SKRIPSI. PEMUTUAN BUAH JERUK MANIS (Citrus sinensis (L) Osbeck) MENGGUNAKAN ALGORITMA PENGOLAHAN CITRA. Oleh: MARIA YUSTINA TAMPUBOLON F

SKRIPSI

PEMUTUAN BUAH JERUK MANIS (Citrus sinensis (L) Osbeck) MENGGUNAKAN ALGORITMA PENGOLAHAN CITRA

Oleh: MARIA YUSTINA TAMPUBOLON F14101109

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR 2006


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor


DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR 2006

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor


Dilahirkan di: Pekanbaru, 4 September 1983 Tanggal lulus: 19 Januari 2006 Menyetujui, Bogor, Januari 2006

Dr. Ir. I Dewa Made Subrata, MAgr. Dosen Pembimbing Akademik Mengetahui,

Dr. Ir. Wawan Hermawan, MS Ketua Departemen Teknik Pertanian

MARIA YUSTINA TAMPUBOLON. F14101109. Pemutuan Buah Jeruk Manis (Citrus sinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra. Di bawah bimbingan: I DEWA MADE SUBRATA. 2006. RINGKASAN Buah hortikultura semakin lama semakin banyak diminati oleh masyarakat, contohnya buah jeruk manis (Citrus sinensis (L) Osbeck). Buah ini memiliki nilai ekonomis yang tinggi, terlihat dari besarnya permintaan untuk konsumsi rumah tangga, supermarket, hotel dan restoran. Di Indonesia tanaman ini sudah mulai dikembangkan di berbagai daerah. Buah jeruk manis (Citrus sinenesis (L) Osbeck) mengandung kadar vitamin C yang cukup tinggi, kebanyakan dikonsumsi sebagai buah segar. Indonesia berpeluang untuk melakukan ekspor komoditas buah-buahan tropis, tetapi pada kenyataannya andil Indonesia masih sangat kecil dalam memenuhi kebutuhan akan buah-buahan tropis segar dunia tersebut. Penyebabnya adalah kemampuan suplai yang terbatas dan tidak berkelanjutan serta kualitas buah hasil produksi yag masih rendah. Rendahnya kualitas buah-buahan yang akan diekspor seperti buah jeruk manis (Citrus sinensis (L) Osbeck) salah satunya disebabkan oleh penanganan pasca panen yang belum baik, contohnya pensortasian dan pemutuan yang masih dilakukan secara manual. Untuk itu diperlukan adanya suatu teknik yang dapat menggolongkan buah-buahan tersebut dalam berbagai tingkatan mutu sehingga diperoleh hasil yang seragam. Penelitian ini bertujuan untuk menganalisis parameter-parameter mutu beberapa kelas mutu jeruk manis (Citrus sinensis (L) Osbeck) dengan pengolahan citra dan pengukuran langsung, kemudian parameter-parameter mutu yang diperoleh dengan pengolahan citra nantinya dapat digunakan untuk membedakan jeruk manis pacitan berdasarkan kelas mutunya. Dalam penelitian ini akan dicari pula hubungan antara parameter pengolahan citra dengan parameter pengukuran langsung atau manual lalu akan dilakukan pengujian algoritma pengolahan citra yang telah dibangun untuk dapat menggolongkan buah jeruk manis pacitan sesuai dengan kelompok mutunya. Sampel yang digunakan yang digunakan dalam penelitian ini adalah buah jeruk manis pacitan dengan tiga tingkatan mutu yaitu mutu A, B dan C masingmasing mutu terdiri dari 30 buah sampel sehingga jumlah seluruh sampel adalah 90 buah. Tahap pertama penelitian ini adalah pengambilan citradan pengolahan citra jeruk manis pacitan dengan menggunakan kamera digital. Citra direkam dari arah pangkal dan dari arah samping dengan resolusi 256 × 192 piksel dan 256 tingkat intensitas warna RGB. Dilanjutkan dengan pengolahan citra, citra yang sudah direkam diolah dengan program yang dibuat menggunakan bahasa pemrograman Visual Basic Ver. 6.0 yang memiliki kemampuan untuk menghitung luas objek, diameter objek dan nilai intensitas warna RGB. Luas objek dihitung dengan cara mengubah terlebih dahulu citra warna menjadi citra biner melalui proses thresholding dengan nilai batas intensitas warna merah 70. Citra objek diset berwarna putih dan latar belakang diset berwarna hitam, sehingga yang menjadi luas objek adalah piksel yang berwarna putih. Dalam proses thresholding sering terjadi noise yaitu adanya piksel di luar

objek, agar mendapatkan citra objek yang bersih maka noise tersebut harus dihapus. Piksel-piksel yang berukuran lebih kecil dari 20 piksel diset menjadi sama dengan latar belakang. Diameter dihitung dengan menghubungkan pikselpiksel yang memiliki nilai jarak terjauh pada citra objek. Dalam penelitian ini pengukuran diameter dilakukan pada tiga titik yang berbeda pada objek, rata-rata dari ketiga panjang diameter tersebut merupakan diameter objek. Intensitas warna yang diukur adalah warna merah, hijau, dan biru (RGB). Untuk mendapatkan nilai RGB, dilakukan proses analisis warna yang dilanjutkan dengan perintah pengukuran intensitas warna. Pengukuran RGB dilakukan dengan cara membentuk sebuah jendela objek sebagai sampel dengan ukuran 50 x 50 piksel. Koordinat jendela objek ini sudah ditentukan terlebih dahulu. Tahap kedua yaitu pengukuran secara langsung yang meliputi pengukuran berat, diameter, pengukuran kekerasan kulit dan daging serta pengukuran total padatan terlarut, pada tahapan ini pengujian dilakukan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP) Departemen Teknik Pertanian. Selanjutnya tahapan yang ketiga yaitu pengolahan data citra dan data pengukuran secara langsung yaitu pengolahan data citra untuk menentukan perbedaan tiap mutu, pengolahan data pengukuran secara langsung untuk menentukan perbedaan tiap mutu, menentukan hubungan antara hasil pengolahan citra dan pengukuran secara langsung, dan membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan pengukuran langsung. Berdasarkan hasil pengolahan citra terlihat bahwa luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping dapat membedakan antara mutu A, B dan C. Luas objek yang direkam dari arah pangkal dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas bawah 10187 piksel, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 8979 piksel sedangkan untuk luas objek yang direkam dari arah samping dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas bawah 10611 piksel, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 8798 piksel. Begitu pula pada pengukuran diameter objek yang mana dapat membedakan tingkat mutu A pada ambang batas bawah 115 piksel dengan tingkat mutu B, dan pada tingkat mutu B dengan tingkat mutu C. pada ambang batas bawah 108 piksel. Indeks warna merah pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A dan B pada ambang batas atas 0.455 dan tingkat mutu B dan C pada ambang batas atas 0.466, sedangkan pada citra yang direkam dari arah samping indeks warna merah dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas atas 0.482, dan tingkat mutu B dengan tingkat mutu C pada ambang batas atas 0.490. Indeks warna hijau tidak dapat membedakan antara tingkat mutu A, B dan C pada citra yang direkam dari arah pangkal. Namun pada citra yang direkam dari arah samping indeks warna hijau mampu membedakan tingkat mutu A dan B pada ambang batas atas 0.483 dan tingkat mutu B dan C pada ambang batas atas 0.492. Parameter indeks warna biru pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A dan B pada ambang batas bawah 0.128 dan tingkat mutu B dan C pada ambang bawah 0.117 sedangkan pada citra yang direkam dari arah samping indeks warna biru dapat membedakan tingkat mutu A

dengan tingkat mutu B pada ambang batas bawah 0.076, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 0.057. Berdasarkan hasil uji statistik terhadap data pengukuran langsung memperlihatkan bahwa berat dan diameter buah dapat membedakan mutu A, B dan C, sedangkan parameter tingkat kekerasan buah dan daging serta total padatan terlarut tidak dapat membedakan ketiga mutu tersebut. Parameter luas objek dengan berat buah memiliki hubungan yang linear, terlihat dari tingkat kepercayaan berturut-turut sebesar 93.97% dan 91.83% ini berarti berat buah dapat diduga dari luas objek. Diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung memiliki nilai koefisien determinasi sebesar 0.7322, ini berarti diameter hasil pengukuran pengolahan citra tidak cukup memiliki hubungan linear dengan diameter hasil pengukuran secara langsung. Parameter indeks warna RGB dengan tingkat kekerasan kulit memiliki tingkat korelasi yang cukup rendah baik pada citra yang direkam dari arah pangkal maupun pada citra yang direkam dari arah samping. Begitu pula dengan tingkat kekerasan daging dan total padatan terlarut yang mana tidak dapat diduga dari indeks warna merah, hijau ataupun biru baik pada citra yang direkam dari arah maupun pada citra yang direkam dari arah samping. Tingkat keberhasilan pemutuan untuk parameter luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping secara berturut-turut adalah 86.7% dan 81.3%. Tingkat keberhasilan pemutuan untuk parameter diameter objek yaitu sebesar 89%, untuk parameter indeks warna merah pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping secara berturut-turut adalah 49% dan 53.7%, parameter indeks warna hijau pada citra yang direkam dari arah samping adalah 54.67%,dan untuk parameter indeks warna biru pada citra yang direkam dari arah pangkal dan samping masing-masing secara berturut-turut yaitu 46.7% dan 63.7%. Perlu diperhatikan teknik pencahayaan yang tepat pada saat pengambilan citra objek agar didapatkan hasil citra yang lebih baik selain itu diperlukan pula penambahan kriteria pemutuan buah jeruk manis pacitan seperti komponen warna hue, saturation dan intensity (HSI), tekstur buah dan lain-lain dengan menggunakan jumlah sampel yang lebih banyak lagi sehingga parameterparameter mutu yang didapatkan dengan metode pengolahan citra nantinya dapat digunakan dan menghasilkan teknik pensortasian yang lebih baik.

