APLIKASI KOMPUTER VISION UNTUK IDENTIFIKASI KEMATANGAN JERUK NIPIS Oktaviano yudha N, Dr. Ir Djoko Purwanto M, Dr. T ri Arief Sardjono. ST. MT Jurusan Teknik Elektro FTI - ITS
Abstrak— Jeruk nipis banyak terdapat di Indonesia, buah ini termasuk buah yang spesial dalam budaya bangsa kita. Buah ini dapat ditemui dalam berbagai acara keagamaan. Selain itu buah ini juga sangat berguna dalam makanan dan obat-obatan. Buah jeruk nipis berwarna hijau menandakan belum masak, dan akan berubah menjadi kuning kecoklat-coklatan, bentuknya bulat sampai bulat telur berdiameter ± 3 - 6 cm. Ketebalan kulit buahnya ± 0.2 - 0.5 mm dan permukaannya memiliki banyak kelenja r. Computer vision digunakan untuk mengidentifikasi citra, pemprosessan dan pencakupan keseluruhan pengambilan keputusan. Sehingga computer vision melibatkan banyak teknik dari pengolahan citra digital.
Permasalah an dalam proyek akhir ini adalah: 1. Bagaimana membuat pemprograman computer vision guna mengolah algoritma pengolahan citra digital . 2. Meran cang alat guna m emilah hasil proses pengolah an citra digital. Batasan masalah d alam pengerjaan p royek akhi r ini adalah sebagai berikut : 1. Menggunakan kam era WEBCam sebagai pen angkap gambar 2. Sistem yang dibangun adalah berbasis computer 3. Mendeteksi kematang an jeruk nipis berdas ar perubahan warn a. 4. Memilah jeruk nipis menjadi 2 katagori, yaitu matang dan busuk. 5. Gambar diambil dalam posisi normal(tegak). 6. Pencahay aan ditempat sistem bekerja ad alah tetap atau tidak berubah-ub ah 7. Pengerjaan dititikberatkan pada pengaplikasian computer vision
Dalam TA ini teknologi computer vision digunakan untuk mendeteksi kematangan dan memilah jeruk nipis. Jeruk nipis yang akan dideteksi dan dipilah, diletakkan di atas ban berjalan. Computer vision akan mengenali jeruk yang sudah matang dengan cara mengenali perubahan warna jeruk menggunakan camera. Sebuah camera yang dipasang secara tetap di atas ban berjalan digunakan untuk mendeteksi kema tangan jeruk nipis berdasar perubahan warna dan tekstur kulit.Setelah proses deteksi oleh kamera, sebuah selector yang diletakkan di akhir ban barjalan, digunakan untuk memilah jeruk nipis menjadi 2 katagori, yaitu matang dan busuk
II.TEORI PENUNJANG Jeruk nipis d alam Famili Rutaceae, G enus Citrus d an species Citrus auranti folia Swingle. Adapun Jeruk nipis dikenal dengan nam a lain, yaitu: jeruk pecel, jeruk durg a dan limau asam Jeruk nipis berasal dari daerah Indo- Malaya
Kata kunci : pengolahan citra digital, computer vision, jeruk nipis I.PENDAHULUAN
elama ini dalam pemanenan d an penjualan hasil panen, petani jeruk nipis masih belum melakuk an p emilahan mutu yang baik sehingga harga jual sangat rendah. Sedangkan ped agang pengumpul dan industri makan an dan obat tradisional melakuk an penyo rtiran mutu menggun akan prosedur analisa warn a kulit secara visual mata manusia dan jumlah buah per kilogram dengan s egala keterb atasanny a. Berdasarkan h al tersebut maka diperlukan su atu metode yang dapat menjamin keserag aman mutu jeruk nipis. T ujuan umum dari penelitian ini adalah untuk menentukan mutu jeruk nipis secara non konvensional dengan pem anfaatan machine vision sebagai algoritma pengolahan citra digital. Pemakaian komputer vision sebagai eks ekusi pengambilan jeruk nipis yang matang.
