BAB II LANDASAN TEORI
2.1 KAYU JATI Jati dikenal dunia dengan nama teak (bahasa Inggris). Nama ini berasal dari kata thekku (േതk്) dalam bahasa Malayalam, bahasa di negara bagian Kerala di India selatan.Nama ilmiah jati adalah Tectona grandis L.f dan termasuk dalam famili Verbenaceae.Penyebaran alami meliputi negara-negara India, Birma, Kamboja, Thailand, Malaysia dan Indonesia. Di Indonesia jati terdapat di beberapa daerah seperti Jawa, Muna, Buton, Maluku dan Nusa Tenggara. Jati adalah sejenis pohon penghasil kayu bermutu tinggi.Pohonnya berukuran relatif besar, berbatang lurus, dapat tumbuh mencapai tinggi 30-40 m, berdaun lebar, yang luruh di musim kemarau. Pohon Jati cocok tumbuh di daerah musim kering agak panjang yaitu berkisar 36 bulan pertahun. Jati dapat tumbuh di daerah dengan curah hujan 1 500 – 2 000 mm/tahun dan suhu 27 – 36 °C baik di dataran rendah maupun dataran tinggi. Tempat yang paling baik untuk pertumbuhan jati adalah tanah dengan pH 4.5 – 7 dan tidak dibanjiri dengan air. Jati memiliki daun berbentuk elips yang lebar dan dapat mencapai 30 – 60 cm saat dewasa (Akram,2007).
2.2 ANATOMI MAKROKOPIS KAYU JATI Metode pengenalan kayu secara praktis adalah suatu metode pengenalan kayu berdasarkan kepada sifat-sifat struktur anatominya. Struktur anatomi suatu jenis kayu adalah merupakan sifat yang objektif, yang secara konstan terdapat di dalam kayu. Sifat-sifat objektif kayu yang sudah jelas dilihat dan diamati hanya dengan mata
5
6
telanjang atau dibantu dengan lup ( biasanya mempunyai pembesaran 10 kali ), disebut sifat makroskopis kayu. Sifat makroskopis jika diperhatikan lebih jauh dapat dibagi menjadi dua golongan yaitu: a. Sifat makroskopis non-struktural: sifat-sifat yang tidak ada atau sedikit sekali hubungannya dengan struktur dan jaringan kayu. b. Sifat makroskopis struktural: sifat-sifat yang langsung berhubungan dengan struktur dan jaringan kayunya. Sifat fisik/kasar atau makroskopis adalah sifat yang dapat diketahui secara jelas melalui panca indera, baik dengan penglihatan,
pen-ciuman,
perabaan dan
sebagainya tanpa menggunakan alat bantu. Sifat-sifat kayu yang termasuk dalam sifat kasar antara lain adalah: a. Warna, umumnya yang digunakan adalah warna kayu teras, b. Tekstur, yaitu penampilan sifat struktur pada bidang lintang, c. Arah serat, yaitu arah umum dari sel-sel pembentuk kayu, d. Gambar, baik yang terlihat pada bidang radial maupun tangensial e. Berat, umumnya dengan menggunakan berat jenis f. Kesan raba, yaitu kesan yang diperoleh saat meraba kayu, g. Lingkaran tumbuh, h. Bau, dan sebagainya. Pada kayu dihasilkan dari perpaduan serat, tekstur, penyebaran warna, dan pemunculan riap-riap tumbuhan atau ciri-ciri pada bidang radial, yang bersama-sama menampilkan corak dalam pola atau bentuk tertentu.Pola struktur anatomi inilah yang menyebabkan kayu memiliki figur indah sehingga memberikan nilai dekoratif tertentu. Yang dimaksud bidang orientasi kayu adalah bidang pembantu yang diperlukan dalam pengenalan kayu sehingga diperoleh kesan yang sebenarnya dari sifat-sifat atau tanda-tanda yang diperlukan untuk pengenalan. Adapun kaitannya antara penampang lintang dengan sifat makroskopis kayu adalah pada penampang
7
lintang akan ditemukan garis-garis konsentris bisa nyata atau kurang nyata dan memusat pada empulur. Garis-garis konsentris ini disebut sebagai lingkaran tumbuh ( growth ring ) yang terjadi sehubungan dengan mekanisme pertumbuhan pohon. Dan hal ini merupakan sifat makroskopis struktural kayu (Pandit, 2002). Struktur pori tatalingkar menyebabkan pola riap tumbuh terlihat jelas di permukaan. Pori atau sel pembuluh bentuknya bundar sampai oval, pada bagian kayu awal (early-wood) diameter tangensialnya berukuran 320-370 mikron, sedangkan pada bagian kayu akhirnya (late-wood) berukuran 50-210 mikron (Sarajar 1975). Penyusunan pori pada struktur anatomi kayu jati terlihat bahwa pori-pori