Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
ANALISA PERBANDINGAN METODE THESHOLDING DAN LAPLACE OF GAUSSIAN PADA KEMATANGAN BUAH TOMAT BERBASIS NILAI RGB Khairu Saleh 1,Muhammad Syahrizal2 1)
Mahasiswa program studi Teknik Informatika STMIK Budidarma Medan 2) Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang limun Medan
ABSTRAK Tomat merupakan salah satu buah yang memiliki proses kematangan relative cepat. Sehingga, klasifikasi level kematangan tomat memiliki peran yang penting untuk mengurangi resiko pembusukan tomat. Sebelum proses klasifikasi dilakukan, pada tahap preprocessing dilakukan perbaikan citra untuk meningkatkan kualitas citra. Pada penelitian ini, pengambilan citra tomat dilakukan di luar ruangan yang mengakibatkan adanya area lighting pada permukaan tomat. Perbaikan dilakukan untuk menutup dan mengganti nilai area lighting dengan komponen nilai yang terkandung dalam tomat. Perbaikan dilakukan dengan dua cara, yaitu dengan rata-rata RGB dan pencarian nilai index piksel. Tahap selanjutnya adalah segmentasi untuk memisahkan objek tomat dengan background.Untuk mengenal jenis-jenis Citra berdasarkan ciri-cirinya, telah dibuat suatu sistem untuk memisahkan objek menggunakan metode thresholding. Prosesnya dimulai dengan menginput citra digital, selanjutnya dikonversi ke citra grayscale. Kemudian dilakukan proses segmentasi terhadap citra grayscale. Selanjutnya Proses terakhir adalah membuat plot contour terhadap hasil proses dilasi dan citra grayscale. Hasil segmentasi berhasil memisahkan objek citra dengan menggunakan metode thresholding local. Deteksi tepi pada citra merupakan salah satu bentuk awal dari penanganan perbaikan kualitas citra. Deteksi tepi dilakukan untuk mengindentifikasi area geometris daun atau buah tomat. Salah satu metode deteksi tepi yang dapat digunakan adalah metode Laplacian of Gaussian (LoG) Kata Kunci : Kematangan Buah Tomat, Segmentasi Citra, Thresholding dan Laplacian Of Gaussian Beberapa penelitian yang melalukan proses seleksi berdasarkan citra (image) objek antara lain sebagai berikut, Pada penelitian tersebut, diambil komponen hijau (green) untuk menunjukkan perbedaan warna antara citra buah tomat dan latar belakangnya. Dan akan diproses untuk mengetahui permukaan tomat menggunakan metode Laplace. Kusumadewi Jurnal SINGUDA ENSIKOM VOL : 4 NO : 3 Desember 2013 Hal : 38-47 melakukan penelitian untuk mendeteksi kematangan buah tomat menggunakan metode thresholding. Metode thresholding ini digunakan untuk menentukan kematangan buah tomat berdasarkan nilai binernya, 0=hitam dan 1=putih. Piksel warna putih dianggap sebagai piksel aktif. Penelitian ini belum secara waktu-nyata (realtime), yang mana data citra dimasukkan di-capture terlebih dahulu dan dijadikan file dalam basis data. Pengertian dasar thresolding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut.
1.
PENDAHULUAN Tomat (Lycopersium esculentum) adalah Tumbuhan dari keluarga solanaceae, tumbuhan asli Amerika Tengah dan selatan, dari meksiko sampai peru. Kata “tomat” berasal dari kata dalam bahasa Nahuat, dimana tomat merupakan keluarga dekat dari kentang. Dalam representsi warna kematangan buah tomat ini terdiri dari tiga unsur utama yaitu merah (red), hijau (green), biru (blue). Gabungan tiga warna ini membentuk warna-warna lainnya berdasarkan intensitas dari masing-masing warna. Aplikasi pengolahan citra mempermudah penggunanya dalam pengenalan pola yang berperan dalam memisahkan objek dari latar belakang secara otomatis. Selanjutnya, objek akan diproses oleh pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang dilihat oleh mesin sehingga mempermudah dalam mengenali suatu objek. Perangkat lunak untuk mengolah citra digital juga sangat populer dalam perkembangannya, digunakan oleh pengguna untuk mendeteksi, mengolah foto atau untuk berbagai keperluan lain sebagai contoh, Adobe Photoshop dan GIMP (GNU Image Manipulation Program) yang menyajikan berbagai fitur dalam memanipulasi citra digital.
