IDENTIFIKASI JUMLAH CITRA NENER MENGGUNAKAN METODE BLOB

Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) 2014 Yogyakarta, 15 November 2014

ISSN: 1979-911X

IDENTIFIKASI JUMLAH CITRA NENER MENGGUNAKAN METODE BLOB Ruly Sutrisno Sinukun1, Stevanus Hardi2, MauridhiHeryPurnomo3 1,2,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA e-mail :[email protected],[email protected], [email protected],

ABSTRACT Based research is necessary to develop the region. Moreover, appropriate research. Fish is a brackish water fish are very appreciated by the public. However, by looking at the process of maintenance there are many problems that can be lifted into a penilitian. The big problem facing the fish farmers at the time of purchase or sale of fish seed (Nener). What we see with that is sized very small milkfish, and at the time of sale or purchase in large quantities will have the amount of calculation errors. In this research will make a quick way to calculate nener system by using digital image processing. Nener image retrieval using of pocket cameras and containers that have been determined. Then the existing image segmentation disegmentasi.Hasil will be on a label to distinguish between the object and the background using Blob Method. And after the separation is complete, the division continued with a pixel size of the object to determine the actual object (nener) or object bully (not nener). It is expected that this research will gain calculation accuracy reaches 90%. Keywords : calculation, identification, segmentation, nener, pocket camera, Blob, Blob Detection. PENDAHULUAN Ikan bandeng (Chanoschanos) adalah ikan yang populer di Asia Tenggara, ikan yang masih muda dan baru menetas hidup di laut selama 2 sampai 3 minggu lalu berpindah ke rawa bakau berair payau, dan kadangkala danau- danau berair asin. Ikan ini akan kembali ke laut ketika sudah dewasa dan bisa berkembang biak.Pengembangan usaha budidaya ikanbandeng juga perlu memperhatikan dari kemampuan pasar atas daya beli masyarakat khususnya petani bandeng. Penggunaan teknologi dalam suatu usaha sangatlah penting apalagi teknologi tepat guna yang berfungsi sebagai penunjang bisnis yang dikelola. Dalam Penelitian ini data yang digunakan adalah bibit ikan bandeng atau yang biasa disebut Nener. Sistem identifikasi jumlah nener pada saat pembelian sangat penting, ini bisa dilihat dengan banyaknya kerugian para petani nener pada saat penjualan, mereka harus menghitung nener yang sangat kecil satu persatu. Salah satu masalahnya yang dihadapi adalah soal waktu yang terbuang percuma hanya untuk menghitung bibit bandeng . Masalah lain adalah petani tidak dapat menghitung secara akurat ketika para pembeli mengambil benih tersebut dengan jumlah yang banyak. Image segmentation (segmentasi citra) adalah salahsatu langkah penting dalam analisis sebuah citra.Segmentasi citra dengan komputer merupakan salah satu hal yang paling sulit dilakukandalam pengolahan citra digital. Algoritma segmentasiuntuk citra monokrome biasanya didasarkan pada duaproperti dasar dari level keabuan yaitu diskontinuitasdan kesamaan. Prinsip diskontinuitas adalah citradibagi berdasarkan perubahan yang besar pada tingkatkeabuan sedangkan prinsip kesamaan membagi citrake area yang mempunyai kesamaan tingkat keabuan [7].Perhitungan dalam pengenalan gambar pada hasil scaner tulisan pada sebuah kertas adalah kejadian atau kasus yang hampir sama dengan penelitian ini, namun cara pengerjaan serta metode yang digunakan sangat berbeda. Huruf atau tulisan yang ada pada sebuah halaman putih akan dihitung jumlah karakternya. Ini dilakukan dengan beberapa cara salah satunya yang akan dipakai dalam penelitian ini adalah perhitungan dengan menggunakan pembacaan pola atau yang biasa dikenal dengan metode labeling pada huruf tersebut. Penelitian ini mencoba untuk membuat sistem identifikasi benih ikan bandeng agar kemudian bisa menghitung jumlah benih yang ada pada satu wadah dengan akurat sehingga para petani tidak dirugikan.Penilitiakanmembuat segmentasi Citra nener dengan menggunakan metode Blob, dan kemudian hasil dari segmentasi tersebut dilabel untuk proses perhitungannya.

