BAB 2 TINJAUAN PUSTAKA
2.1 Citra Digital Secara harafiah, citra (image) adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinu dari intensitas cahaya pada bidang dua dimensi.sumber cahaya menerangi objek, objek memantulkan kembali sebagian dari berkas cahaya tersebut.pemantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya, sehingga bayangan objek yang disebut citra tersebut terekam (Munir, 2004) Citra beraras keabuan adalah citra yang hanya menggunakan tingkat warna abu-abu. Warna abu-abu adalah salah satunya warna pada RGB dengan komponen merah, hijau dan biru mempunyai intesitas sama. Pada citra aras keabuan hanya perlu dinyatakan nilai intansitas untuk setiap piksel sebagai nilai tunggal, sedangkan pada citra warna perlu tiga nilai intensitas untuk setiap pikselnya. Intesitas citra beraras keabuan disimpan sebai inyeger 8 bit sehingga memberikan 28 = 256 tingkat keabuan dari warna hitam sampai putih. Dengan menggunakan pola 8 bit ini citra beraras keabuan membutuhkan ruang memori, disc, dan waktu pengolahan yang lebih sedikit daripada citra berwarna (RGB) (Ibrahim, 2004)
2.1.1 Citra Analog Citra analog adalah citra yang bersifat kontinu, seperti gambar pada monitor televisi, foto sinar-X, foto yang tercetak dikertas foto, dan lain sebagainya. Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses di komputer secara langsung. Agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dahulu (Sutoyo, 2009).
2.1.2 Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh komputer yang merupakan suatu array dari bilangan yang merepresentasikan intensitas terang pada point yang bervariasi (pixel). Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang telah mengalami proses digitalisasi. Citra digital disimpan juga secara khusus di dalam file 24 bit atau 8 bit. Citra 24 bit menyediakan lebih banyak ruang untuk menyembunyikan informasi (Sutoyo, 2009).
2.1.3 Jenis - Jenis Citra Digital Berdasarkan warna β warna penyusunannyan, citra digital dapat dibagi menjadi tiga macam (Wildan, 2010) yaitu: 1. Citra Biner Citra biner adalah citra yang hanya memiliki 2 warna, yaitu hitam dan putih. Oleh karena itu, setiap pixel pada citra biner cukup direpresentasikan dengan 1 bit.
(a)
(b)
Gambar 2.1 (a) Citra biner; (b) Representasi citra biner
Alasan penggunaan citra biner adalah karena citra biner memiliki sejumlah keuntungan sebagai berikut: a. Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan representasi 1 bit. b. Waktu pemrosesan lebih cepat di bandingkan dengan citra hitam β putih ataupun warna.
2. Citra Grayscale Citra grayscale adalah citra yang nilai pixel-nya merepresentasikan derajat keabuan
atau
intensitas
merepresentasikan
warna
warna hitam
putih.
Nilai
intensitas
paling
rendah
dan
nilai
intensitas
paling
tinggi
merepresentasikan warna putih. Pada umumnya citra grayscale memiliki kedalaman pixel 8 bit (256 derajat keabuan), tetapi ada juga citra grayscale yang kedalaman pixel-nya bukan 8 bit, misalnya 16 bit untuk penggunaan yang memerlukan ketelitian tinggi. Gambar 2.1 (a) adalah contoh citra grayscale.
3. Citra Warna Citra warna adalah citra yang nilai pixel-nya merepresentasikan warna tertentu. Setiap pixel pada citra warna memiliki warna yang merupakan kombinasi dari tiga warna dasar RGB (red, green, blue). Setiap warna dasar menggunakan penyimpanan 8 bit = 1 byte, yang berarti setiap warna mempunyai gradasi sebanyak 255 warna. Berarti setiap pixel mempunyai kombinasi warna sebanyak 28.28.28 = 224 = 16 juta warna lebih. Itulah yang menjadikan alasan format ini disebut dengan true color karena mempunyai jumlah warna yang cukup besar sehingga bisa dikatakan hampir mencakup semua warna di alam. Gambar 2.2 (b) adalah contoh citra warna.