46
47 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
Sedangkan POSITRON Jurnal POSITRON VOL : 11 NO : 1 Desember 2012 Hal : 17-22 Lapcian of Gaussian menggunakan operator turunan melalui tahap grayscalling sebagai preprocessing. Proses grayscalling adalah proses untuk mengubah gambar yang memiliki warna menjadi gambar yang memiliki tingkat warna abu-abu (gray-level). Proses ini dilakukan dengan konversi nilai pixel dari 3 nilai RGB menjadi 1 nilai. Presentasi yang sering digunakan adalah 29.95% dari warna merah (Red), 58.7% dari warna hijau (Green), dan 11.4% dari warna biru (biru). Nilai piksel didapat dari jumlah persentasi 3 nilai tersebut. Mengkonversi nilai RGB menjadi grayscale dibentuk dengan menjumlahkan komponen R,G, dan B.
dengan nilai rentang nilai keabuan tertentu diubah menjadi berwarna hitam dan sisanya menjadi warna putih atau sebaliknya. Perubahan citra skala keabuan menjadi citra biner dapat dilakukan memakai ambang ganda, yaitu ambang bawah dan ambang atas, dengan menggunakan fungsi GST (Gray Scale Transform).Pengambangan ganda dilakukan untu menampilkan titik-titik yang mempunyai nilai rentang tertentu[1].
atau
A. Tujuan 1. Tujuan Penelitian Adapun tujuan dari penelitian ini adalah sebagai berikut : 1. Untuk memproses pendeteksian kematangan buah tomat 2. Untuk menerapkn metode Thresholding dan Lapcian Of Gaussian didalam pendeteksian buah tomat berbasis nilai RGB. 3. Untuk mengetahui hasi akhir dari kinerja pengolahan citra yang mendeteksi kematangan buah tomat berbasis nilai RGB dengan menerapkan metode Thresholding dan Lapcian Of Gaussian.
Fungsi GST untuk operasi pengambangan ganda
II. LANDASAN TEORI A. Thresholding Pengertian dasar thresholding menyatakan histogram sebelah kiri mewakili citra f(x,y), yang tersusun atas objek terang di atas background gelap. Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk mengestrak objek dari background adalah dengan memilih thereshold T yang memisahkan dua mode tersebut. Sembarang titik (x,y) yang memenuhi f(x,y)>T disebut titik objek; selain itu, titik disebut background. Histogram sebelah kanan terbagi menjadi tiga mode.Misalkan, citra terdiri dari dua objek terang di atas background gelap.Thresholding multilevel digunakan untuk mengklasifikasikan suatu titik (x,y) sebagai bagian dari sebuah class objek. Titik (x,y) menjadi bagia suatu objek jika T1. Thresholding adalah operasi yang melakukukan pengetesan terhadap fungsi T berikut : T= T[x, y, p(x,y), f(x,y)].…………..(2.5) f(x,y) adalah tingkat keabuan pada titik (x,y) dan p(x,y) menyatakan operasi lokal dari titik tersebut. Operasi thresholding digunakan untuk mengubah citra dengan format skala keabuan, yang mempunyai kemungkinan lebih dari 2, ke citra biner yang hanya memiliki 2 buah nilai (0 dan 1). Dalam hal ini, titik
B.
Basic Global Thresholding
Teknik thresholding yang paling sederhana adalah mempartisi histogram dengan menggunakan thereshold global T. segmentasi dilakukan dengan memeriksa piksel semi piksel dari citra dengan melabeli setiap piksel sebagai objek atau sebagai background, tergantung pada tingkat keabuan dari piksel tersebut, apakah lebih besar atau lebih kecil dari T. sukses pada metode ini tergantung pada beberapa bagus partisi dari histogram. Thresholding global diharapkan bisa sukses pada lingkungan yang sangat terkontrol, misalnya pada aplikasi pengawasan industri (biasanya kontrol cahaya
48 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
sangat bagus). Algoritma berikut bisa digunakan untuk mendapatkan nilai T secara otomatis : 1. Pilih estimasi awal untuk T. 2. Lakukan segmentasi terhaap citra menggunakan T. proses ini akan menghasilkan dua jeis piksel : G1 terdiri atas semua piksel dengan nilai tingkat keabuan >T dan G2 terdiri dari piksel-piksel dengan nilai £ T. 3. Hitung rata-rata tingkat keabuaan u1 dan u2 unuk piksel-piksel dalam region G1 dan G2. 4. Hitung nilai thereshold yang baru :T= ½ (u1+u2). 5. Ulangi langkah 2 sampai 4 sampai beda T pada dua iterasi berurutan lebih kecil dari parameter T0 (didefinisikan sebelumnya). Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik untuk T adalah tingkat keabuan rata-rata dari citra. Jika area objek lebih kecil dibandingkan area background (atau sebaliknya), satu kelompok piksel akan mendominasi histogram, sehingga nilai tengah antara tingkat keabuan maksimum dan minimum merupakan pilihan awal yang baik utuk T. Dengan algoritma iterative dihasilkan T=125.4 setelah tiga iterasi. T diinisialisasi dengan tingkat keabuan ratarata dan T=0. Untuk segmentasi citra, digunakan nilai T=125[1]. III. ANALISA DAN PEMBAHASAN A. Analisa Citra Pada aplikasi pengolahan citra yang akan dirancang harus memiliki data-data yang akan diolah, dan digunakan pada sistem yang nantinya digunkan dalam sistem pendeteksian. Pada aplikasi pendeteksian kematangan buah tomat ukuran citra yang digunakan berukuran 256x256 pixel dengan format JPG. Hal ini dilakukan bertujuan untuk mengahasilkan nilai RGB yang riil untuk diproses kedalam program aplikasi sehingga ada kecocokan didalamnya. Citra tomat yang digunakan untuk pendeteksian menggunakan buah tomat yang berumur 75-100 hari masa tanam. Proses pendeteksian akan membutuhkan waktu lama jika meggunakan piksel citra asli yaitu 256x256 pixel. Untuk memudahkan dalam menganalisa citra, citra hasil capture akan di crop dengan menggunakan aplikasi Microsoft Office Picture Manager menjadi 30x30 dengan format JPG.