RIWAYAT HIDUP

Penulis lahir di Pekanbaru, pada tanggal 4 September 1983. Penulis adalah anak kedua dari empat bersaudara dari pasangan Bapak H.R. Tampubolon dan Ibu D. Napitupulu. Penulis menyelesaikan pendidikan sekolah dasar pada SD Kristen Kalam Kudus Pekanbaru pada tahun 1995. Kemudian penulis melanjutkan pendidikan lanjutan pada SLTP Kristen Kalam Kudus Pekanbaru, dan lulus pada tahun 1998. Pada tahun yang sama penulis melanjutkan pendidikan lanjutan tingkat atas di SMUN I Pekanbaru dan lulus pada tahun 2001. Pada tahun 2001 melalui jalur Ujian Masuk Perguruan Tinggi Negeri (UMPTN) penulis diterima menjadi mahasiswa S1 Institut Pertanian Bogor, di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian. Pada tahun 2004 penulis melaksanakan Praktek Lapang (PL) di PT Inti Indosawit Subur, Kabupaten Pelalawan, Propinsi Riau. Selama masa perkuliahan penulis aktif berorganisasi di himpunan profesi HIMATETA (Himpunan Mahasiswa Teknik Pertanian) dan PMK (Persekutuan Mahasiswa Kristen). Di PMK penulis masuk dalam Komisi Kesenian dan pada tahun 2003 – 2004 dipercaya sebagai Wakil Koordinator Bidang Pembinaan, kemudian pada tahun 2004 – 2005 dipercaya sebagai Wakil Koordinator Bidang Pembinaan pada Kelompok Pra Alumni.

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena berkat, anugerah dan kasih setia-Nya penulis mampu menyelesaikan skripsi yang berjudul “Pemutuan Jeruk Manis (Citrus sinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra”, yang merupakan salah satu persyaratan untuk memperoleh gelar Sarjana Teknik Pertanian pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penelitian ini bertujuan untuk menggolongkan buah jeruk manis (Citrus sinensis (L) Osbeck) ke dalam beberapa tingkatan mutu dengan menggunakan algoritma pengolahan citra. Skripsi ini merupakan hasil terbaik yang dapat penulis kerjakan, akan tetapi penulis menyadari dengan sepenuhnya bahwa masih banyak kekurangan dan ketidaksempurnaan dalam penelitian ini. Penulis berharap skripsi ini dapat bermanfaat bagi banyak pihak. Pada kesempatan ini penulis juga ingin menyampaikan terimakasih kepada semua pihak yang telah membantu baik berupa bimbingan, motivasi, saran, dan kritik antara lain kepada: 1. Bapak H. R. Tampubolon, Mama D. Napitupulu, Ferry, Hotman, dan Anggita yang menyayangiku, memberikan motivasi dan mendoakanku setiap saat. 2. Bapak Dr. Ir. I Dewa Made Subrata, MAgr. sebagai dosen pembimbing, atas saran dan kritik dan bimbingan selama proses penyelesaian skripsi ini. 3. Bapak Dr. Ir. Suroso, MAgr. dan Bapak Ir. Mad Yamin, MT. sebagai dosen penguji yang telah memberikan saran dan masukan bagi penulis. 4. Seluruh sahabat dan teman-teman TEP’38, Sari, Bujun terimakasih banyak. 5. Semua pihak yang tidak dapat saya sebutkan satu persatu yang telah membantu dan mendukung saya dalam penyelesaian skripsi ini.

Bogor, Januari 2006

Penulis

DAFTAR ISI

Halaman KATA PENGANTAR ..............................................................................................i DAFTAR ISI........................................................................................................... ii DAFTAR TABEL....................................................................................................v DAFTAR GAMBAR ............................................................................................ vii DAFTAR LAMPIRAN............................................................................................x I. PENDAHULUAN .............................................................................................1 A. LATAR BELAKANG ..............................................................................1 B. TUJUAN PENELITIAN ..........................................................................2 II. TINJAUAN PUSTAKA......................................................................................3 A. BOTANI JERUK MANIS........................................................................3 B. PENGOLAHAN CITRA......................................................................... 5 C. WARNA .................................................................................................. 8 D. PENELITIAN TERDAHULU ................................................................ 9 III. METODOLOGI PENELITIAN...................................................................... 11 A. TEMPAT DAN WAKTU...................................................................... 11 B. BAHAN DAN ALAT............................................................................ 11 1. Bahan .............................................................................................. 11 2. Alat penelitian................................................................................. 12 C. METODE PENELITIAN ...................................................................... 12 1. Persiapan.......................................................................................... 12 2. Pengangkutan................................................................................... 12 3. Tahapan penelitian........................................................................... 12 a. Pengambilan citra dan pengolahan citra .................................... 13 b. Pengolahan secara langsung ...................................................... 14 c. Pengolahan data citra dan data pengukuran langsung ............... 14 d. Menentukan hubungan antara hasil pengolahan citra dengan pengukuran secara langsung ......................................... 16 e. Membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan secara langsung ................. 17

ii

IV. HASIL DAN PEMBAHASAN....................................................................... 19 A. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGOLAHAN CITRA (PENGUKURAN TIDAK LANGSUNG) ........................................................................................ 19 1. Luas objek ........................................................................................ 19 2. Diameter........................................................................................... 23 3. Nilai indeks warna merah, hijau dan biru (RGB) ............................ 24 B. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGUKURAN LANGSUNG ........................................... 31 1. Berat ................................................................................................. 31 2. Diameter........................................................................................... 32 3. Tingkat kekerasan kulit dan daging ................................................. 34 4. Total padatan terlarut ....................................................................... 36 C. HUBUNGAN HASIL METODE PENGOLAHAN CITRA DENGAN METODE PENGUKURAN LANGSUNG.......................... 37 1. Korelasi antara luas objek dengan berat buah berbagai tingkat mutu ..................................................................................... 37 2. Korelasi antara diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung berbagai tingkat mutu............ 38 3. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan kulit berbagai tingkat mutu ............................................. 39 4. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan daging berbagai tingkat mutu.......................................... 42 5. Korelasi antara indeks warna merah, hijau dan biru dengan total padatan terlarut berbagai tingkat mutu..................................... 44 D. PERBANDINGAN PEMUTUAN MENGGUNAKAN METODE PENGOLAHAN CITRA DENGAN PEMUTUAN MENGGUNAKAN METODE PENGUKURAN LANGSUNG .......... 47 V. KESIMPULAN DAN SARAN....................................................................... 50 A. KESIMPULAN ...................................................................................... 50 B. SARAN .................................................................................................. 51

iii

VI. DAFTAR PUSTAKA ..................................................................................... 52 LAMPIRAN

iv

DAFTAR TABEL Halaman Tabel 1.

Perkiraan permintaan dan konsumsi buah di Indonesia........................ 1

Tabel 2.

Syarat mutu SNI jeruk keprok ...............................................................4

Tabel 3.

Persyaratan mutu buah jeruk segar sesuai dengan permintaan segmen pasar ......................................................................................... 4

Tabel 4.

Kandungan gizi dalam 100 gram buah jeruk manis.............................. 5

Tabel 5.

Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data luas objek pada citra yang direkam dari arah pangkal dan samping ............................................................................................... 21

Tabel 6.

Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data diameter............................................................................... 23

Tabel 7.

Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna merah pada citra yang direkam dari arah pangkal dan samping........................................................................... 26

Tabel 8.

Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna hijau pada citra yang direkam dari arah pangkal dan samping. ....................................................................................... 28

Tabel 9.

Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna biru pada citra yang direkam dari arah pangkal dan samping. ....................................................................................... 30

Tabel 10. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data berat ............................................................................................. 32 Tabel 11. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data diameter ....................................................................................... 33 Tabel 12. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data kekerasan kulit .................................................................... 35 Tabel 13. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data kekerasan daging ......................................................................... 35 Tabel 14. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data total padatan terlarut .................................................................... 36

v

Tabel 15. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter luas objek pada citra yang direkam dari arah pangkal................................ 47 Tabel 16. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter luas objek pada citra yang direkam dari arah samping............................... 47 Tabel 17. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter diameter objek pada citra yang direkam dari arah pangkal................................ 48 Tabel 18. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna merah pada citra yang direkam dari arah pangkal.................... 48 Tabel 19. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna merah pada citra yang direkam dari arah samping....................48 Tabel 20. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna hijau pada citra yang direkam dari arah samping..................... 48 Tabel 21. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna biru pada citra yang direkam dari arah samping .......................49 Tabel 22. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna biru pada citra yang direkam dari arah samping .......................49

vi

DAFTAR GAMBAR

Halaman Gambar 1.

Sistem terdepan dari pengolahan citra. .............................................. 6

Gambar 2.

Jeruk manis pacitan pada berbagai mutu ......................................... 11

Gambar 3.

Diagram alir pelaksanaan penelitian ................................................ 18

Gambar 4. Tampilan awal program pengolahan citra ........................................ 19 Gambar 5.

Tampilan citra buah jeruk manis pacitan yang sudah dithresholding .................................................................................. 20

Gambar 6.

