0 (𝑓_𝑛– 𝜇)²p(𝑓_𝑛) Dimana :

𝑓_𝑛 = nilai intensitas keabuan.

P (𝑓_𝑛) = nilai histogram 𝜇 = nilai mean 3. Skewness 𝛼³

𝛼₃= ¹

𝜎³ ∑^𝑁_𝑛=0 (𝑓_𝑛− 𝜇)³ p(𝑓_𝑛) Dimana :

𝛼³ = standar deviasi dari nilai intensitas keabuan 𝑓_𝑛 = nilai intensitas keabuan.

𝜇 = nilai mean P (𝑓_𝑛) = nilai histogram 4. Kurtosis 𝛼⁴

𝛼⁴= ¹

𝜎⁴ ∑^𝑁_𝑛=0(𝑓_𝑛− 𝜇) ⁴ p⁽𝑓_𝑛) − 3 Dimana :

𝛼⁴ = standar deviasi dari nilai intensitas keabuan 𝑓_𝑛 = nilai intensitas keabuan.

𝜇 = nilai mean P (𝑓_𝑛) = nilai histogram 5. Entropy (H)

H = -- ∑^𝑁_𝑛=0 P (𝑓_𝑛). log² P (𝑓_𝑛) Dimana :

P (𝑓_𝑛) = nilai histogram.

III. IMPLEMENTASI

Aplikasi untuk proses identifikasi kematangan tenderloin steak dengan konversi citra ke Grayscale melakukan perhitungan dengan metode ekstraksi ciri statistik.

Berikut hasil dari implementasi aplikasi yang telah dirancang :

1. Form tampilan utama

Gambar 1. Form tampilan utama

Menu tampilan utama saat program pertama kali di jalankan dan langsung klik ambil gambar, selanjutnya.

2. Proses pengambilan gambar

Gambar 2. Proses pengambilan gambar

(3)

216 Setelah gamabar diatas di klik maka gambar akan

masuk ke tampilan aplikasi android, seperti gambar di bawah ini.

Gambar 3. Tampilan setelah gambar diambil Setelah itu maka gambar akan d proses untuk mendapatkan hasil gambar grayscale dan hasil dari ekstraksi ciri statistik.

Gambar 4. Tampilan setelah gambar diproses Form tampilan proses ini adalah form gambar ketika di klik proses berubah gambar menjadi citra Grayscale , lalu selanjutnya akan tampil form hasil dari kematangan tenderloin steak.

3. Form tampilan hasil

Gambar 5. Form tampilan hasil

Pada form ini menampilkan hasil dari proses di atas dimana nilai parameter dari metode ekstraksi ciri statistik akan muncul, setelah itu dibawahnya akan muncul hasil kematangan sesua atau tidak nya identifikasi kematangna tenderloin steak. Dari jumlah seluruh citra tenderloin steak yang di uji secara manual dimana dari 20 gambar yang terdiri dari 4 tipe jenis masak. Dapat dihitung tingkat keakurasiannya sebagai berikut :

Diketaui : n = 20

hasil sesuai = 15 hasil tidak sesuai = 5

maka akurasi dapat dilihat = ¹⁵₂₀ x 100% = 75%

Dari perhitungan manual tingkat keakurasian kematangan tenderloin steak di atas mencapai 75%, dimana tenderloin steak welldone : hasil sesuai = 4, tidak sesuai = 1, tenderloin steak medium well : hasil sesuai = 3, tidak sesuai = 2, tenderloin steak medium : hasil sesuai

= 4, tidak sesuai = 1, tenderloin steak medium rare : hasil sesuai = 4, tidak sesuai = 1

IV. KESIMPULAN

Berdasarkan uraian diatas mengenai pengolahan citra identifikasi kematangan tenderloin steak menggunakan metode ekstraksi ciri statistik yang telah dibuat penulis, maka dapat beberapa kesimpulan :

1. Selain dari tekstur sebenarnya bisa identifikasi kematangan tenderloin steak dari segi warna tapi tingkat keakurasiannya sedikit sekali karena tingkat ketebalan daging tidak bisa sama.

2. Kendala yang muncul dari penggunaan metode ekstraksi ciri untuk mengukur nilai citra tekstur Steak adalah pengambilana data yaitu gambar kadang menjadi blurr. Disini dapat mempengaruhhi perhitungan yang dilakukan. Pengambilan sampel pada proses pengumpulan data akan sangat

(4)

217 mempengaruhi akurasi dari metode ini yang nantinya

akan berdampak pada pengambilan keputsan.

3. Hasil deteksi kematang tenderloin steak ini cukup baik, dimana tingkat keakurasian kematangan tenderloin steak di atas mencapai 75%, dimana tenderloin steak welldone : hasil sesuai = 4, tidak sesuai = 1, tenderloin steak medium well : hasil sesuai

= 3, tidak sesuai = 2, tenderloin steak medium : hasil sesuai = 4, tidak sesuai = 1, tenderloin steak medium rare : hasil sesuai = 4, tidak sesuai = 1.

REFERENCES

[1] Heri, S. (2001). Pengantar Logika Informatika, Algoritma dan Pemograman Komputer. Yogyakarta, Indonesia: Andi Publisher.

[2] M, A. R. (2011). Modul pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berointasi Objek). Bandung, Indonesia:

Modula.

[3] Merbuana,U.(2017). Retrieved from digilib.mercubuana.ac.id:

http://digilib.mercubuana.ac.id, 04-7-2017.

[4] Munir, R. (2004). Pengolahan Citra Digital dengan pendekatan Algoritmik. Bandung, Indonesia: INFORMATIKA.

[5] Putra, D. (2010). Pengolahan Citra Digital. Yogyakarta, Indonesia: ANDI.

[6] Rachmat. (2016, Maret). Retrieved from wikipedia.org:

https://id.wikipedia.org/wiki/Identifikasi, 04-07-2017.