C-99


ISSN: 1979-911X

METODE Perhitungan jumlah nener pada lokasi pengambilan data menggunakan cara manual yaitu dengan cara memindahkan maksimal 7 ekor nener dalam sekali ambil untuk mengurangi kesalahan pehitungan jumlah. Namun dengan cara ini menimbulkan beberapa kendala antara lain estimasi waktu. Salah satu contohnya adalah para petani harus menghitung nener dalam manual dalam jumlah yang banyak, sementara para konsumen antri untuk membeli. Dengan masalah ini para petani nener harus mempekerjakan karyawan lebih hanya untuk menghitung nener. Identifikasi citra ini merupakan salah satu cara yang dilakukan dengan memanfaatkan teknik pengolahan citra digital. Yang nanti selanjutnya murni menggunakan hasil foto sebagai data yang diolah. Alat dan bahan yang di gunakan adalah: 1. Hardware yang terdiri dari : 1) Kamera Pocket digital panasonic lumix 10 Mega Pixel ; 2) Wadah berukuran 15 x 30 cm dengan warna lantai putih; 3) Laptop Core i3. Adapun tahapan penelitiannya adalah sebgai berikut: Pengambilan data pada pengolahan citra kurang lebih harus memperhatikan beberapa aspek diantaranya adalah teknik pengambilan citra serta komponen2 penunjangnya. Bicara soal teknik pengambilan citra yang dilakukan peneliti adalah dengan meletakkan wadah yang berisi nener dalah suatu ruangan yang tidak terjadi kontak langsung dengan sinar matahari. Ini bertujuan agar citra yang dihasilkan mendapatkan cahaya yang baik sehingga tidak terdapat noise didalamnya. Cahaya lampu kilat pada kamera digital yang digunakan harus dimatikan ini pun bertujuan agar citra yang dihasilkan tidak terdapat cahaya pantul dari lampu kilat kamera.

Gambar 1. Alur dan tahapan penelitian Wadah yang digunakan berbentuk segi empat dengan ukuran 15 x 30 cm dengan lantai dasar wadah berwarna putih. air yang digunakan dalam wadah sebagai tempat nener diukur paling tinggi 3 cm. Ini bertujuan agar objek yang ditangkap tidak menyebar. Dengan teknik wadah ini kita bisa mendapatkan citra yang baik untuk kemudian di proses dalam sebuah sistem identifikasi citra. Perubahan Gambar, salah satu hal yang penting berhubungan dengan citra digital adalah pengenalan objek. Pengenalan objek merupakan penelitian yang menggabungkan konsep citra digital, pengenalan pola, matematika dan statistik. Untuk melakukan pengenalan obyek, harus diawali dengan tahapan pre processing, ekstraksi fitur, dan penentuan hasil kemiripan. C-100


ISSN: 1979-911X

Pada tahap pre processing citra yang ditangkap diolah terlebih dahulu untuk disamakan ukurannya dan diubah kedalam bentuk grey csale[7]. Ini dimaksudkan agar citra yang akan diolah menjadi semakin baik. Salah satu contoh kasus yang melakukan pre prossing adalah penelitian yang dilakukan oleh S. Phadikar, J. Sil, and A. K. Das dalam jurnal yang berjudul clasification of rise leaf diseases based on Morphological changes[8].Pada penelitian ini dijelaskan bahwa tahap grey level digunakan sebagai dasar untuk melanjutkan ketahapan berikutnya yaitu tahap fitur ektraksi. Segmentasi Citra, segmentasi citra merupakan proses yang ditujukan untuk mendapatkan objek-objek yang terkandung di dalam citra atau membagi citra kedalam beberapa daerah dengan setiap objek atau daerah yang memeliki kemiripan atribut [6]. Pada citra yang mengandung satu objek, objek akan dibedakan dari latar belakangnya. Contoh ditunjukan pada Gambar 2.