Gambar 1 Citra Tomat Matang Hasil Cropping
Gambar 2 Citra Tomat Tidak Matang Hasil Cropping B. Analisa Penerapan Metode 1. Analisa Penerapan Thesholding Pendeteksian citra secara thresholding adalah melakukan segmentasi dengan memeriksa piksel semi piksel dari citra dengan melabeli setiap piksel sebagai objek atau sebagai background, tergantung pada tingkat keabuan dari piksel tersebut, apakah lebih besar atau lebih kecil dari T. sukses pada metode ini tergantung pada beberapa bagus partisi dari histogram. Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik untuk T adalah tingkat keabuan rata-rata dari citra. Jika area objek lebih kecil dibandingkan area background (atau sebaliknya), satu kelompok piksel akan mendominasi histogram, sehingga nilai tengah antara tingkat keabuan maksimum dan minimum merupakan pilihan awal yang baik utuk T. Dengan algoritma iterative dihasilkan T=125.4 setelah tiga iterasi. T diinisialisasi dengan tingkat keabuan ratarata dan T=0. Untuk segmentasi citra, digunakan nilai T=125.
Gambar 3 Original Image Analisa pengambilan nilai gambar secara thresholding dapat dipelajari berdasarkan pola warna atau ditentukan secara intuintif, tetapi theresholding RGB ini sangat rentan terhadap kestabilan cahaya. Berikut Analisa kematangan melalui metode thresholding. Langkah pada pendeteksian citra secara thresholding ialah perubahan yang ditangkap menjadi citra bineratau menjadi komponen warna hitam dan putih, pada proses ini citra yang memiliki intensitas piksel dibawah 128 akan dirubah menjadi 1 atau putih, sedangkan intensitas warna yang melebihi dari 128 akan dirubah menjadi 0 atau hitam. Pemberian nilai ambang RGB untuk kematangan buah tomat, yaitu : 1. Nilai ambang Red= 92-100 2. Nilai ambang Green = 170-210 3. Nilai ambang Blue = 0-90
49 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
Gambar 6 Langkah 2 Proses Thresholding Dengan Fungsi GST Gambar 4 Nilai Awal Matriks Citra Langkah dalam pendeteksisan thresholding dengan fungsi GST dengan membandingkan semua baris nilai Ki=128 : Atau
Langkah 3 (177<=128)=1 (171<=128)=1 (170<=128)=1 (86<=128)=0 (83<=128)=0
Langkah 1 (168<=128)=1 (148<=128)=1 (100<=128)=0 (85<=128)=0 (87<=128)=0 Gambar 7 Langkah 3 Proses Thresholding Dengan Fungsi GST Langkah 4 (172<=128)=1 (177<=128)=1 (150<=128)=1 (80<=128)=0 (117<=128)=0
Gambar 5 Langkah 1 Proses Theresholding Dengan Fungsi GST Langkah 2 (182<=128)=1 (181<=128)=1 (125<=128)=1 (80<=128)=0 (83<=128)=0
50 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
Gambar 8 Langkah 4 Proses Thresholding Dengan Fungsi GST Langkah 5 (183<=128)=1 (165<=128)=1 (118<=128)=0 (92<=128)=0 (119<=128)=0
Gambar 9 Langkah 5 Proses Thresholding Dengan Fungsi GST
4. Mouse Full-speed USB, Optical 100-300 dpi, Wired, USB 6. Keyboard Friendly Key Postion, Wired, PS/2 b. PerangkatLunak (Software) 1. Sistem operasi Windows 7 Ultimate 32 bit 2. Visual basic.net 2008 MaximunRequirements a. Perangkat Keras( Hardware ) 1. Harddisk 500GB, 7200RPM, SATA III 2. Memori DDR 32GB, 665.1MHz 3. Processor core i3 2.4Ghz 4. Monitor 14 Inchi, 1366 x 768 4. Mouse Full-speed USB, Optical 100-3600 dpi, Wired, USB 6. Keyboard Friendly Key Postion, Wired b. PerangkatLunak (Software) 1. Sistem operasi Windows 7 Ultimate32 bit 2. Visual basic.net 2008 B. Tampilan Utama Program Tampilan utama merupakan tampilan yang muncul ketika menjalankan program, untuk melakukan pendeteksian maka form tampilan yang muncul adalah sebagai berikut :