tersusun secara soliter. Penyusunan pori-pori pada kayu jati dinyatakan soliter jika pori-pori pada bidang lintang terpisah satu dari yang lainnya oleh jaringan sel-sel lain. Jika pori-pori ada yang bersinggungan, tetapi dinding-dinding yang bersentuhan itu tetap lengkung bentuknya, maka pori-pori itu termasuk golongan soliter. Pada struktur pori kayu jati terdapat parenkim marginal yang penyebarannya berkelompok dengan berbentuk seperti pita. Parenkim marginal merupakan pengelompokan perenkim berupa pita yang terdapat pada batas tiap tumbuh, jadi sering disebut juga dengan istilah parenkim batas. Selain pada kayu jati, parenkim marginal juga terdapat pada kayu kempas dan ulin. Corak pada kayu jati yang sangat menarik juga diperkuat dengan adanya pola penyebaran parenkim marginal disekitar kayu awal. Penyusunan pori sangat mempengaruhi sifat makroskopis yang ditampilkan pada permukaan kayu. Pori dapat mengandung zat-zat pengisi tertentu, yang dapat dipakai sebagai tanda identifikasi kayu. Struktur anatomi penyusun T.grandis mempengaruhi corak yang ditampilkan pada permukaan kayunya.
2.3 STRUKTUR CIRI GREY LEVEL COOCCURANCE MATRIX (GLCM) Metode analisis tekstur citra keabuan telah banyak diteliti. Tekstur sebenarnya sulit didefinisikan meskipun secara intuitif manusia mampu membedakan dua atau lebih citra yang berbeda penampakannya. Berbagai metode analisis tekstur diajukan,
8
umumnya berdasar pada pendekatan statistis.Fitur-fitur yang digunakan dalam analisis tekstur secara statistis umumnya didasarkan pada gray level cooccurence matrices, gray level difference matrices, run length matrices, spektra daya Fourier, fungsi autokorelasi, dan model random-field. Salah satu metode analisis tekstur yang paling banyak digunakan adalah gray level cooccurrence matrix yang didasarkan pada statistika orde kedua. Matriks cooccurence ini diperkenalkan pertama kali oleh Haralick (1973: 610) untuk mengekstrak fitur-fitur yang digunakan sebagai analisis citra hasil penginderaan jauh. Cooccurence didefinisikan sebagai distribusi gabungan dari level keabuan dua piksel yang terpisah jarak dan arah tertentu (Δx, Δy). Gray Level Cooccurence Matrix (GLCM), atau Haralick et. al. (1973: 612) menyebutnya sebagai Gray-Tone SpatialDependence Matrices. Metode statistik terdiri dari ekstraksi ciri orde pertama dan ekstraksi ciri orde kedua. Ekstraksi ciri orde pertama dilakukan melalui histogram citra sedangkan ekstraksi ciri statistik orde kedua dilakukan dengan matriks kookurensi, yaitu suatu matriks antara yang merepresentasikan hubungan ketetanggaan antar piksel dalam citra pada berbagai arah orientasi dan jarak spasial. Suatu citra mempunyai ciri yang dapat di ekstrasi dengan beberapa cara yaitu Grey Level Coocurance Matrix (GLCM), Filter Gabor dan Wavelet. Dan pada ekstrasi anatomi makroskopis kayu jati ini akan menggunakan metode Grey Level Coocurance Matrix (GLCM). GLCM merupakan matrik pembantu yang berfungsi mencacah terjadinya sepasang piksel yang memiliki nilai intensitas tertentu dengan hubungan jarak dan arah tertentu. Metode GLCM termasuk dalam metode statistik dimana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan (histogram) dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Paradigma statistik ini penggunaannya tidak terbatas, sehingga sesuai untuk tekstur-tekstur alami yang tidak terstruktur dari sub pola dan himpunan aturan (mikrostruktur). Ada beberapa pendekatan statistic yaitu menurut Tomita dan Naddler. a. Pendekatan statistic menurut Tomita dibagi menjadi tiga tingkatan yaitu :
9
1. Tingkat pertama : dengan menghitung rata-rata(mean), maksimum dan minimum maupun variance. 2. Tingkat kedua : dengan menghitung Grey Level Coocurance Matrix (GLCM), Semi Variogram, atau Autoregresi. 3. Tingkat ketiga : dengan menghitung interval cover atau runlength. b. Pendekatan statistic menurut Naddler dibagi menjadi tiga tingkatan yaitu : 1.