a. Citra nener

RGB

b. Citra nener keabuan

c. Citra nener biner

Gambar 2. Segmentasi bentuk biner Perubahan citra yang dilakukan diatas adalah teknik segmentasi yang dilakukan dalam penelitian ini, dimana citra asli dirubah menjadi citra berskala keabuan kemudian di konversi ke citra biner. Strategi yang dipakai untuk perubahan citra keabuan ke citra biner adalah dengan menerapkan suatu nilai yang dikenal sebagau bikau ambang (threshold). Nilai tesebut dipakai untuk menentukan suatu intensutas akan dikonversi menjadi 0 atau 1. Secara matematis, konversi dinyatakan dengan rumus: ..................................................................................................................... (1) Gambaran berbagai aplikasi segmentasi dan acuan yang digunakan dapat dilihat pada Tabel 1 serta prinsip, segmentasi dilakukan untuk mendapatkan objek yang menjadi perhatian. Tabel 1. Gambaran acuan segmentasi Objek Citra Kegunaan segmentasi Acuan yang digunakan Gerakan dan warna Mobil Mobil, jalan, dan latar Pelacakan mobil belakang Stuktur permukaan Foto satelit Klasifikasi area Tekstur dan warna bumi Wajah orang Kerumunan orang Pengenalan wajah Warna, bentuk dan dipasar tekstur Labeling, proses yang dilakukan setelah segmentasi data berjalan dengan baik adalah proses labeling, yang mana citra telah dipisahkan antara objek dan back round. Metode blob ini berfungsi sebagai penentu titik untuk memberi tanda terhadap objek.Setelah citra berhasil dilabeling maka data sudah bisa diketahui jumlahnya walaupun masih menyatu dengan citra yang bukan nener.

C-101


ISSN: 1979-911X

PEMBAHASAN Dalam penelitian ini menghasilkan perhtitungan jumlah nener pada satu wadah yang telah ditentukan. Hasil akan baik ketika semua faktor pendukungnya berjalan dengan baik. Namun keakuratan hasil identifikasi jumlah tergantung juga pada data yang tidak bertumpuk. Tabel 2. Data citra No

Data

Manual

Komputer

Ket

1

Nener

20

25

Uji1

2

Nener

30

40

3

Nener

40

34

4

Nener

20

24

5

Nener

30

32

6

Nener

40

36

Uji 2

Pada uji pertama terlihat jelas terjadi banyak kesalahan dalam identifikasi jumlah nener. ini disebabkan beberapa faktor, antra lain adalah warna latar wadah tidak bersih atau dengan kata lain masih terdapat warna lain selain warna putih dan pada saat pengambilan citra terdapat banyak nener yang saling tumpang tindih. sedangkan pada uji ke 2 hasilnya lebih baik dari uji pertama. Tabel 3. Hasil identifikasi citra objek