S
Gambar 1.1 Bagian-bagian jeruk nipis Buah jeruk nipis berwarna hijau menand akan belum mas ak, dan akan berub ah menjadi kuning kecoklat-coklat an, bentuknya bulat samp ai bulat telur berdiameter ± 3 - 6 cm. Ketebalan kulit buahnya ± 0.2 - 0.5 mm dan p ermukaannya memiliki banyak kelenjar. Konsumen sering menghakimi kematangan buah dengan warna. Warn a permukaan di anggap sebagai perub ahan parameter ku alitas deng an kem atangan buah. Banyak buah tidak matang awalnya menunjukkan warn a hijau permuk aan 1
yang secara bert ahap berub ah menjadi warn a kuning ketika mereka matang. T eksture permukaan (pori-pori ) buah juga menunjukkan seberapa matang bu ah tersebut. Pori-pori jeruk yang matang lebih besar dibandingkan dengan buah yang belum matang. Perubah an pola warna s erupa dal am setiap kategori buah. Jika warna permukaan buah kat egori dan waktu pemanen an dap at ditentukan, kita mampu mengembangan perangk at elektronik yang mampu menso rtir buah. Dalam karya ini, dengan menerapkan t eknik pengolahan citra digital kita bisa melakukan p emilihan terhadap buah j eruk nipis ini dengan kategori masak dan busuk.
Saturation: kadang disebut chroma, adalah kemurnian atau kekuat an warna. Value : kecerahan dari warna. Nilainya berkisar antara 0-100 %. Apabila nilainya 0 m aka w arn anya akan menjadi hitam, semakin besar nilai maka semakin cerah dan muncul variasi-variasi baru d ari warna ters ebut.
Disini saya memakai model warna RGB-HSV mendefinisikan warn a (Hue, Saturation dan Value). Keuntungan HSV ad alah t erdap at w arna-warna yang s ama dengan yang ditangkap oleh indra manusia. Sedangkan warna yang dibentuk model lain seperti RGB merupakan hasil campuran dari warna-warna primer. Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255. Untuk memberikan nilai warna tertentu digunakan kombinasi dari setiap warna red-green -blue mempunyai range nilai 00 (angka desimalnya ad alah 0) dan ff (angka desimalnya adal ah 255), atau mempuny ai nilai derajat 8 keabuan 256 = 2 . Dengan demikian range warna yang digunakan ad alah (28)(28)(28 ) = 224 (atau yang dikenal dengan istilah True-Color pada Windows). Nilai warna yang digunakan di at as merup akan gambungan warna cah aya merah, hijau dan biru. Sehingga untuk menentukan nilai dari suatu warn a yang bukan warn a das ar digunak an g abungan skala kecerah an dari setiap warnanya.
2.1 Warna Warna merupak an hasil persepsi dari cahay a dalam spektrum wilayah yang terlihat ol eh retina mata. Memiliki panjang gelombang antara 400nm sampai deng an 700nm. Warna terdap at 2 model warna, yaitu model warna berorient asi hardware dan berori entasi softw are. Berikut ini adalah model warna yang berorientasi hardware: - Model RGB (red, green, blue) untuk warna monitor dan warna pad a kamera video. - Model CMY (cyan, magenta, yellow) untuk model printer. - Model YIQ , digunakan untuk standard televisi. Y berkoresponden dengan luminasi, I dan Q adalah dua komponen kromatik yang disebut inphase dan quarature. Berikut ini adalah model warna berorient asi Software (hue, saturation,brightness) adalah manipulasi : 1. Model HSV (hue, saturation, value). 2. Model HSI (hue, saturation, intensity). 3. Model HLS (hue, lightness, saturation).