(a) Gambar 2.2 (a) Citra grayscale; (b) Citra warna
(b)
2.2 Pengolahan Citra Meskipun citra kaya informasi, namun sringkali citra yang kita miliki mengalami penurunan mutu (degradasi), misalnya mengalami cacat atau derau (noise), warna terlalu kontras, kurang tajam, kabur (Blurring), dan sebagainya. Tentu saja citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi kurang. Agar citra yang mengalami gangguan muda diinterpretasi baik oleh manusia maupun mesin, maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Bidang studi yang menyangkut hal ini adalah pengolahan citra (Image processing). Pengolahan citra adalah proses citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. (Munir, 2004). 2.3 Deteksi Tepi Secara umum tepi dapat didefinisikan sebagai batas antara dua region (dua piksel yang saling berdekatan) yang memiliki perbedaan yang tajam atau tinggi. (Febriani, 2008). Tepi dapat diorientasikan dengan suatu arah, dan arah ini berbeda-beda, tergantung dari perubahan intensitas. Deteksi Tepi adalah proses untuk menemukan perubahan intensitas yang berbeda nyata dalam sebuah bidang citra. Sebuah operator deteksi tepi merupakan operasi bertanngga, yaitu sebuah operasi yang memodifikasi nilai keabuan sebua titik yang ada di sekitarnya (tetangganya) yang masing-masing mempunyai bobot tersendiri. (Sutoyo, 2009) Deteksi tepi merupakan langkah pertama untuk melingkupi informasi didalam citra. Tepi mencirikan batas-batas objek dan karena itu tepi berguna untuk proses segmentasi dan identifikasi objek di dalam citra. Deteksi tepi pada suatu citra memiliki tujuan sebgai berikut (Sigit,2005): 1. Menandai bagian yang menjadi detail citra 2. Memperbaiki citra yang kabur karena error atau efek proses akuisisi
2.3.1
Metode Deteksi Tepi
2.3.1.1 Metode Sobel Metode deteksi tepi Sobel menggunakkan dua buah kernel yang berukuran 3x3 piksel untuk perhitungan Gradien sehingga perkiraan gradien berada tepat di tengah jendela.(Sutoyo dkk, 2009). Besaran gradien yang dihitung menggunakan operator sobel adalah sebagai berikut. πΊπΊ = οΏ½πππ₯π₯2 + πππ¦π¦2
dengan. G = besaran Gradien Operator π π π₯π₯ = gradien Sobel arah horizontal π π π¦π¦ = gradien Sobel arah vertikal
Dimana G merupakan besaran gradien di titik tengah kernel dan persamaan parsial dihitung menggunakan persamaan berikut. πππ₯π₯ = (ππ2 + ππππ3 + ππ4 ) β (ππ0 + ππππ7 + ππ6 ) πππ¦π¦ = (ππ0 + ππππ1 + ππ2 ) β (ππ6 + ππππ5 + ππ4 )
Di mana c adalah konstanta yang bernilai 2. πππ₯π₯ dan πππ¦π¦ diimplementasikan menjadi πππ₯π₯ =
-1 0
1
-2 0
2
-1 0
1
πππ¦π¦ =
1
2
1
0
0
0
-1 -2 -1
2.3.1.2 Metode Roberts Metode deteksi tepi Roberts adalah deteksi tepi yang berbasis gradien yang menggunakkan duah buah kernel yang berukuran 2x2 piksel. Deteksi tepi ini mengambil arah diagonal untuk penentuan arah dalam penghitungan nilai gradien, sehingga sering disebut operator silang. (Sutoyo dkk, 2009). Perhitungan gradien dalam deteksi tepi Roberts adalah sebagi berikut. πΊπΊ = οΏ½π
π
π₯π₯2 + π
π
π¦π¦2
Dengan G = besaran gradien deteksi tepi Roberts π
π
π₯π₯ = gradien Roberts arah horizontal π
π
π¦π¦ = gradien Roberts arah vertikal
π
π
π₯π₯ =