Imaged Based : ciri diperoleh langsung dari citra.
2.
Model Based : ciri diperoleh dengan membuat model tekstur.
3.
Transform Based : mentrasformasikan citra yang akan di analisis, yang termasuk transform based yaitu Transformasi Fourier, Wavelet, dan GLCM.
Analis menggunakan Grey Level Coocurance Matrix (GLCM) akan menghasilkan beberapa ciri tekstur dari citra, dan Kandaswamy menyarankan yang digunakan hanya energy, entropy, correlation, contrast (Kandaswamy,2005). GLCM merupakan satu metoda yang banyak digunakan untuk analisis bertekstur contohnya satu citramedis, citra radar, juga pada control kualitas industry tekstil. Ciri dari GLCM merupakan sifat yang dapat membedakan beberapa tekstur ciri tersebut Dissimilarity, Energy, Entropy, Second Order Element Difference Moment (Contras). Ilustrasi ekstraksi ciri statistik ditunjukkan pada gambar 2.1.
Gambar 2.1. GLCM yang menggambarkan korelasi antara sepasang piksel dengan jarak dan arah tertentu [2]
10
Seperti yang terlihat pada Gambar 1, GLCM akan mencacah terjadinya pola-pola pasangan piksel dengan hubungan jarak dan arah tertentu. Arah yang digunakan secara umum ada 4, yaitu 0, 45, 90, dan 135 derajat. Contoh bagaimana cara membentuk GLCM: Misal kita punya citra dengan jendela 4 x 4 dan derajat keabuannya adalah 0,1,2,3 (Gambar 2.2.). 1
2
0
3
1
2
0
3
1
3
0
2
1
3
0
2
Gambar 2.2. Contoh matrix citra Jika kita menetapkan jaraknya 1 piksel dan arahnya adalah 0, 45, 90, dan 135 derajat, maka GLCM nya adalah sebagai berikut: Untuk arah 0 derajat (Gambar 2.3): 1. Tentukan derajat keabuan, diurut dari kecil kebesar. Misalkan sutu gambar di asumsikan dalam jendela pengamatan dengan ukuran 4x4 memiliki nilai piksel dari nilai 0,1,2,dan 3. 2. Bentuk matix A berukuran m x m dengan m adalah jumlah derajat keabuan element matrik A tersebut yaitu aij merupakan jumlah kemunculan dengan derajat keabuan gi muncul bersebelahan dengan sudut 0° dimana 1≤ ij ≤m. Matriks A menjadi seperti ditunjukan pada Gambar 3.
0
1
2
3
0
0
0
2
2
1
0
0
2
2
2
2
0
0
0
3
2
0
0
0
Gambar 2.3. Matriks A
11
3. Buat matriks coocuranceC ,bagilah setiap elemen matriks A dengan n dimana n adalah jumlah semua element matriks A yaitu 12. Matriks C dapat dilihat pada Gambar 2.4. 0 2/122/12 0 0 2/122/12 0 2/122/12 0 0 2/122/12 0 0 Gambar 2.4. Matriks C Dari matriks C inilah dapat dihitung beberapa ciri tekstur yang disarankan oleh Haralick.Pada penelitian ini hanya menggunakan 3 ciri yaitu Angular Second Moment, Correlation dan Dissimilary. Ini mengacu pada hasil penelitian untuk menghindari masalah kutukan dimensi (Kandaswamy,2005). Haralick et. al (1973: 613) mengekstrak 14 fitur dari matriks cooccurence tersebut, meskipun dalam banyak aplikasi hanya beberapa fitur yang banyak digunakan, antara lain: 1. Angular Second Moment (ASM)
,
²
(1) 2. Correlation ,
(2)
3. Dissimilarity ²
,
(3)
12
4. Homogeneity
, ,
,
1
1
² (4)
5.