Gambar 2.2 Pencampuran warna Tabel 2.1 T abel nilai intensitas warna Warna
R
G
B
Hitam
0
0
0
Merah
255
0
0
Hijau
0
255
0
Biru
0
0
255
Gambar 2.1 sepektrum warna
Kuning
255
255
0
HSV merupakan k ependek an dari Hue, Saturation, dan Value. Dimana karakt eristik pokok dari warna tersebut adalah: Hue: menyatakan warna seben arnya, s eperti merah, violet, dan kuning dan digunakan menentukan kemerah an (redn ess), kehijauan (greeness), dsb.
Magenta
255
0
255
0
255
255
Cyan
2
Putih
255
255
255
Abu-Abu
127
127
127
Orange
255
110
0
Ungu
128
0
255
Coklat
128
25
0
4 5 6 7 8 1
0 0 1 1 1 0
1 1 1 0 0 0
1 0 0 0 0 0
0 0 0 0 1 1
2.3 Webcam
Pink
255
190
220
Navy
0
0
120
WebCam adalah sebuah k amera yang digunakan untuk mengambil objek g ambar secara ben ar dan nyata yang dibutuhkan untuk image pro cessing , obyek di dep annya nantinya akan diambil kemudian diolah menjadi data-d ata yang diinginkan di dalam komputer.
HSV merupak an kep endek an dari Hue, Saturation, dan Value. Dimana karakteristik pokok dari warna tersebut adalah:
Hue: menyatakan warna seben arnya, s eperti merah, violet, dan kuning dan digunakan menentukan kemerah an (redn ess), kehijauan (greeness), dsb. Saturation: kadang disebut chroma, adalah kemurnian atau kekuatan warna. Value : kecerahan dari warn a. Nilainya berkisar antara 0 -100 %. Apabila nilainya 0 maka w arn anya akan menjadi hitam, semakin besar nilai maka semakin cerah dan muncul variasi-variasi baru d ari warna ters ebut.
III PERANCA NGAN ALAT Pada tugas akhi r ini sistem yang dirancang merup akan sistem pengenal an kematang an buah berdasarkan perubahan warna kulit dan dan teksture permuk aan. Cara k erja d ari keselu ruhan sistem adalah: 1. Kamera/Webcam berfungsi sebagai media penangkap citra yang selanjutnya akan diolah di dalam PC. 2. PC menerima citra yang ditangkap oleh webcam dan diolah dengan mendeteksi bagian wajah yang ditemukan di dalam citra. 3. Citra kemudian diproses dilakukan pencocokan data/citra bentuk lain yang sudah disimpan. 4. Pencocokan data yang baru dengan data yg lama menghasilkan pengelompokan terhad ap buah yang matang dan tidak matang. 5. Hasil dari pengolahan citra ini dikirim ke driver motor stepper yang befungsi sebagai penggerak semua system mekanik.
2.2 Motor Stepper Motor Stepper adalah motor DC yang g erakannya b ertah ap (step per step) d an memiliki akurasi yang tinggi tergantung pada sp esifikasinya. Setiap motor stepper mampu berput ar untuk setiap stepnya dalam satuan sudut (0.75, 0.9, 1.8), makin kecil sudut per step-nya m aka gerak an per step -nya motor stepper tersebut makin presisi. Untuk mengatur g erak an motor p er step -nya d apat dilakukan dengan 2 cara b erd asark an simpangan sudut gerak annya yaitu full step dan half step [4].
Tabel 2.2. Motor Stepper dengan Gerakan Full Step Step 1 2 3 4 1
S2 S1 S0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 1 Tabel 2.3 Motor Stepper dengan Gerakan Half Step Step 1 2 3
S3 0 0 0 1 0
S3 0 0 0
S2 0 0 1
S1 0 1 0
Gambar 3.1 Perancangan system
S0 1 1 0
3
3.1 Perancangan sistem mekanik Pemilah Buah juga dikontrol dengan menggunakan motor stepper
3.1.1 Konveyor
Gambar 3.5 pemilah buah Gambar 3.2 konveyor
Alat ini berfungsi memilah buah mana yg matang dan tidak matang. 3.2 Perancangan hardware
Konveyor dan ban berjal an berdimensi panjang 150 cm , lebar 35 cm tinggi dan 30 cm.konveyor berfungsi sebagai pemercepat dan mempermudah pros es perpindahan jeruk kepemilah.