1
0
0
-1
π
π
π¦π¦ =
0
1
-1
0
Sebenarnya, metode Roberts dalam mendeteksi tepi menghasilkan citra yang kurang memuaskan. Mungkin dikarenakan kernel yang digunakan berukuran 2x2 piksel dan penghitungan gradien hanya mengambil arah diagonal. 2.3.1.3 Metode Prewitt Metode ini menggunakan persamaan yang sama dengan operator Sobel, hanya saja konstanta c yang digunakan bernilai 1 sehingga bentuk kernel dari metode Prewitt adalah. (Sutoyo dkk, 2009)
πππ₯π₯ =
-1
0
1
-1
0
1
-1
0
1
πππ¦π¦ =
1
1
1
0
0
0
-1
-1
-1
Berbeda dengan Sobel, metode Prewitt tidak menekankna pembonotan pada piksel-piksel yang lebih dekat dengan titik pusat kernel. 2.4 Penipisan Citra (Image Thinning) Operasi penipisan citra (image thinning) bertujuan untuk menguruskan objek dalam citra. Thinning dari himpunan A dengan elemen penstruktur B didefinisikan sebagai berikut. (Sutoyo dkk, 2009). π΄π΄ β π΅π΅ = π΄π΄ β (π΄π΄ β π΅π΅) = π΄π΄β(π΄π΄ β π΅π΅)ππ
Proses penipisan digunakan untuk mengekstraksi ciri daun suatu objek dengan mengambil rangka setebal satu piksel dari citra, dengan membuang titik-titik atau lapisan terluar dari citra sampai semua garis atau kurva hanya setebal satu piksel. 2.5 Pengenalan Pola (pettern recognition) Pengenalan Pola merupakan proses pengenalan suatu objek dengan menggunakan berbagai metode. Teknik penocokan pola adalah salah satu teknik dalam pengolahan citra digital yang berfungsi untuk tiap-tiap bagian dengan citra yang menjadi acuan (template).
Metode pencocokan pola adalah salah satu teknik metode terapan dari teknik konvolusi.
Teknik
konvolusi
dalam
penelitian
ini
dilakukan
dengan
mengkombinasikan citra daun masukkan dengan citra daun acuan, sehingga akan didapatkan nilai koefesien korelasi yang besarnya antara -1 dan +1. Saat koefesien korelasi mendekati +1, bisa dikatakan citra masukkan semakin sama (mirip) dengan acuannya. Rumus yang digunakan adalah: ππ = Keterangan:
ππβ1 ππβ1 βππ=0 βππ =0 οΏ½π₯π₯ππππ β π₯π₯Μ
οΏ½(π¦π¦ππππ β π¦π¦οΏ½)
ππβ1 βππβ1 ππβ1 ππβ1 2 οΏ½)2 οΏ½βππ=0 ππ =0 (π₯π₯ππππ β π₯π₯Μ
) β βππ=0 βππ =0 (π¦π¦ππππ β π¦π¦
r : Koefesien Korelasi x : Citra acuan (template) π₯π₯Μ
: Nilai rata-rata citra acuan
π¦π¦οΏ½ : Nilai rata-rata citra masukkan y : Citra masukkan
M,N : Jumlah citra piksel citra
2.6 Tumbuhan Karet Tumbuhan Karet (Hevea brasiliensis Muel.-Arg) berasal dari Brazilia, Amerika Selatan, mulai dibudidayakan di Sumatera Utara pada tahun 1903 dan di Jawa pada tahun 1906. Tanaman ini berasal dari sedikit semai yang dikirim dari Inggris ke Bogor pada tahun 1876, sedangkan semai-semai tersebut berasal dari biji karet yang dikumpulkan oleh H. A. Wickman, kewarganegaraan Inggris, dari wilayah antara Sungai Tapajoz dan Sungai Medeira di tengah Lembah Amazon. (Semangun, 2000). Saat ini tumbuhan karet telah banyak di tanam untuk diambil getahnya. Getah tunaman karet atau biasa disebut lateks banyak digunakan untuk untuk di proses menadi berbagai macam benda. Selain getah, tentunya batang tanaman karet juga dapat di manfaatkan untuk diolah menjadi berbagai benda yang tentunya bermanfaat, salah satunya dapat dibuat menjadi pintu rumah, jendela, dan lain sebagainya.