T

L

area

1

70

79

2794 pixels

2

116

134

8483 pixels

3

115

106

3023 pixels

4

83

73

1453 pixels

5

94

43

576 pixels

6

102

21

911 pixels

7

17

65

553 pixels

8

45

82

578 pixels

9

40

105

698 pixels

10

29

104

868 pixels

11

34

121

2005 pixels

12

69

95

1573 pixels

C-102

Hasil


13

26

131

1750 pixels

14

101

217

5551 pixels

15

156

172

4633 pixels

16

27

57

556 pixels

17

59

48

1105 pixels

18

74

129

2551 pixels

19

91

136

2477 pixels

20

722

197

49092 pixels

21

172

125

4596 pixels

22

78

48

994 pixels

23

155

44

3346 pixels

24

62

34

506 pixels

ISSN: 1979-911X

Pada hasil identifikasi citra terdapat 4 objek yang di deteksi sebagai nener ini disebabkan ukuran noise yang besar sehingga dibaca sebagai nener. pada tabel hasil identifikasi diatas dicantumkan bentuk dan ukuran citra sehingga lebih mudah melihat dimana letak kesalahannya. KESIMPULAN Dari proses perancangan, implementasi dan pengujian dapat diambil beberapa kesimpulan sebagai berikut: 1. Labeling dan pemisahan adalah teknik yang baik dilakukan untuk kasus seperti ini, karena dalam pengabilan sampel tidak bisa dihindari adanya noise. 2. Warna latar wadah diusahan satu jenis warna, dalam penelitian ini menggunaka latar belakang putih. 3. Nener yang menjadi objek, jangan sampai tumpang tindih. UCAPAN TERIMA KASIH Terima kasih kepada pembimbing Prof. Ir. Mauridhi Hery Purnomo, M. Eng., Ph.D dan Ir. Stevanus Hardiristanto, M.T . Teman – teman Dosen Program Studi Teknik Informatika Politeknik Gorontalo, Mahasiswa Program Studi Teknik Informatika Politeknik Gorontalo. DAFTAR PUSTAKA Ant´onio dos Anjos, Hamid Reza Shahbazkia, Automatic Marker Detection for Blob Images, University of AlgarveElectronic Engineering and Informatics Department8000-139 Faro, IEEE, 2009 BizhongWei, Ning Ouyang, YueLin Chen, Xiaodong Cai, Automatic Color Blob Segmentation and Fast Arbitrary Shape TrackingSchool of Applied Science & TechnologySchool of Information and CommunicationGuilin University of Electronic TechnologyJinJi Road, Guilin China, IET, 2008 Hui Kong, Hatice Cinar Akakin, and Sanjay E. Sarma, A Generalized Laplacian of Gaussian Filter for Blob Detection and Its Applications, IEEE Transaction on Cybernetic, VOL. 43, NO. 6, December 2013 Jiamin Liu, Jacob M. White, Ronald M. Summers, Automated Detection of Blob Sructures by Hessian C-103


ISSN: 1979-911X

Analysis and Object Scale, IEE, 2010 J.N. Fabic, I.E. Turla, J.A. Capacillo, L.T. David, and P.C. Naval, Jr, Fish Population Estimation and Species Classification from Underwater Video Sequencesusing Blob Counting and Shape Analysis, Department of Computer ScienceMarine Science InstituteUniversity of the Philippines, Diliman, Quezon City, Philippines, IEEE, 2013 Kadir A; Susanto A. Teori dan Aplikasi Pengolahan Citra. Andi. Yogyakarta. Purnomo MH; Muntasa A. Konsep pengolahan citra digital dan ektraksi fitur.Graha Ilmu. Yogyakarta.2010 S.pandikar, J. Sil, A. K., Classification of Rise Leaf Diseases Based on Morphological Changes, International Journal of Information and Electronics Engineering, Vol. 2, No. 3, May 2012 Thasprabu Ramasamy, Vijanth Asirvadam, Patrick Sebastian, Labeling Blob Using Dual Cooperative Camera, Department of Electrical & Electronic,Universiti Teknologi PETRONASBandar Seri Iskandar, Perak. Wooi-Nee Tan, Tejamaya Sunday, Yi-Fei Tan, Enhanced “GrabCut” Tool with Blob Analysis in Segmentation of Blooming Flower Images, Faculty of Engineering, Multimedia University Jalan Multimedia, 63100 Cyberjaya, Selangor, Malaysia, IEEE, 2013

C-104

IDENTIFIKASI JUMLAH CITRA NENER MENGGUNAKAN METODE BLOB

Recommend Documents