Pada perancangan h ardware ak an dibuat s ebuah rangkaian driver motor stepper d engan input paralel d ari komputer. Untuk kontrol motor stepper yang digunakan pada tugas akhir ini adalah dengan metod e full step yang mana terdapat 4 (emp at) kombinasi input agar motor dapat bergerak, seperti tabel dibawah ini. Tabel 3. Motor Stepper dengan 4 kombinasi input Gerakan Full Step
Gambar 3.3 motor dc penggerak konveyor Konveyor ini menggunakan motor DC sebagai penggerak utama
Step
S3
S2
S1
S0
1
0
0
0
1
2
0
0
1
0
3
0
1
0
0
4
1
0
0
0
1
0
0
0
1
3.1.2 Pengontrol Jalan buah Untuk mendapatkan 4 (empat) kombinasi input yang dapat mengerakkan motor stepp er secara full step, terdapat beberapa komponen y ang akan digunak an pad a rangk aian driver motor stepper ini. Diantaranya adalah IC (integrated circuit) Updown counter (74ls191). T erd apat du a sinyal yang masuk, satu sinyal akan mengatur count er up/down dan sinyal lain yang disebut step akan mengurangi dan men ambah counter deng an satu hitungan. Dan sekarang kita akan menggunakan output yang keluar d ari IC Updown counter. Dengan output binary yang didapat dari IC 74ls191 terdapat 4(empat) kombinasi output dari counter yaitu, 00, 01, 10, 11. Selanjutnya output binary tersebut akan didekoderkan sehingga didapat 4 kombinasi output yang berb eda. Untuk mendekoderk an akan digunakan IC Four BCD to d ecimal decoder (74ls42). Karena output dari IC 74ls42 adal ah aktif low, maka perlu ditambahi IC inverter (74ls04) untuk membalik nilai output menjadi aktif high. Selanjutnya output decoder akan mendrive FET IRF540 dan FET akan mendrive 4 pole dari motor stepper.
Pengontrol buah agar jatuh satu persatu sehingga mudah dicapture
Gambar 3.4 Pengontrol buah 3.3.3 Pemilah buah 4
JP4
D10
JP?
VCC
+12V
2 1
2008 dengan fasiltas Emgu CV yang ada. Metode RGB & HSV yang digunakan adalah menggunak an fasilitas dari Emgu CV Gambar HSV bisa didapatk an dari merub ah dari gamb ar RGB menjadi gambar metode HSV. Dimana dari HSV ini dapat diambil nilai Hue-nya s aja. Dimana nilai Hu e-nya d apat menunjukkan nilai intensitas warna dan dipengaruhi dari intensitas cahaya. Pada proses scaning menggunak an p rinsip rata-rat a p ada area luasan tertentu. Dimana luasan ini diambil datanya kemudian dilakukan rata-rata. Dengan mengunak an pers amaan R = jumlah intensitas warna merah pada luasan area / luas area G = jumlah intensitas warna Hijau pada luasan area / luas area B = jumlah intensitas warna Biru pada luasan area / luas area
3 2 1
DIODE
HEADER 2
Enable
HEA DER 3
Gambar 5. Rangkaian jumper dan terminal supply
J1 13 25 12 24 11 23 10 22 9 21 8 20 7 D3 19 6 C3 18 5 D2 17 4 C2 16 3 D1 15 2 C1 14 1
U14 LM7805CT +121V
VCC
Vin
+5V
Sehingga pada program Visu al Studio akan dituliskan sebagai berikut: hu = 0 sum1 = 0 sum2 = 0 sum3 = 0 For i = 100 T o 144 For j = 145 T o 189 bluecentre = ImgColor.Data(i, j, 0) greencentre = ImgColor.Data(i, j, 1) redcentre = ImgColor.Data(i, j, 2) huecentre = ImgHue.Data(i, j, 0) sum1 = sum1 + bluecentre sum2 = sum2 + greencentre sum3 = sum3 + redcentre hu = hu + huecentre Next Next