Entropy
,
log
,
(5)
6.
Second Order Element Difference Moment (Contras)
,
(6)
2.4 WATERFALL (SOMMERVILLE IAN 2003) Metode Waterfall biasa disebut juga dengan siklus hidup perangkat lunak merupakan salah satu model pengembangan perangkat lunak dari sekian banyak model pengembangan perangkat lunak. Waterfall adalah model yang umumnya paling banyak digunakan. Pada model ini, desain perangkat lunak atau sistem dibagi menjadi sejumlah langkah linier, sistematis, dan sekuensial di mana evolusi perangkat lunak atau sistem terlihat seperti air yang mengalir semakin turun melalui serangkaian tahapan.
13
Gambar 2.5. Siklus Hidup Perangkat Lunak Waterfall Adapun langkah-langkahnya adalah : 1. Analisa dan Definisi Persyaratan Pada tahapan ini biasanya dilakukan pengumpulan data-data / informasiinformasi yang berkaitan dengan sistem yang akan dikembangkan. 2. Perencanangan Sistem dan Perangkat Lunak Pada tahapan ini, arsitektur sistem mulai dibuat berdasarkan data-data yang diperoleh sebelumnya pada tahapan analisa. CODING juga dilakukan pada tahapan ini, kemudian komponen antarmuka perangkat lunak juga dirancang dengan mengacu pada kebutuhan-kebutuhan yang sebelumnya telah dilakukan pada tahapan analisa. 3. Implementasi dan Pengujian Unit Pada tahap ini, aplikasi direalisasikan sebagai serangkaian program. Kemudian pengujian unit melibatkan verifikasi bahwa setiap unit program telah memenuhi spesifikasinya. 4. Integrasi dan Pengujian Sistem Unit aplikasi atau aplikasi individual diintegrasikan menjadi sebuah kesatuan system dan kemudian dilakukan pengujian. Dengan kata lain, pengujian ini ditunjukan untuk menguji keterhubungan dari tiap-tiap fungsi program untuk menjamin bahwa persyaratan system telah terpenuhi.
14
5. Operasi dan Pemeliharaan Tahap ini biasanya memerlukan waktu yang paling lama. Aplikasi diterapkan dan dipakai. Pemeliharaan mencakup koreksi dari beberapa kesalahan yang tidak ditemukan pada tahapan sebelumnya, perbaikan atas implementasi unit sistem dan pengembangan pelayanan sistem, sementara persyaratan-persyaratan baru ditambahkan. Kelebihan dari model ini adalah ketika semua kebutuhan sistem dapat didefinisikan secara utuh, eksplisit, dan benar di awal project, maka SE dapat berjalan dengan baik dan tanpa masalah.Meskipun seringkali kebutuhan sistem tidak dapat didefinisikan seeksplisit yang diinginkan, tetapi paling tidak, problem pada kebutuhan sistem di awal project lebih ekonomis dalam hal uang (lebih murah), usaha, dan waktu yang terbuang lebih sedikit jika dibandingkan problem yang muncul pada tahap-tahap selanjutnya.
2.5 MATLAB Matlab adalah software buatan The MathWork, Inc., yang sangat bermanfaat untuk
menyelesaikan
berbagai
masalah
komputasi
numerik.Perangkat
ini
menawarkan kemudahan dan ksederhanaan dalam menyelesaikan permasalahan yang berhubungan dengan vektor dan matriks. Memperoleh invers matriks dan menyelesaikan persamaan linear merupakan contoh
permasalah yang dapat
dipecahkan dengan cara yang singkat dan mudah sekali. Untuk menangani persoalan-persoalan yang spesifik, MATLAB menyediakan sejumlah toolbox. Contoh toolbox: 1.
Image Processing: ditujukan secara khusus untuk melakukan pengolahan citra.
2.
Signal Processing: ditujukan untuk menangani pengolahan isyarat.
3.
Neural Network: menyediakan berbagai fungsi yang terkait dengan jaringan syaraf tiruan.