Grafik hubungan antara luas objek pada citra yang direkam dari arah pangkal dengan tingkat mutu ............................................ 22

Gambar 7.

Grafik hubungan antara luas objek pada citra yang direkam dari arah samping dengan tingkat mutu ........................................... 22

Gambar 8.

Grafik hubungan antara diameter objek pada citra yang direkam dari arah pangkal dengan tingkat mutu ............................................ 24

Gambar 9.

Tampilan citra buah jeruk manis pacitan dengan hasil indeks warna ................................................................................................ 25

Gambar 10. Grafik hubungan antara nilai indeks warna merah pada citra yang direkam dari arah pangkal dengan tingkat mutu ..................... 26 Gambar 11. Grafik hubungan antara nilai indeks warna merah pada citra yang direkam dari arah samping dengan tingkat mutu .................... 27 Gambar 12. Grafik hubungan antara nilai indeks warna hijau pada citra yang direkam dari arah pangkal dengan tingkat mutu ..................... 28 Gambar 13. Grafik hubungan antara nilai indeks warna hijau pada citra yang direkam dari arah samping dengan tingkat mutu .................... 29 Gambar 14. Grafik hubungan antara nilai indeks warna biru pada citra yang direkam dari arah pangkal dengan tingkat mutu ..................... 30 Gambar 15. Grafik hubungan antara nilai indeks warna biru pada citra yang direkam dari arah samping dengan tingkat mutu .................... 31 Gambar 16. Grafik hubungan berat buah jeruk manis pacitan dengan tingkat mutu ..................................................................................... 32

vii

Gambar 17. Grafik hubungan diameter buah jeruk manis pacitan dengan tingkat mutu ..................................................................................... 34 Gambar 18. Grafik hubungan tingkat kekerasan kulit buah jeruk manis pacitan dengan tingkat mutu ............................................................ 35 Gambar 19. Grafik hubungan tingkat kekerasan daging buah jeruk manis pacitan pada berbagai tingkat mutu.................................................. 36 Gambar 20. Grafik hubungan total padatan terlarut buah jeruk manis pacitan pada berbagai tingkat mutu.................................................. 37 Gambar 21. Grafik hubungan luas objek pada citra yang direkam dari arah pangkal dengan berat................................................................ 38 Gambar 22. Grafik hubungan luas objek pada citra yang direkam dari arah samping dengan berat............................................................... 38 Gambar 23. Grafik hubungan diameter hasil pengolahan citra dengan diameter pengukuran langsung ........................................................ 39 Gambar 24. Grafik hubungan indeks warna merah pada citra yang direkam dari arah pangkal dengan kekerasan kulit ........................................ 40 Gambar 25. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan kekerasan kulit ........................................ 40 Gambar 26. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan kekerasan kulit ........................................ 40 Gambar 27. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan kekerasan kulit ....................................... 41 Gambar 28. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan kekerasan kulit ....................................... 41 Gambar 29. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan kekerasan kulit ....................................... 41 Gambar 30. Grafik hubungan indeks warna merah pada citra yang direkam dari pangkal dengan kekerasan daging ............................................ 42 Gambar 31. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan kekerasan daging..................................... 42 Gambar 32. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan kekerasan daging..................................... 43

viii

Gambar 33. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan kekerasan daging.................................... 43 Gambar 34. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan kekerasan daging.................................... 43 Gambar 35. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan kekerasan daging.................................... 44 Gambar 36. Grafik hubungan indeks warna merah pada citra yang direkam dari arah pangkal dengan total padatan terlarut ............................... 45 Gambar 37. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan total padatan terlarut ............................... 45 Gambar 38. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan total padatan terlarut ............................... 45 Gambar. 39. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan total padatan terlarut .............................. 46 Gambar 40. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan total padatan terlarut .............................. 46 Gambar 41. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan total padatan terlarut .............................. 46

ix

DAFTAR LAMPIRAN

Halaman Lampiran 1. Berat buah jeruk manis pacitan pada mutu A, B dan C (gram) ........................................................................................... 55 Lampiran 2. Rata-rata diameter buah jeruk manis pacitan pada mutu A, B dan C (cm) ............................................................................... 56 Lampiran 3. Rata-rata tingkat kekerasan kulit buah jeruk manis pacitan pada berbagai mutu (kg)................................................................... 57 Lampiran 4. Rata-rata tingkat kekerasan daging buah jeruk manis pacitan pada mutu A, B dan C (kg) .............................................................. 58 Lampiran 5. Rata-rata total padatan terlarut buah jeruk manis pacitan pada mutu A, B, dan C ( °Brix) ................................................................ 59 Lampiran 6. Luas buah jeruk manis pacitan hasil pengolahan citra pada mutu A, B dan C (piksel) ................................................................. 60 Lampiran 7. Diameter buah jeruk manis pacitan hasil pengolahan citra pada mutu A, B dan C (piksel)......................................................... 61 Lampiran 8. Indeks warna RGB pada citra yang direkam dari arah pangkal buah jeruk manis pacitan pada mutu A, B, dan C............................ 62 Lampiran 9. Indeks warna RGB pada citra yang direkam dari arah samping buah jeruk manis pacitan pada mutu A, B, dan C............................ 63 Lampiran 10. Contoh perhitungan nilai ambang batas ........................................ 64

x

I. PENDAHULUAN

A. LATAR BELAKANG Jeruk (Citrus sinensis (L) Osbeck) merupakan salah satu tanaman hortikultura yang saat ini sedang dikembangkan di berbagai daerah di Indonesia karena mempunyai potensi ekonomi tinggi. Peluang pasar domestik untuk komoditi buah tropis seperti jeruk cukup besar, ini dapat terlihat dari besarnya permintaan terhadap buah jeruk segar terutama untuk keperluan konsumsi

rumah tangga, supermarket,

hotel dan restoran. Adapun

pertumbuhan permintaan konsumsi jeruk dan perkiraan permintaan jeruk beberapa tahun mendatang dapat dilihat pada tabel berikut ini. Tabel 1. Perkiraan permintaan dan konsumsi buah di Indonesia Total Buah Konsumsi Jeruk Tahun Populasi 10% dari Total Penduduk Konsumsi per Total Konsumsi Buah (Ribu Ton) (Juta) Kapita (Kg) (Ribu Ton) 735.20 7352.00 36.76 200 1998 782.99 7829.88 36.76 213 2000 1037.39 10373.90 45.70 227 2005 1390.08 13900.80 57.92 240 2010 2000.00 19999.96 78.74 254 2015 Sumber: Desain dan Analisis Investasi Agribisnis Jeruk, IPB 1998.

Buah jeruk yang banyak dikonsumsi dalam keadaan segar dan mempunyai nilai ekonomis tinggi antara lain jeruk keprok, jeruk siam, jeruk besar (nambangan) dan jeruk manis. Indonesia berpotensi dan memiliki peluang untuk melakukan ekspor komoditas buah-buahan tropis. Namun pada kenyataannya andil Indonesia sebagai salah satu negara pemasok buah-buahan tropis segar dunia masih sangat kecil yakni kurang dari satu persen pasokan dunia. Kemampuan suplai yang terbatas dan tidak berkelanjutan serta kualitas produksi yang masih rendah menjadi penyebabnya. Penanganan pasca panen buah-buahan memiliki peranan penting dalam penentuan mutu buah jeruk, terutama untuk kualitas ekspor. Salah satu tahapan dalam pasca panen buah-buahan yang perlu mendapat perhatian adalah sortasi dan pemutuan. Pada umumnya kegiatan sortasi di pasaran

dilakukan secara manual sehingga produk yang dihasilkan memiliki mutu yang kurang seragam. Mengacu pada peningkatan mutu buah jeruk untuk ekspor di masa yang akan datang maka diperlukan suatu metode untuk menentukan mutu dari buah sehingga diperoleh hasil yang seragam. Pengolahan citra (image processing) dapat dijadikan salah satu alternatif pilihan karena merupakan salah satu metode pengukuran yang bersifat tidak merusak bahan atau nondestruktif. Pada umumnya image processing ini digunakan untuk memperbaiki kualitas suatu gambar, namun dapat pula digunakan untuk aplikasi pemutuan suatu produk. Dengan alat ini pensortasian dapat dilakukan secara objektif dan konsisten sehingga diharapkan hasil sortasi memiliki keseragaman.

B. TUJUAN PENELITIAN 1. Menganalisis parameter-parameter mutu beberapa kelas mutu jeruk manis dengan pengolahan citra dan pengukuran langsung. 2. Menentukan

parameter-parameter

mutu

yang

diperoleh

dengan

pengolahan citra sehingga dapat digunakan untuk membedakan jeruk manis pacitan berdasarkan kelas mutunya. 3. Mencari hubungan antara parameter pengolahan citra dengan parameter pengukuran langsung atau manual. 4. Menguji algoritma pengolahan citra yang telah dibangun untuk dapat menggolongkan buah jeruk manis pacitan sesuai dengan kelompok mutunya.