R1
3 +
GND
C1
RES1 C2
L ED1 L ED
2
+
DB25
Gambar 6. Rangkaian port parallel dan regulator 14
VCC
U 9A 1
VCC 16
CTEN D/U CLK LOAD A B C D SN74 VCCLS191
U5 MAX /MIN RCO QA QB QC QD G ND
12 13 3 2 6 7
15 14 Enab 1 3 le 12
A B C D
8 VCC 16
0 1 2 3 4 5 6 7 8 9
SN 74 LS42 VCC GND
1 2 3 4 5 6 7 9 10 11
2
1
SN74 LS04
U 9B 3
7
U1 4 D1 5 C1 14 11 15 1 10 9
GND VCC
VCC
4 SN7 4LS0 4
2
U 9C 5
6 SN7 4LS0 4
8
3
U 9D 9
8 SN7 4LS0 4
4
avb = Math.Abs(sum1 / 2025) avg = Math.Abs(sum2 / 2025) avr = Math.Abs(sum3 / 2025) hue = Math.Abs(hu / 2025) bluecentre = avb greencentre = avg redcentre = avr
Gambar 7. Rangkaian Updown counter (74ls191), BCD to decimal decoder (74ls42) dan inverter (74ls04)
R2 D6 DIODE
Q4 IRF540N
1 Q7 I RF540N
2 Q5 IRF540N
D7 DIODE
D8 D9 DIODE DIO DE
+12V
RES1
JP1 1 2 3 4 5 6
hal ini dirasa penting dilakukan karena untuk mendap atkan hasil yang maksimal maka perlu dilakukan proses scanning pada luasan area tertentu. Selain itu perlu dilakukan proses inisialisasi untuk masing-2 jenis buah yang akan dilakukan proses scanning. Inisialisasi dilakukan baik untuk bu ah y ang sudah matang maupun jenis jeruk yang masih mentah atau busuk. Hal ini penting dilakukan untuk mendapatk an hasil maksimal agar p roses pendeteksian buah jeruk tidak terpeng aruh oleh ad anya intensitas cahaya dari luar yang mengganggu. Adapun proses inisialisasi nilai yang terbaca saat itu akan disimpan dalam variable tertentu yang tidak mempeng aruhi y ang lainny a. Adapun proses inisialisasi adalah seperti pada program di bawah :
HE ADE R 6
3 Q10 I RF540N
4
Gambar 8. Rangkaian switch FET IRF540 terhubung ke 4 buah pole motor stepper
3.3 Perancangan software
If ProcessID = 2 T hen green_matang = greencentre red_matang = redcentre
Software yang digunak an ad alah Microso ft visual Studio 5
Label8.T ext = bluecentre Label9.T ext = green_matang Label10.T ext = red_matang Label20.T ext = hue ProcessID = 1 End If If ProcessID = 3 T hen green_busuk = greencentre red_busuk = redcentre Label15.T ext = bluecentre Label16.T ext = green_busuk Label17.T ext = red_busuk Label22.T ext = hue ProcessID = 1
1 (mundur)
Arah 0 (maju) 0 (maju) 0 (maju) 0 (maju) 0 (maju)
Tabel 4.1 Data respon output driver motor stepper arah maju
S1 0 0 1 0 0
S2 0 0 0 1
S1 0 0 1 0
QB 0 0 1 1 0
QA 0 1 0 1 0
Step 1 2 3 4 1
QB 0 1 1 0 0
QA 0 1 0 1 0
Tabel 4.5 Data respon output decoder(74ls42) arah maju
S0 0 0 0 1 0
Tabel 4.2 Data respon output driver motor stepper arah mundur
S3 1 0 0 0
0
Dari tab el didapat su atu output dari IC Updown counter, yang mana jika input arah berlogika 0 maka data akan menjadi Up counter, sedangkan jika input arah berlogika 1 maka data akan menj adi Down counter, sebag aimana h asil dari output pada tab el di atas. Setelah didapat output respon dari IC Updown counter, selanjutnya data dimasukkan ke dalam dekoder. Pada tugas akhir ini dipakai dekoder 4 BCD to 10 decod er. Namun dari ke empat input BCD yang dipakai pada dekod er ini hany alah du a input saja, karena hanya ada dua data keluaran d ari IC Updown counter. Berikut data respon output dari dekoder.