15
Dibawah Gambar 2.6 merupakan tampilan saat aplikasi Matlab berjalan dan pertama kali muncul di layar.
Gambar 2.6.Matlab Dibawah ini Gambar 2.7.adalah tampilan inti matlab saat berjalan
Gambar 2.7. Tampilan Inti Matlab
16
Beberapa bagian penting yang terdapat pada antarmuka MATLAB adalah sepert berikut: 1. Command Window atau jendela perintah adalah jendela yang dipakai untuk memberikan perintah secara manual. 2. Workspace berisi daftar variabel yang diciptakan oleh pemakai dan masih ada dalam memori. 3. Command Historymencantumkan perintah-perintah yang pernah diberikan oleh pemakai. 4. Current Directorymenyatakan directory kerja.
2.5.1 M-File Editor Visualisasi pada Matlab yang berupa GUI tidak akan dapat berjalan sebagaimana mestinya tanpa adanya bantuan M-File. GUI hanyalah alat bantu dalam pembuatan desain interaksi antara pengguna dengan aplikasi. Sesungguhnya yang berperan dalam komputasi tetap saja script M-File. M-File secara otomatis terbentuk saat kita mengklik ikon “Run” pada jendela GUI. Sesaat kita mengklik tombol “Run” kita diminta untuk menyimpan dan member namaproject yang baru saja kita buat GUI-nya. Gambar 2.8.memperlihatkan tampilan editor hasil konversi dari GUI yang telah dibuat sebelumnya.
Gambar 2.8. M-File Editor
17
Pada M-File editor tampak script yang dibuatkan oleh Matlab secar otomatis.Berikutnya kita tinggal menyisipkan script-script yang dibutuhkan pada MFile tersebut.Saat kita menyisipkan suatu komponen pada GUI, secara otomatis pada M-File disisipkan pula function yang berupa Callback.
2.6
FLOWCHART Flowchart merupakansuatu grafik yang terdiri dari sekumpulan simbol-simbol
dan garis-garis yang memperlihatkan secara terstruktur tentang urutan dan hubungan antar proses beserta instruksinya yang terdapat pada suatu program.Dengan demikian setiap simbol menggambarkan proses tertentu. Sedangkan hubungan antar proses digambarkan dengan garis penghubung. Pada umumnya flowchart terlebih dahulu dibuat sebelum membuat atau merancang suatu program. Flowchart sangat berperan penting dalam mendeskripsikan urutan poses kegiatan menjadi lebih jelas. Ketika sewaktu-waktu ada suatu proses baru yang ingin ditambahkan maka dapat dilakukan penambahan dengan lebih mudah menggunakan flowchart. Setelah flowchart selesai buat, barulah si perancang / programmer menerjemahkannya ke bentuk program dengan bahasa pemrograman yang sudah ditetapkan sebelmunya. Berikut adalah simbol-simbol yang umumnya sering digunakan dalam menggambar alur algoritma suatu program :
2.6.1
Simbol-Simbol Flowchart Flowchart disusun dengan simbol-simbol. Simbol ini dipakai sebagai alat
bantu menggambarkan proses di dalam program. Simbol-simbol yang dipakai antara lain :
18
1. Simbol Flow Direction / Flow Line Simbol Flow Direction / Flow Line adalah simbol yang digunakan untuk menghubungkan antara simbol yang satu dengan simbol yang lain. Simbol ini biasa disebut juga connecting line / dynamic connector.
Gambar 2.9.Simbol Flow Direction / Flow Line 2. Simbol Terminator Simbol Terminator adalah simbol yang melambangkan sebuah permulaan (start) atau akhir (end) dari suatu program.
Gambar 2.10.Simbol Terminator 3. Simbol Processing Simbol Processing adalah simbol yang umumnya digunakan untuk menggambarkan sebuah proses yang sedang dilakukan oleh program.
Gambar 2.11. Simbol Processing 4. Simbol Decision Simbol Decision adalah simbol yang digunakan jika terdapat sebuah kondisi pemilihan didalam sebuah program.
19
Gambar 2.12.Simbol Decision 5. Simbol Input-Output Simbol Input-Output adalah simbol yang menyatakan proses input atau output pada sebuah program.
Gambar 2.13.Simbol Input-Output
20