2

II. TINJAUAN PUSTAKA

A. BOTANI JERUK MANIS Jeruk manis merupakan tanaman buah tahunan. Pertama kali dibudidayakan oleh masyarakat Cina bagian selatan (Sudjijo dan Juliati, 1999). Jeruk manis ini rasanya memang manis, tetapi ada pula jeruk manis yang disertai rasa asam sedikit. Saat ini di daerah tropis maupun sub tropis tanaman ini sudah banyak dibudidayakan. Jeruk manis atau jeruk peras termasuk dalam klasifikasi berikut ini: Kingdom

: Plantae (tumbuh-tumbuhan)

Divisio

: Spermathophyta (tanaman berbiji)

Sub divisio

: Angiospermae (biji di dalam buah)

Kelas

: Dicotyledoneae (biji berkeping dua)

Ordo

: Rutales

Famili

: Rutaceae

Genus

: Citrus

Species

: Citrus Sinensis (L) Osbeck

Varietas jeruk manis dibagi atas empat golongan yakni jeruk manis biasa (common orange, blond orange), jeruk manis pusar (navel orange), jeruk manis darah (pigmental orange) dan jeruk manis tidak asam (acidless orange). Salah satu contoh jeruk manis yang termasuk ke dalam kelompok jeruk manis tidak asam (acidless orange) adalah jeruk manis pacitan atau yang biasa dikenal dipasaran sebagai jeruk manis baby pacitan (Pracaya,1999). Jeruk manis yang digunakan dalam penelitian ini adalah jeruk manis pacitan yang diperoleh dari daerah Batu, Malang, Jawa Timur. Buah jeruk manis pacitan ini termasuk dalam varietas jeruk manis yang tingkat keasamannya rendah sekali bahkan bisa dikatakan tidak asam atau yang disebut juga jeruk manis bergula. Jeruk manis pacitan termasuk dalam jenis jeruk manis Sukkari.

Varietas jeruk manis ini cukup banyak, seringkali penamaan jeruk manis ini berdasarkan nama daerah asalnya misalnya jeruk manis batu karena asalnya dari Batu, jeruk manis pacitan karena berasal dari Pacitan, jeruk manis Sunkist karena berasal dari perusahaan Sunkist Growers, Inc. dari California, Amerika Serikat, dan lain-lain. Persyaratan mutu jeruk manis dapat dibagi atas dua bagian yaitu persyaratan mutu berdasarkan SNI jeruk dan persyaratan mutu berdasarkan segmen pasar. Persyaratan mutu berdasarkan SNI jeruk mengacu pada SNI jeruk keprok. Persyaratan mutu berdasarkan SNI jeruk dan berdasarkan segmen pasar dapat dilihat pada Tabel 2 dan Tabel 3. Tabel 2. Syarat mutu SNI jeruk keprok Syarat

Karakteristik Kesamaan Sifat Varietas Tingkat Ketuaan Kekerasan Ukuran Kerusakan maks. (jml/jml) (%) Kotoran Busuk maks (jml/jml) (%)

Mutu I Seragam Tua, tapi tidak terlalu matang Keras Seragam 5 Bebas 1

Mutu II Seragam Tua, tapi tidak terlalu matang Cukup Keras Seragam 10 Bebas 2

Tabel 3. Persyaratan mutu buah jeruk segar sesuai dengan permintaan segmen pasar. Kriteria Ukuran Bobot (gr/buah) Tingkat Kematangan (%) Warna Buah Kesegaran (%) Permukaan Kulit

Kotoran (%) Hama/Penyakit Serangga/binatang

Mutu A > 151 90 Kuning Merata 95-100 Mulus, tidak berbintikbintik 0 Bebas Tidak ada

Kelas Mutu Mutu B 101-150 90 Kuning Merata 90-94 Mulus, tidak berbintikbintik 0 Bebas Tidak ada

Mutu C < 100 90 Kuning Kehijauan 80-89 Agak mulus

0 Bebas Tidak ada

4

Buah yang banyak mengandung vitamin C ini memiliki kulit yang tebal dan sukar untuk dikupas sehingga banyak orang lebih memilih memerasnya untuk diambil airnya daripada dimakan sebagai buah segar ataupun makanan pencuci mulut. Kandungan gizi dalam 100 gram buah jeruk manis dapat dilihat pada Tabel 4. Tabel 4. Kandungan gizi dalam 100 gram buah jeruk manis Komponen Kalori (kal) Protein (g) Lemak (g) Karbohidrat Kalsium (mg) Fosfor (mg) Zat Besi (mg) Nilai Vit. A (SI) Vit. B1 (mg) Vit. C (mg) Air (%) Bdd (%)

Jumlah 45.00 0.90 0.20 11.20 33.00 23.00 0.40 190.0 0.08 49.00 70 – 92 72.00

Sumber: Vadekum Jeruk, Direktorat Tanaman Buah, Ditjen BP Hortikultura, 2000.

Pemetikan atau pemanenan jeruk manis dapat dilakukan 7 – 9 bulan dari masa berbunga, tergantung dari varietasnya. Kualitas buah yang dihasilkan ditetapkan berdasarkan beberapa faktor, yaitu penampakan, ketebalan kulit, kandungan cairan, kandungan gula dan asam, tekstur daging buah, tidak adanya biji, aroma (flavor), rasa, kandungan vitamin, dan kandungan total zat pada yang larut (°Brix) (Pracaya, 1999).

B. PENGOLAHAN CITRA (Image Processing) Menurut Arymurthy dan Suryana (1992) bahwa pengolahan citra merupakan proses pengolahan dan analisis citra yang melibatkan persepsi visual dan ciri dari proses ini ialah terdapatnya data masukan dan data keluaran yang berbentuk citra, citra yang dimaksudkan disini bukanlah citra yang berupa foto atau gambar cetak dan lain-lain, tetapi berupa citra digital, sedangkan menurut Gao dan Tan (1996), pengolahan citra adalah teknologi

5

visual yang berusaha menganalisis dan mengamati suatu objek tanpa merusaknya. Suatu sistem perekaman data menghasilkan keluaran berupa citra. Citra ini dapat bersifat optik yaitu berupa foto, bersifat analog yang berupa sinyal-sinyal video dan bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Citra yang bersifat digital saja yang dapat diproses oleh komputer digital. Dalam pengambilan citra, data citra yang masuk merupakan nilai-nilai integer yang menunjukkan nilai intensitas cahaya atau tingkat keabuan setiap piksel. Piksel (pixel atau picture element) berarti elemen citra; yang merupakan satuan terkecil dari citra. Citra digital diperoleh secara otomatis dari suatu sistem perangkat citra digital yang merupakan bagian terdepan dari suatu sistem pengolahan citra dimana nantinya akan membentuk suatu matriks setelah melakukan penjelajahan citra, elemen-elemen dari matrik ini menyatakan nilai intensitas cahaya pada suatu himpunan diskrit dari titik seperti yang terlihat pada gambar 1. Selain itu diperlukan proses konversi agar citra digital dapat diproses di komputer.

CITRA MASUKAN SENSOR

ANALOG KE DIGITAL

CITRA DIGITAL

MONITOR PERAGA

KOMPUTER DIGITAL

BINGKAI PENYIMPAN CITRA

Gambar 1. Sistem terdepan dari pengolahan citra. Menurut Arymurthy dan Suryana (1992), diperlukan suatu proses pembuatan kisi-kisi arah horizontal dan vertikal untuk mengubah citra yang bersifat kontinu menjadi citra digital dimana citra f (x,y) ini nantinya akan disimpan dalam suatu memori komputer atau dalam suatu penyimpanan dalam bentuk array N x M dari contoh diskrit dengan jarak yang sama, sebagai berikut:

6

f(0,0) f(0,1) ……. f(0,n-1) f(x,y) =

f(1,0) f(1,1) ……. f(1,n-1) ……. …….

….. ……...

f(m,0) f(m,1) …..

f(m,n-1)

Setiap elemen dari array di atas disebut sebagai piksel atau elemen citra yang merupakan suatu daerah empat persegi kecil dengan ukuran tertentu dan menunjukkan harga intensitas keabuan piksel pada lokasi yang bersangkutan. Nilai skala keabuan berkisar dari 0 (hitam) hingga maksimum 255 (putih). Terdapat dua unsur utama penyusun dalam pengolahan citra yaitu perangkat keras dan perangkat lunak. Perangkat keras yang pertama adalah kamera dengan jenis Charge-coupled device (CCD), kamera jenis ini sering digunakan sebagai alat masukan citra dalam proses pengolahan citra untuk keperluan sortasi. Sensor dari alat ini menghasilkan keluaran berupa citra analog sehingga dibutuhkan perangkat digitasi yang terpisah dengan kamera. Selain itu terdapat pula kamera digital yang menghasilkan keluaran langsung berupa citra digital, dengan menggunakan kamera digital ini tidak diperlukan lagi proses digitasi. Perangkat keras yang kedua adalah komputer, komputer yang digunakan bisa dari jenis komputer multiguna ataupun komputer yang memang dirancang khusus untuk pengolahan citra digital (Arymurthy, 1992). Adapun sistem dari perangkat keras ini terdiri dari beberapa sub sistem yaitu sub sistem komputer, masukan video, kontrol proses interaktif, penyimpan berkas citra dan perangkat keras khusus pengolahan citra. Perangkat lunak (software) yang digunakan pada pengolahan citra (image processing) tergantung pada jenis image frame grabber. Image frame grabber (penangkap bingkai citra) merupakan rangkaian perangkat keras yang dilengkapi

dengan

A/D

converter

dan

memori

citra.