Pada pengujian hard ware ini adalah pengujian terhad ap driver motor stepper dengan meng analisa output yang dihasilkan dari rangkai an driver motor. Berikut data hasil respon output d ari d river motor stepp er s etelah diberi input step. Data di atas m erupakan respon output dari salah satu pole pada motor. Adapun dat a respon output dari k eempat pole bisa dilihat pada tabel di bawah ini.
S2 0 1 0 0 0
Step 1 2 3 4 1
Arah 1 (mundur) 1 (mundur) 1 (mundur) 1 (mundur) 1
4.1 PENG UJIAN HARDWARE
Arah Step 1 1 (mundur) 1 2 (mundur) 1 3 (mundur) 1 4 (mundur)
0
Tabel 4.4 Data respon output updown counter(74ls191) arah mundur
VI. PENGUJIAN DAN AN ALISA DATA
S3 1 0 0 0 1
0
Tabel 4.3 Data respon output updown counter(74ls191) arah maju
If bluecentre < 100 And 90 < greencentre And hue > 40 T hen Label11.T ext = "jeruk matang" ElseIf bluecent re < 100 And 100 < redcentre And hue < 33 T hen Label11.T ext = "jeruk busuk" Else : Label11.T ext = " "
Step 1 2 3 4 1
1
Data di atas merup akan data y ang diperoleh d ari gabungan sejumlah komponen IC Updown count er, IC decoder dan inverter. Berikut d ata y ang diperoleh dari output tiap komponen.
Setelah itu masuk ke proses pendeteksian dengan membandingkan nilai-nilai variable yang ada deng an nilai tertentu. Sehingga didapat sebuah nilai d an program seperti di bawah:
Arah 0 (maju) 0 (maju) 0 (maju) 0 (maju) 0 (maju)
1
Arah
Step
C
B
A
0 (maju)
1
1
0
0
0
1
1
1
0 (maju)
2
1
0
1
1
0
1
1
0 (maju)
3
1
1
0
1
1
0
1
0 (maju)
4
1
1
1
1
1
1
0
0 (maju)
1
1
0
0
0
1
1
1
Tabel 4.6 Data respon output decoder(74ls42) arah mundur
S0 0 1 0 0
Arah 1 (mundur)
6
Step
C
B
A
1
1
0
0
0
1
1
1
1 (mundur) 1 (mundur) 1 (mundur) 1 (mundur)
2
1
1
1
1
1
1
0
3
1
1
0
1
1
0
1
4
1
0
1
1
0
1
1
1
1
0
0
0
1
1
1
Dari data k eluran d ari dekod er itulah yang n antinya digunakan untuk mendrive FET sebagai switch yang terhubung kepad a tiap pole dari motor. Karena k eluaran dari dekoder merupak an akti f low, maka sebelum digunakan untuk mendrive FET terlebih dahulu dimasukkan ke dalam IC inverter untuk membalikkan nilai output dari d ekoder. Sehingga didapat data sebagai berikut.