Gambar 1 Tampilan Menu Utama Program
Gambar 10 Hasil Nilai Piksel Thresholding IV. IMPLEMENTASI Dalam perancangan sistem pengolahan citra ini, sistem yang dibangun menggunakan antar muja dan pengujian . pada antar muka pengolahan, dapat dimasukan data citra dalam bentuk format dan berektensi *JPG. A. Kebutuhan Perangkat Keras dan Perangkat Lunak Minimum Requirements a. Perangkat Keras( Hardware ) 1. Harddisk 120GB, 5200RPM, ATA 2. Memori DDR 21GB, 440.5MHz 3. Processor dual core 3.3Ghz 4. Monitor 14 Inchi, 1024 x 720
Pada tampilan menu program terdapat: File : Terdapat beberapa menu didalamnya open, save, close dan exit. Operation : Berisi menu thresholding. Save : Untuk menyimpan gambar. Clear : Untuk Membatalkan gambar Exit : Untuk keluar dari aplikasi. 4.2.3 Menu Open Tampilan menu open adalah menu Thersholding untuk memasukan file gambar, proses ini berguna untuk memproses pendeteksian.
51 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
Gambar 2 Tampilan Menu Open Thersholding Pada tampilan menu ini terdapat beberapa pilihan : 1. Buka gambar, untuk menampilkan gambar yang akan di thersholding. 2. Simpan, untuk menyimpan gambar. 3. Keluar, untuk keluar dari aplikasi 4. Button Riset, untuk membatalkan kotak dialog pada menu buka. 5. Button Terapkan, Untuk menampilkan hasil dari thersholding C. Tampilan Menu Operation Tampilan berikutnya adalah menu tampilan operation yang berisi men thresholding, menu ini merupakan proses pendeteksian untuk memeperjelas larik-larik objek.
Gambar 3 Tampilan Menu Operation
Gambar 4 Tampilan Hasil Histogram Thersholding
V. KESIMPULAN Dari pembahasan yang diuraikan dari pembuatan skripsi ini dapat disimpulkan sebagai berikut : 1. Proses deteksi kematangan buah tomat dalam perancangan aplikasi ini adalah dengan cara menentukan objek, melakukan faktor indikator yang mempengaruhi dari objek yaitu warna RGB. 2. Penerapan metode thresholding didalam pendeteksian kematangan buah tomat bertujuan untuk memisahkan latar belakang dari objek yang akan dideteksi dan merubahnya menjadi gambar biner atau hitam putih, sehingga lebih jelas antara objek dan latar belakang yang akan dideteksi. 3. Perancangan aplikasi pengolahan citra deteksi kematangan buah tomat ini menggunakan software Visual basi.net 2008 yang didalamnya terdapat GUI (Grapichal User Interface) sebagai pendukung dalam pembuatan aplikasi pengolahan citra. DAFTAR PUSTAKA 1. Hermawati Astuti Fajar. Pengolahan Citra Digital Konsep dan Teori”. Penerbit Andi, Yogyakarta, 2013. 2. Abdul kadir & Adhi susanto, 2013. Teori dan plikasi Pengolahan Citra, Penerbit Andi, Yogyakarta 3. Risky Soetam. “Konsep Dasar Rekayasa Perangkat Lunak”. Penerbit Prestasi Pustaka, Jakarta, 2011. 4. Indrajani, S.Kom, MM. 2011. Perancangan Basis Data Dalam Allin1. Alex Media Komputindo. Jakarta. 5. Jurnal POSITRON, Vol. II, No. 1 (2012), Hal. 1722. Nurhasanah Jurusan Fisika, FMIPA Universitas Tanjungpura 6. Priyanto, Rahmat, 2009, Langsung Bisa Visual Basic.Net2008,Penerbit ANDI, Yogyakarta. 7. http://hkti.org/ “Pengenalan Jenis-Jenis Tanaman Tomat” diakses Mei, 2015.