Berdasarkan

penggunaannya, sedikitnya terdapat dua jenis image frame grabber yaitu jenis yang dapat diprogram (programabble) dan jenis yang tidak dapat diprogram (non-programabble). Perbedaan diantara kedua jenis ini terdapat pada

7

kelengkapan pustaka fungsi dan cara pemakaian dalam pemrograman dengan bahasa pemograman tertentu. Untuk kedua jenis penangkap citra ini memiliki kartu penangkap citra yang dilengkapi dengan perangkat lunak sehingga lebih siap pakai. Adapun sistem perangkat lunak pengolahan citra dapat dibagi menjadi tujuh modul yang merupakan pengelompokkan rutin menurut fungsifungsi sejenis, yaitu modul proses berkas masukan dan keluaran, modul proses penyaringan dan koneksi radiometris regristrasi citra dan koreksi geometris, modul klasifikasi citra, modul perhitungan statistik, modul operasi matematika dan modul pembuatan laporan dan peragaan secara grafis.

C. WARNA Pada pengolahan citra salah satu komponen yang digunakan adalah warna. Warna bukan merupakan sebuah kualitas inheren dari suatu objek dan tergantung pada iluminasi dimana objek terlihat, tetapi yang inheren adalah kemampuannya menyerap bagian radiasi tertentu dalam spektrum cahaya tampak serta kemampuannya dalam memantulkan bagian yang lain. Sebuah objek yang memantulkan seluruh cahaya datang disebut berwarna “putih”, sedangkan yang menyerap seluruh cahaya disebut berwarna “hitam”, namun dalam prakteknya penyerapan ataupun pemantulan tidak dapat diperoleh 100 persen. Menurut Ahmad (2000) warna tidak lebih dari sekedar respon psychophysiological dan intesitas yang berbeda. Pengembangan model-model warna saat ini sudah banyak dilakukan, namun untuk proses pengolahan citra model warna yang sering digunakan adalah model warna RGB (Red, Green, Blue) ini dikarenakan pada komputer umumnya menggunakan model warna RGB dalam mempresentasikan warna, sehingga nantinya nilai pengolahan warna yang akan dihasilkan adalah dalam model warna RGB. Berdasarkan cara pembentukan komponen warna, model warna RGB termasuk warna aditif, sebab warnanya dibentuk dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam berbagai perbandingan. Model warna RGB dapat dinyatakan dalam bentuk indeks warna RGB yang diperoleh melalui normalisasi setiap komponen warna. R (Red), G

8

(Green) dan B (Blue) masing-masing merupakan besaran yang menyatakan nilai intensitas warna merah, hijau, dan biru serta r, g dan b adalah nilai-nilai setelah proses normalisasi . Adapun rumus untuk keperluan tersebut adalah sebagai berikut: Indeks warna merah (Ir) = R/(R+G+B)………............………………….(1) Indeks warna hijau (Ig) = G/(R+G+B)…………………………………..(2) Indes warna biru (Ib) = B/(R+G+B)……………………………………..(3)

D. PENELITIAN TERDAHULU Pengolahan citra dikategorikan dalam

tiga kategori, yaitu analisis

citra, visi robotik dan untuk pengawasan. Pada umumnya pengolahan citra mengarah kepada pembuktian atau pengujian kualitas dari pembuangan atau pembersihan kerusakan, sortasi dan grading bahan mentah dan produksi makanan. Qadavy (1998), melakukan penelitian untuk menentukan kematangan durian dengan teknik pengolahan citra. Diperoleh hasil bahwa berat buah durian, kekerasan daging buah durian dan intensitas warna biru pada buah durian matang lebih kecil dari berat, kekerasan daging dan intensitas warna biru buah durian yang belum matang, sedangkan kandungan gula, intensitas warna merah dan hijau pada buah durian matang lebih berat dari pada buah durian yang belum matang. Gunayanti (2002) malakukan penelitian untuk menentukan mutu buah mangga berdasarkan sifat fisik permukaan buah menggunakan pengolahan citra dengan menggunakan parameter luas area, indeks warna, dan tekstur. Jenis mangga yang digunakan dalam penelitian ini adalah mangga Arumanis dan mangga Gedong. Didapatkan hasil bahwa parameter yang sesuai untuk melakukan pemutuan pada buah mangga Arumanis adalah berdasarkan luas area dan komponen tekstur contrast. Batasan area yang tepat untuk dapat menghasilkan 3 tingkatan kelas yang berbeda yaitu, untuk mutu I dengan luas area lebih besar atau sama dengan 11000 piksel, mutu III dengan luas area di bawah 9300 piksel untuk citra dengan resolusi 256 × 192 piksel. Sedangkan untuk membedakan mutu setiap mangga dengan reject adalah berdasarkan

9

nilai komponen tekstur contrast, dimana buah reject mempunyai nilai contrast rata-rata diatas 0.6, sedangkan buah mutu I, II, dan III mempunyai nilai contrast dibawah 0.6. Pada mangga Gedong parameter yang sesuai untuk melakukan pemutuan adalah indeks warna merah yang dimiliki oleh tiap buah. Batasan nilai indeks warna untuk melakukan pemutuan mangga Gedong tersebut antara lain: untuk mutu I indeks warna merahnya lebih besar atau sama dengan 0.35, sedangkan untuk mutu II indeks warna merahnya antara 0.35 – 0.33 dan bila indeks warna merahnya kurang dari 0.33 akan termasuk buah reject. Damiri (2003) telah mengidentifikasi tingkat ketuaan dan kematangan jeruk lemon (citrus medica) menggunakan pengolahan citra dan jaringan saraf tiruan dan diperoleh bahwa indeks warna merah dan indeks warna hijau dalam pengolahan citra dapat membedakan tingkat kematangan jeruk lemon pada umur petik 100 hari dengan umur 110 hari, hue (corak) dapat membedakan tingkat kematangan jeruk lemon pada umur petik 100 hari dengan tingkat kematangan pada umur petik 110 hari secara langsung. Sedangkan fitur energi dapat membedakan tingkat kematangan pada umur petik 110 hari dengan tingkat kematangan pada umur petik 120 hari. Arham (2003) mengembangkan algoritma pengolahan citra untuk menganalisis parameter mutu serta tingkat ketuaan dan kematangan buah jeruk nipis berdasarkan umur petik. Dari analisa ditemukan bahwa indeks warna merah dapat membedakan umur petik 120 hari dengan 140 hari dan umur petik 140 hari dengan 160 hari, indeks warna hijau dapat membedakan umur petik 140 hari dengan 160 hari dan umur petik 160 hari dengan 180 hari sedangkan indeks warna biru dapat membedakan umur petik 120 hari dengan 160 hari dan 180 hari. Didapatkan pula area pada proyeksi samping buah jeruk nipis mempunyai korelasi yang tinggi terhadap berat dengan nilai R2=0.92, sehingga berat buah jeruk nipis dapat ditentukan dengan area sedangkan terhadap kekerasan kulit, kekerasan daging dan total padatan terlarut indeks warna merah, hijau dan biru mempunyai koreksi yang rendah.

10

III. METODOLOGI PENELITIAN

A. TEMPAT DAN WAKTU Penelitian ini dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP) Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB dan Pondok Aulia Desa Cibanteng, pada bulan Agustus 2005 sampai dengan bulan Januari 2006.

B. BAHAN DAN ALAT 1. Bahan Bahan atau objek penelitian yang digunakan adalah buah jeruk manis pacitan dengan tiga tingkatan mutu yaitu mutu A, mutu B, mutu C. Buah jeruk manis pacitan ini diperoleh dari pedagang pengumpul di Batu, Malang, Jawa Timur. Jumlah sampel untuk setiap mutu adalah 30, sehingga total keseluruhan sampel adalah 90 buah. Pada penelitian ini penentuan tingkatan mutu berdasarkan SNI jeruk berbeda dengan tingkatan mutu yang ada di pasaran. Menurut informasi yang didapatkan dari pedagang pengumpul, jeruk yang tergolong mutu A adalah jeruk berukuran sedang, jeruk yang tergolong mutu B adalah jeruk berukuran kecil, dan jeruk yang berukuran besar tergolong mutu C. Penggolongan ini juga berdasarkan permintaan pasar dimana jeruk berukuran sedang adalah yang paling banyak diminta dan digemari.

Mutu A

Mutu B

Mutu C

Gambar 2. Jeruk manis pacitan pada berbagai mutu.

2. Alat Penelitian Peralatan penelitian yang digunakan dibagi atas dua bagian, yaitu: a. Perangkat keras Peralatan perangkat keras yang digunakan untuk pengolahan citra yaitu kamera digital Kodak CX6330 31MP dengan resolusi 2032 x 1524 piksel, seperangkat komputer dengan prosesor Intel Pentium IV 1.70 GHz dan RAM (Random Process Memory) 256 MB, lampu TL 8 Watt merk Philips, timbangan digital merk METTLER PM-4800 untuk mengukur berat jeruk manis, jangka sorong untuk mengukur diameter buah jeruk manis, Rheometer model CR-30 untuk mengukur kekerasan jeruk manis, dan Refraktometer digital untuk mengukur total padatan terlarut yang terkandung dalam jeruk manis. b. Perangkat lunak Dalam penelitian ini digunakan perangkat lunak yaitu program yang ditulis dalam Visual Basic Ver. 6.0 yang dapat beroperasi pada sistem operasi Windows XP Professional. Program ini terlebih dahulu dibuat dan digunakan untuk menganalisis gambar output dari kamera.