Gambar 4. 2 T ampilan program saat mendeteksi buah busuk Dari hasil pengujian didapat hasil sebagai berikut:
Tabel 4.7 Data respon output inverter (74ls04) arah maju
Arah Ste C B A 0 1p 1 0 0 1 0 0 0 (maju) 0 2 1 0 1 0 1 0 0 (maju) 0 3 1 1 0 0 0 1 0 (maju) 0 4 1 1 1 0 0 0 1 (maju) 0 1 1 0 0 1 0 0 0 (maju) Tabel 4.8 Data respon output inverter (74ls04) arah mundur Arah 1 (mun 1 (mun 1 (mun 1 (mun 1 (mun
Step 1 2 3 4 1
C 1 1 1 1 1
B 0 1 1 0 0
A 0 1 0 1 0
1 0 0 0 1
0 0 0 1 0
0 0 1 0 0
Kondisi buah
0 1 0 0 0
matang
Jumlah buah sample 10
busuk
10
random
Matang buah Busuk buah
5
5
Analisa 8buah dikenali matang 7buah dikenali busuk 4buah busuk 4buah matang
Keberh asilan mengenali 80%
70%
80%
V. PENUTUP KESIMPULAN Dari p eran cang an, realisasi, dan pengujian alat pad a tugas akhir ini dapat disimpulkan beberapa hal seperti berikut ini:
Selanjutnya data inilah yang akan digunakan untuk mendrive FET yang terhubung kepada tiap pole pada motor.
1. Dari hasil percobaan did apat keberhasilan meng enali buah matang sebesar 80% 2. Dari hasil percob aan didapet keberhasilan m engenali bu ah busuk sebesar 70% 3. Perlu didukung dengan pengaturan pencahay aan ruang an yang dijaga konstan. 4. Dari semua pengujian y ang dilakukan did apat suatu hasil yang hampir sesu ai dengan yang dinginkan. Keb anyak an error d an kegag alan adalah diakibatk an minimnya tool dan masih kurang optimalnya mekanik system.
4.2 PENGUJIAN SOFTWARE Pengujian softw are dilakuk an dengan langsung mem akai buah jeruk yang baru dipetik d ari pohon dan buah yang sudah busuk.
SARAN Saran – saran y ang dapat diberik an penulis untuk tugas akhir ini diantaranya adalah : 1. Alat ini sangat cocok sekali diperuntukkan kepada industry menengah ke baw ah maupun kalangan mahasiswa. 2. Alat yang didesain pada tug as akhir ini tentunya masih banyak adanya ketidaksempurnaan, sehingg a perlu adanya
Gambar 4. 1T ampilan program saat mendeteksi buah matang
7
•
studi lanjut yang bisa lebih meminimalkan kekurangan yang ada pada alat ini 3. Perlu adanya studi lanjut tentang pemilihan metode y ang paling tepat dibanding dengan metode yang tel ah dipakai pada tugas akhir ini.
Penulis mengikuti seminar Proyek Akhir, seb agai sal ah satu persyaratan untuk memperoleh gelar Sarjana. Email :
[email protected] VIAN@ elect-eng.its.ac.id
DAFTAR PUSTAKA 1. Ina Agustina, Fauziah,” KONVERSI WARNA RGB KE HLS MENGGUNAKAN C++”, Seminar Nasional Informatika 2009 (semnasIF 2009) UPN ”Veteran ” Yogyakart a, 23 Mei 2009 2. _______
. diakses pada 15 juni 2011 3. _______, “ Praktikum 9 color detection” , diakses pada 14 Juni 2011. 4. D. I. Amarasinghe and D. U. J. Sonnadara, “Surface colour variation of Papay a fruits with maturity”, Proceedings of the T echnical Sessions, 25 (2009) 21-28, Institute of Physics – Sri Lanka 5. _______, “ Motor stepper” , RIWAYAT HIDUP PENULIS
Nama T empat/T anggal Lahir Alamat T elepon/Hp E-mail Hobi Motto
Jurusan teknik Elektro ITS T ahun 2003 – 2011
: Oktaviano yudha N : Lumajang/ 19 Oktober 1984 : Jln. Raya Jarit No.52 Candipuro. Lumajang : 085746364691 : [email protected] : Wisata Kuliner, Menggambar ,T ouring : Hidup harus penuh makna
Riwayat Pendidikan : • SD Negeri 1 Pasirian T ahun 1991 – 1997 • SLTP Negeri I Pasirian Tahun 1997– 2000 • SMU Negeri I Lumajang T ahun 2000 – 2003 8