Hasil dari tumbuhan karet banyak pergunakan untuk berbagai kebutuhan manusia, diantaranya adalah ban kendaraan. Hal inilah yang menjadi faktor pendukung dilakukan penanaman tanaman karet dalam jumlah yang banyak. Seiring dengan perkembangan teknologi, saat ini telah banyak dikembangkan berbagi jenis (klon) tanaman karet. Namun, dari berbagai jenis (klon) yang telah ditemukan tentu tidak semua mampu memproduksi getah yang maksimal. Hal inilah yang menjadi faktor pendukung dikembangkannya penelitain pada tanaman karet. Penelitian banyak dilakukan pada upayah meningkatkan produksi getah secara maksimal. Berdasarkan data dari Balai penelitian Sungei Putih Pusat Penelitian Karet, saat ini terdapat 14 jenis (klon) yang menjadi anjuran untuk medapatkan produksi getah maksimal.
Jenis (klon) tanaman karet yang menjadi anjuran tentunya
memiliki sepsifikasi yang berfariasi baik itu jumlah produksi getah maupun ukuran batang. Hal ini dipengaruhi oleh berbagai faktor, salah satu diantaranya adalah ketinggian dataran tempan penanaman dari permukaan laut. Jenis (klon) tanam karet yang menjadi anjuran beserta potensi produksi dari setiap jenis (klon) dapat di lihat pada Tabel 2.1. Tabel 2.1 Jenis (klon) Tanaman Karet Anjuran Produksi Komulatif (kg/ha) Jenis (klon) No
5 th
Rataan
10 th
15 th
(kg/ha/th)
Klon penghasil getah (lateks) 1
IRR 104
9938
21860
41240
2083
2
IRR 112
10973
21770
32242
2149
3
IRR 118
9856
19985
30860
2057
4
IRR 220
10511
20086
32865
2191
5
BPM 24
8942
20423
30007
2000
6
PB 260
9989
21996
30946
2063
7
PB 330
9699
19306
29180
1945
8
PB 340
10900
19220
30074
2005
Klon penghasil getah (lateks) dan kayu 9
IRR 5
8046
18370
30986
2066
10
IRR 39
7273
15485
28862
1924
11
IRR 42
8488
15924
29700
1980
12
IRR 107
9080
17370
31422
2095
13
IRR 119
8350
16870
30085
2006
14
RRIC 100
6690
21010
29963
1998
Dari Tabel 2.1 terlihat bahwa jenis (klon) unggul tanaman karet dapat di kelompokkan menjadi 2 bagian, yaitu jenis (klon) yang hanya menghasilkan getah (lateks) dan jenis (klon) yang menghasilkan geta (lateks) beserta kayu. 2.7 Daun Daun adalah organ-organ khusus yang mempunyai fungsi sebagai tempat proses fotosintesis, dalam pengertian ini dapat disebutkan bahwa daun merupakan bagian tanaman yangmempunyai fungsi sangat penting. Karena semua fungsi yang lain sangat tergantung pada daun secara langsung ataupun tidak langsung. (Heddy, 1987). Daun adalah organ fotosintesis utama bagi tumbuhan, meskipun batang yang berwarna hijau juga melakukan fotosintesis. Bentuk daun sangat bervariasi, namun pada umumnya terdiri dari suatu helai daun (blade) dan tangkai daun. Pada tanaman karet, sekilas terlihat bahwa daun tanaman karet tidak memiliki perbedaan. Akan tetapi, bilah dilihat lebih seksama maka akan kita temui
beberapa perbedaan bentuk tepi pada daun karet. Hal inilah yang mendorong penulis untuk melakukan penelitian ini.
(a)
(b)
Gambar 2.2 (a) gambar jenis (klon) IRR 105. (b) gambar jenis (klon) PB 340
Pada Gambar 2,2 terlihat pada helai daun kedua (tengah) antara jenis (klon) IRR 115 dengan jenis (klon) PB 340 memiliki sedikit perbedaan, yaitu dari bentuk tepi daun jenis (klon) IRR 105 lebih melengkung dibanding dengan jenis (klon) Pb 340 dan juga jenis (klon) IRR 105 memiliki sisi yang lebih tajam pada ujung daun dibandingkan dengan jenis (klon) PB 340.