C. METODE PENELITIAN 1. Persiapan Penelitian ini dimulai dengan mengadakan survey pada pedagang jeruk manis pacitan. Survey ini bertujuan untuk mengetahui karakteristik jeruk manis dan pengklasifikasiannya. 2. Pengangkutan Bahan penelitian diangkut dengan kendaraan umum dan jeruk manis pacitan dikemas dalam kardus. Tiap tumpukan diberi alas koran untuk mencegah adanya cacat serta memar. 3. Tahapan penelitian Pada penelitian ini terdapat beberapa tahapan, yaitu: tahap pengambilan citra dan pengolahan citra jeruk manis pacitan, tahap pengolahan secara manual atau langsung yang meliputi pengukuran berat, pengukuran diameter, pengukuran tingkat kekerasan kulit dan daging serta

12

pengukuran total padatan terlarut, dan tahap pengolahan data hasil pengolahan citra dan data pengukuran langsung. a. Pengambilan citra dan pengolahan citra Citra buah jeruk manis direkam dengan menggunakan kamera digital. Sebelum diambil citranya, buah jeruk manis pacitan terlebih dahulu dibersihkan menggunakan lap basah. Pengambilan gambar dilakukan pada dua arah yakni arah pangkal dan arah samping. Pengambilan citra dilakukan pada kondisi sebagai berikut: 1. Buah jeruk manis pacitan diletakkan di atas kain hitam sebagai latar belakang dan terfokus oleh kamera digital dengan jarak 21.5 cm. 1 buah lampu TL diletakkan pada ketinggian sekitar 41 cm di atas buah jeruk manis dengan sudut pencahayaan 12°. 2. Citra buah jeruk manis direkam dengan resolusi 256 x 192 piksel dan 256 tingkat intensitas cahaya RGB. 3. Kamera dihubungkan dengan komputer sehingga citra buah jeruk manis pacitan terekam pada komputer. Selanjutnya hasil rekaman tersebut disimpan, dengan menggunakan fasilitas Adobe Photoshop 7.0 file diubah menjadi berekstensi JPEG berukuran 30 KB. Pengolahan citra jeruk manis pacitan dilakukan dengan program komputer yang telah dibuat terlebih dahulu dengan menggunakan bahasa pemrograman Visual Basic Ver. 6.0. Adapun program yang dibuat yaitu memiliki kemampuan untuk menghitung luas objek, diameter objek dan nilai intensitas warna objek. Perhitungan luas objek dilakukan dengan cara mengubah terlebih dahulu citra warna menjadi citra biner melalui proses thresholding dengan nilai threshold tertentu. Objek diset berwarna putih, sedangkan latar belakang diset berwarna hitam. Area dihitung dengan cara menghitung jumlah piksel berwarna putih. Sedangkan diameter akan dihitung dengan menghubungkan piksel-piksel yang memiliki nilai jarak terjauh pada citra objek. Intensitas warna yang diukur adalah warna merah, hijau, dan biru (RGB). Untuk mendapatkan nilai RGB, dilakukan proses analisis

13

warna yang dilanjutkan dengan perintah pengukuran intensitas warna. Pengukuran RGB dilakukan dengan cara membentuk sebuah jendela objek sebagai sampel dengan ukuran 50 x 50 piksel. b. Pengukuran secara langsung 1. Pengukuran berat Pengukuran berat buah jeruk manis pacitan adalah dengan menggunakan timbangan digital. 2. Pengukuran diameter Pengukuran diameter

jeruk

manis pacitan adalah dengan

menggunakan jangka sorong. Pengukuran diameter ini dilakukan di tiga titik yang berbeda. Nilai dari hasil pengukuran tersebut dirataratakan. 3. Pengukuran kekerasan Berikutnya dilakukan pengujian kekerasan buah jeruk manis pacitan dengan menggunakan alat Rheometer, pengujian dilakukan pada tiga titik yang berbeda yaitu atas, tengah dan bawah. Setelah diperoleh data pada masing-masing pengukuran, kemudian dirataratakan sehingga diperoleh tingkat kekerasan masing-masing jeruk manis. 4. Pengukuran total padatan terlarut Pengukuran total padatan terlarut buah jeruk manis yaitu dengan menggunakan alat Refraktometer. Dilakukan dengan cara mengiris daging buah, kemudian cairan jeruk manis pacitan diteteskan pada Refraktometer

yang

telah

dibersihkan

dengan

aquades.

Pengukuran dilakukan sebanyak tiga kali pengulangan untuk setiap sampel jeruk manis pacitan ini. Nilai dari tiga kali pengulangan tersebut dirata-ratakan. Adapun satuan dari total padatan terlarut adalah ° Brix. c. Pengolahan data citra dan data pengukuran secara langsung Data yang didapatkan dari pengolahan citra dan pengukuran secara langsung kemudian diolah. Adapun pengolahan data-data tersebut adalah sebagai berikut:

14

1. Pengolahan data citra untuk menentukan perbedaan tiap mutu a. Perbedaan nilai luas objek untuk setiap mutu dari citra yang direkam dari arah pangkal. b. Perbedaan nilai luas objek untuk setiap mutu dari citra yang direkam dari arah samping. c. Perbedaan nilai diameter untuk setiap mutu dari citra yang direkam dari arah pangkal. d. Perbedaan nilai indeks warna merah (r), indeks warna hijau (g) dan indeks warna biru (b) untuk setiap mutu dari citra yang direkam dari arah pangkal. e. Perbedaan nilai indeks warna merah (r), indeks warna hijau (g) dan indeks warna biru (b) untuk setiap mutu dari citra yang direkam dari arah samping. 2. Pengolahan data pengukuran secara langsung untuk menentukan perbedaan tiap mutu a. Perbedaan berat buah jeruk manis pacitan untuk setiap mutu. b. Perbedaan diameter buah jeruk manis pacitan untuk setiap mutu. c. Perbedaan tingkat rata-rata kekerasan kulit buah jeruk manis pacitan untuk setiap mutu. d. Perbedaan tingkat rata-rata kekerasan daging buah jeruk manis pacitan untuk setiap mutu. e. Perbedaan total padatan terlarut buah jeruk manis pacitan untuk setiap mutu. Proses grading dilakukan setelah didapatkan interval atau batasan nilai tertentu berdasarkan analisis statistik data parameter mutu yang

telah

didapat.

Batasan

nilai

ini

diharapkan

dapat

mengklasifikasikan buah pada tingkatan kelas yang berbeda-beda. Pemutuan secara manual didapat berdasarkan karakteristik buah pada tiap tingkatan kelas (grade) yang diperoleh dari pedagang buah jeruk manis di pasar induk sesuai dengan kriteria yang telah mereka tetapkan.

15

d. Menentukan hubungan antara hasil pengolahan citra dan pengukuran secara langsung 1. Analisis korelasi antara berat buah dengan luas objek dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear. 2. Analisis korelasi antara berat buah dengan luas objek dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear. 3. Analisis korelasi antara diameter pengukuran langsung dengan diameter objek hasil pengolahan citra dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear. 4. Analisis korelasi antara kekerasan kulit dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear. 5. Analisis korelasi antara kekerasan kulit dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear. 6. Analisis korelasi antara kekerasan daging dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear. 7. Analisis korelasi antara kekerasan daging dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear. 8. Analisis korelasi antara total padatan terlarut dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear. 9. Analisis korelasi antara total padatan terlarut dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear.

16

e. Membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan secara pengukuran langsung Perbandingan dilakukan untuk melihat tingkat keberhasilan antara kedua metode. Parameter yang digunakan sebagai parameter penentuan pemutuan adalah parameter-parameter yang secara uji statistik dapat membedakan ketiga mutu buah jeruk manis pacitan berdasarkan nilai-nilai interval tertentu. Diagram alir pelaksanaan penelitian secara keseluruhan dapat dilihat pada Gambar 3.

17

Mulai

Pengambilan Sampel Jeruk Manis Pacitan Pengukuran Langsung

Pengukuran Tidak Langsung

Pengambilan Citra Jeruk Pacitan dengan Kamera Digital

• Parameter Berat • Parameter Diameter • Parameter Kekerasan Kulit dan Daging • Parameter Total Padatan Terlarut

Pemindahan Gambar ke Komputer

Pengolahan Citra Jeruk Pacitan

Proses Thresholding

Perhitungan indeks warna RGB dengan membuat jendela objek berukuran 50 x 50 piksel pada citra jeruk manis pacitan

Citra Biner

Perhitungan Luas

Perhitungan Diameter

Analisa hubungan antara parameter pengukuran secara langsung dengan parameter pengolahan citra dengan menggunakan analisa regresi linear dan melakukan perbandingan antara pemutuan manual dengan pemutuan menggunakan pengolahan citra.

Selesai

Gambar 3. Diagram alir pelaksanaan penelitian.

18

IV. HASIL DAN PEMBAHASAN

A. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGOLAHAN CITRA (PENGUKURAN TIDAK LANGSUNG) Pemutuan buah jeruk manis pacitan dengan metode pengolahan citra adalah dengan membuat algoritma pengolahan citra yang dibangun dengan menggunakan bahasa pemrograman Visual Basic 6.0. Program yang digunakan berfungsi untuk menghitung luas objek, diameter dan indeks warna RGB. Tampilan awal program pengolahan citra dapat dilihat pada Gambar 4.

Gambar 4. Tampilan awal program pengolahan citra. Citra dipanggil dengan memilih directori penyimpanan objek, kemudian semua file objek akan tampil pada kotak nama file. File yang dipilih akan tampil pada kotak citra setelah mengklik file pada kotak nama file. 1. Luas objek Penghitungan luas dari buah jeruk manis pacitan dilakukan dengan terlebih dahulu mengubah citra buah jeruk manis pacitan menjadi citra biner. Thresholding dilakukan menggunakan nilai batas intensitas warna merah 70. Operasi thresholding akan berjalan dengan menekan tombol

threshold. Maka citra jeruk yang sudah dithresholding akan tampil pada kotak citra yang kedua. Citra yang sudah dithresholding dapat dilihat pada Gambar 5 berikut ini.

Gambar 5. Tampilan citra buah jeruk manis pacitan yang sudah dithresholding. Apabila masih ada noise atau piksel yang berada di luar objek maka setelah menekan tombol noise removeable citra yang berwarna putih yang berukuran lebih kecil dari 20 piksel akan dihitamkan sehingga sama dengan latar belakang maka hanya akan terdapat objeknya saja. Bersamaan dengan berjalannya pembersihan noise tersebut luas dari citra biner jeruk manis pacitan akan dihitung, begitu pula dengan panjang diameternya. Nilai dari luas dan diameter akan tampil pada kotak pengukuran. Pada jeruk manis pacitan rata-rata luas objek untuk citra yang direkam dari arah pangkal adalah 11716 piksel untuk mutu A, 9366 piksel untuk mutu B dan 8410 piksel untuk mutu C sedangkan untuk citra yang direkam dari arah samping memiliki rata-rata luas objek 12041 piksel, 9541 piksel dan 8287 piksel masing-masing untuk mutu A, B dan C. Dari nilai-nilai tersebut dapat dilihat bahwa luas objek untuk citra yang direkam

20

dari arah samping lebih besar dibandingkan dengan luas objek untuk citra yang direkam dari arah pangkal, hal ini disebabkan karena bentuk citra yang direkam dari arah samping cenderung berbentuk tidak bulat atau lonjong dibandingkan dengan citra yang direkam dari arah pangkal yang pada umumnya berbentuk bulat. Sebaran nilai luas objek jeruk manis pacitan pada mutu A, B dan C untuk citra yang direkam dari arah pangkal secara berturut-turut adalah 10544 - 12888 piksel, 8903 – 9829 piksel, dan 7766 – 9054 piksel, sedangkan untuk citra yang direkam dari arah samping mutu A 10808 – 13274 piksel, mutu B 8668 – 10414 piksel dan mutu C 7646 – 8928 piksel. Dari nilai sebaran di atas dapat dilihat bahwa berdasarkan luas objek beberapa dari jeruk manis pacitan mutu B masih terdapat dalam golongan mutu C. Berdasarkan uji statistik pada taraf 0.01 untuk luas objek, antara mutu A, B dan C terlihat perbedaan yang cukup signifikan atau nyata. Dengan demikian luas objek dapat dijadikan sebagai parameter untuk pemutuan jeruk manis pacitan. Sebaran nilai luas objek pada berbagai tingkat mutu buah jeruk manis dapat dilihat pada Gambar 6 dan Gambar 7. Tabel 5. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data luas objek pada citra yang direkam dari arah pangkal dan samping. Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Luas Pangkal (Piksel) Mutu A Mutu B Mutu C 11716 9366 8410 1172 463 644

Luas Samping (Piksel) Mutu A Mutu B Mutu C 12041 9541 8287 1233 873 641

15534 9859 10187

10348 8579 8979

9813 7178 -

15864 9956 10611

13245 8564 8798

9451 6867 -

-

10187

8979

-

10611

10611

21

Luas Proyeksi Pangkal (ribu piksel)

18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Luas Proyeksi Samping (ribu piksel)

Gambar 6. Grafik hubungan antara luas objek pada citra yang direkam dari arah pangkal dengan tingkat mutu.

18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 7. Grafik hubungan antara luas objek pada citra yang direkam dari arah samping dengan tingkat mutu.

22

2. Diameter Diameter buah dihitung dengan mencari jarak terpanjang antara dua piksel yang diambil dari tiga titik pengukuran yang berbeda dan kemudian dirata-ratakan. Jarak antara dua piksel tersebut dihubungkan oleh garis lurus seperti terlihat pada Gambar 5 yaitu pada kotak citra yang keempat. Diameter dapat dijadikan salah satu parameter penentu mutu buah jeruk manis pacitan karena berdasarkan hasil uji statistik pada taraf 0.01 terdapat perbedaan yang cukup signifikan untuk diameter mutu A, B dan C. Nilai rata-rata diameter jeruk manis pacitan hasil pengolahan citra pada mutu A, mutu B, dan mutu C masing-masing 123 piksel, 110 piksel dan 104 piksel. Sebaran nilai diameter objek jeruk manis pacitan pada mutu A 117 – 129, mutu B 107 - 113 piksel dan mutu C 100 – 108 piksel seperti terlihat pada Gambar 8. Tabel 6. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data diameter. Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Tingkat Pemutuan (Piksel) Mutu A Mutu B Mutu C 123 110 104 6 3 4 141 115 110 114 105 96 115 108 115 108

23

145 140 135

Diameter (piksel)

130 125 120 115 110 105 100 95 90

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 8. Grafik hubungan antara diameter objek pada citra yang direkam dari arah pangkal dengan tingkat mutu. 3. Nilai indeks warna merah, hijau dan biru (RGB) Jendela objek berukuran 50×50 piksel dibuat pada permukaan buah yang akan dicari nilai indeks warna merah (r), hijau (g) dan biru (b)nya, penempatan koordinat jendela objek ini sudah ditentukan terlebih dahulu, sehingga area permukaan citra yang akan dicari nilai indeks warnanya akan tetap sama untuk setiap sampel. Nilai indeks warna dari masing masing warna tersebut didapatkan setelah menekan tombol check RGB seperti terlihat pada Gambar 9.

24

Gambar 9. Tampilan citra buah jeruk manis pacitan dengan hasil indeks warna. Nilai rata-rata indeks warna merah mutu A, mutu B dan mutu C untuk citra yang direkam dari arah pangkal masing-masing 0.447, 0.461 dan 0.469, sedangkan untuk citra yang direkam dari arah samping yaitu 0.474, 0.485 dan 0.496 masing-masing untuk mutu A, mutu B dan mutu C. Sebaran nilai indeks warna merah jeruk manis pacitan pada citra yang direkam dari arah pangkal untuk mutu A 0.427 – 0.467, mutu B 0.443 – 0.479 dan mutu C 0.453 – 0.485, sedangkan untuk citra yang direkam dari arah samping mutu A, B dan C secara berturut-turut adalah 0.456 – 0.492, 0.472 – 0.498, dan 0.481 – 0.511. Dari nilai sebaran di atas dapat dilihat bahwa berdasarkan indeks warna beberapa dari jeruk manis pacitan mutu A masih terdapat dalam golongan mutu B dan beberapa dari jeruk manis pacitan mutu B masih termasuk dalam golongan mutu C. Berdasarkan hasil uji statistik pada taraf 0.01 untuk indeks warna merah pada citra buah jeruk manis pacitan pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping menunjukkan bahwa indeks warna merah dapat membedakan tingkat mutu dari jeruk manis pacitan. Indeks warna merah pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A pada ambang batas atas 0.455 dengan tingkat mutu B, sedangkan pada tingkat mutu B pada ambang

25

batas atas 0.466 dengan tingkat mutu C. Untuk indeks warna merah pada citra yang direkam dari arah samping dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas atas 0.482 dan tingkat mutu B dengan tingkat mutu C pada ambang batas atas 0.490. Tabel 7, Gambar 10 dan Gambar 11 memperlihatkan ambang batas dan sebaran nilai indeks warna merah dengan tingkat mutu. Tabel 7. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna merah pada citra yang direkam dari arah pangkal dan samping. Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Mutu A 0.447 0.02

Pangkal Mutu B 0.461 0.018

Mutu C 0.469 0.016

Mutu A 0.474 0.018

Samping Mutu B 0.485 0.013

0.482 0.407 -

0.523 0.43 0.455

0.51 0.443 0.466

0.521 0.432 -

0.505 0.456 0.482

0.521 0.459 0.490

0.455

0.466

-

0.482

0.490

-

Mutu C 0.496 0.015

0,6 0,57

Indeks Warna Merah

0,54 0,51 0,48 0,45 0,42 0,39 0,36 0,33 0,3

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 10. Grafik hubungan antara nilai indeks warna merah pada citra yang direkam dari arah pangkal dengan tingkat mutu.

26

0,55

Indeks Warna Merah

0,52

0,49

0,46

0,43

0,4

0

Mutu A

Mutu B

1

2

Mutu C

3

4

Tingkat Mutu

Gambar 11. Grafik hubungan antara nilai indeks warna merah pada citra yang direkam dari arah samping dengan tingkat mutu. Berdasarkan hasil uji statistik pada taraf 0.01 untuk indeks warna hijau pada citra yang direkam dari arah pangkal menunjukkan bahwa indeks warna hijau tidak dapat dijadikan parameter pemutuan jeruk manis pacitan dimana sebaran nilai indeks warna hijau mutu A, mutu B dan mutu C untuk citra yang direkam dari arah pangkal masing-masing secara berurutan 0.423 - 0.473, 0.441 – 0.471 dan 0.445 – 0.473, sedangkan untuk citra yang direkam dari arah samping berdasarkan hasil uji statistik pada taraf 0.01 menunjukkan bahwa indeks warna hijau dapat dijadikan parameter pemutuan jeruk manis pacitan diamna sebaran nilainya adalah 0.472 – 0.492, 0.473 – 0.503 dan 0.481 – 0.503 masing-masing untuk mutu A, mutu B dan mutu C. Indeks warna hijau pada citra yang direkam dari arah pangkal tidak dapat membedakan tingkat mutu A, mutu B dan mutu C. Untuk indeks warna hijau pada citra yang direkam dari arah samping dapat membedakan tingkat mutu A pada ambang batas atas 0.483 dengan tingkat mutu B, dan dapat membedakan tingkat mutu B dengan tingkat mutu C pada ambang batas atas 0.492. Tabel 8, Gambar 12 dan Gambar 13 memperlihatkan ambang batas dan sebaran nilai indeks warna hijau dengan tingkat mutu.

27

Tabel 8. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna hijau pada citra yang direkam dari arah pangkal dan samping. Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Mutu A 0.448 0.025


Mutu C 0.459 0.014

Mutu A 0.482 0.010


0.491 0.387 -

0.477 0.414 -

0.482 0.428 -

0.5 0.455 -

0.504 0.422 0.483

0.508 0.462 0.492

-

-

-

0.483

0.492

-

Mutu C 0.492 0.011

0,54 0,52

Indeks Warna Hijau

0,5 0,48 0,46 0,44 0,42 0,4 0,38 0,36 0,34 0,32 0,3

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 12. Grafik hubungan antara nilai indeks warna hijau pada citra yang direkam dari arah pangkal dengan tingkat mutu.

28

0,52

Indeks Warna Hijau

0,49

0,46

0,43

0,4

0

Mutu A

Mutu B

1

2

Mutu C

3

4

Tingkat Mutu

Gambar 13. Grafik hubungan antara nilai indeks warna hijau pada citra yang direkam dari arah samping dengan tingkat mutu. Indeks warna biru dapat dijadikan sebagai parameter pemutuan jeruk manis pacitan karena terdapat perbedaan yang cukup nyata antara mutu A, mutu B dan mutu C pada citra yang direkam dari arah pangkal maupun citra yang direkam dari arah samping. Nilai rata-rata indeks warna biru mutu A, mutu B dan mutu C untuk citra yang direkam dari arah pangkal masing-masing 0.146, 0.124 dan 0.112. Indeks warna biru pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A pada ambang batas bawah 0.128 dengan tingkat mutu B, sedangkan pada tingkat mutu B pada ambang batas bawah 0.117 dengan tingkat mutu C. Untuk citra yang direkam dari arah samping memiliki nilai rata-rata indeks warna biru yaitu 0.085, 0.068 dan 0.053 masing-masing untuk mutu A, mutu B dan mutu C. Indeks warna biru pada citra yang direkam dari arah samping dapat membedakan tingkat mutu A pada ambang batas bawah 0.076 dengan tingkat mutu B, sedangkan pada tingkat mutu B pada ambang batas bawah 0.057 dengan tingkat mutu C. Tabel 9 , Gambar 14 dan Gambar 15 memperlihatkan ambang batas dan sebaran nilai indeks warna hijau dengan tingkat mutu.

29

Sebaran nilai indeks warna biru jeruk manis pacitan pada citra yang direkam dari arah pangkal untuk mutu A 0.103 – 0.189, mutu B 0.096 – 0.152 dan mutu C 0.087 – 0.137, sedangkan untuk citra yang direkam dari arah samping mutu A, B dan C secara berturut-turut adalah 0.062 – 0.108, 0.046 – 0.090, dan 0.039 – 0.067. Dari nilai sebaran tersebut dapat dilihat bahwa berdasarkan indeks warna biru beberapa dari jeruk manis pacitan mutu C masih terdapat dalam golongan mutu B dan beberapa dari jeruk manis pacitan mutu B masih terdapat dalam golongan mutu A. Tabel 9. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna biru pada citra yang direkam dari arah pangkal dan samping. Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Mutu A 0.146 0.043


Mutu C 0.112 0.025

Mutu A 0.085 0.023


Mutu C 0.053 0.014

0.247 0.082 0.128

0.197 0.072 0.117

0.153 0.048 -

0.146 0.044 0.076

0.138 0.032 0.057

0.078 0.032 -

-

0.128

0.117

-

0.076

0.057

0,3

Indeks Warna Biru

0,25 0,2 0,15 0,1 0,05 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 14. Grafik hubungan antara nilai indeks warna biru pada citra yang direkam dari arah pangkal dengan tingkat mutu.

30

0,18

Indeks Warna Biru

0,15 0,12 0,09 0,06 0,03 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 15. Grafik hubungan antara nilai indeks warna biru pada citra yang direkam dari arah samping dengan tingkat mutu. Tombol next digunakan untuk validasi dimana setelah citra jeruk manis pacitan diolah maka akan ditentukan tingkat mutunya. Tingkat pemutuan tersebut berdasarkan nilai-nilai ambang batas yang sudah didapatkan dari hasil pengolahan data sampel citra jeruk manis pacitan. Adapun yang dapat menjadi parameter pemutuan jeruk manis pacitan yaitu luas objek, diameter objek, indeks warna merah dan indeks warna biru. Tombol exit digunakan apabila operasi sudah tidak lagi dijalankan atau sudah selesai.

B. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGUKURAN LANGSUNG 1. Berat Hasil perhitungan secara statistik memperlihatkan nilai rata-rata be rat jeruk manis pacitan untuk mutu A, mutu B dan mutu C adalah 292.76 gram, 233.65gram dan 195.12gram. Terdapat perbedaan yang cukup signifikan antara berat mutu A, mutu B dan mutu C, sehingga pemutuan berdasarkan berat buah dapat dijadikan parameter pemutuan jeruk manis

31

pacitan. Berat buah dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas bawah 253.84gram, sedangkan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 216.21 gram. Pada sortasi manual yang dilakukan oleh petani pun, berat dijadikan sebagai salah satu parameter penentuan mutu. Adapun data berat jeruk manis pacitan dapat dilihat di Lampiran 1. Sebaran nilai berat jeruk manis pacitan mutu A 262.78 – 322.74, mutu B 222.40 – 244.90 dan mutu C 181.48 – 208.76, dari nilai sebaran tersebut dapat dilihat bahwa berat dari jeruk manis pacitan pada ketiga mutu sangat berbeda. Tabel 10. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data berat. Tingkat Pemutuan (Gram) Mutu A Mutu B Mutu C 292.76 233.65 195.12 29.98 11.25 13.64 381.41 253.66 212.95 250.7 213.86 164.71 253.84 216.21 253.84 216.21

Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

330

Berat Buah (gram)

300 270 240 210 180 150

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 16. Grafik hubungan berat buah jeruk manis pacitan dengan tingkat mutu.

32

2. Diameter Nilai rata-rata diameter hasil pengukuran secara langsung untuk mutu A yaitu 7.93cm, untuk mutu B yaitu 7.63cm sedangkan untuk mutu C yaitu 7.27cm. Dapat dilihat bahwa berdasarkan diameter mutu A mempunyai rata-rata diameter yang lebih besar dibandingkan rata-rata diameter mutu B dan mutu C. Adapun data diameter dari setiap mutu jeruk manis pacitan dapat dilihat pada Lampiran 2. Sebaran nilai dimeter jeruk manis pacitan mutu A 7.59 – 8.27, mutu B 7.41 – 7.85 dan mutu C 7.06 – 7.48. Dari nilai sebaran diameter tersebut menunjukkan bahwa beberapa dari jeruk manis pacitan mutu A masih terdapat dalam golongan mutu B dan beberapa dari jeruk manis pacitan mutu B masih terdapat dalam golongan mutu C. Tabel 11. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data diameter. Tingkat Pemutuan (cm) Parameter Rata-rata Standar deviasi Maksimum Minimum Ambang bawah Ambang atas

Mutu A 7.93 0.34 8.83 7.37 7.72 -

Mutu B 7.63 0.22 8 7.23 7.45 7.72

Mutu C 7.27 0.21 7.8 6.83 7.45

33

9

Diameter (cm)

8,5

8

7,5

7

6,5

6

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 17. Grafik hubungan diameter buah jeruk manis pacitan dengan tingkat mutu. 3. Tingkat kekerasan kulit dan daging Sebaran nilai kekerasan kulit jeruk manis pacitan untuk mutu A, mutu B dan mutu C masing-masing adalah 1.21 – 1.71, 1.20 – 1.70 dan 1.21 – 1.57 dengan nilai rata-rata untuk mutu A 1.46kg, mutu B 1.45kg dan mutu C 1.39kg. Nilai rata-rata kekerasan daging jeruk manis pacitan berturut-turut adalah 0.93 untuk mutu A, 0.95 untuk B dan 0.98 untuk mutu C dan sebaran nilai kekerasan daging jeruk manis pacitan untuk mutu A, mutu B dan mutu C masing-masing adalah 0.68 – 1.18, 0.67 – 1.23 dan 0.77 – 1.19. Dari nilai-nilai tersebut terlihat bahwa kulit jeruk manis pacitan mutu A lebih keras dibandingkan dengan kulit jeruk mutu B dan mutu C. Begitu pula dengan daging jeruk manis pacitan, daging mutu C lebih keras dibandingkan dengan mutu A dan mutu B. Berdasarkan hasil uji statistik pada taraf 0.01 didapatkan nilai kekerasan kulit dan daging tidak memiliki perbedaan yang nyata. Adapun data tingkat kekerasan kulit dan daging dapat dilihat pada Lampiran 3 dan Lampiran 4.

34

Tabel 12. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data kekerasan kulit. Tingkat Pemutuan (Kg) Mutu A Mutu B Mutu C 1.46 1.45 1.39 0.25 0.25 0.18 2.26 2.07 1.83 1.04 1.04 1.01

Parameter Rata-rata Standar deviasi Maksimum Minimum

2,4 2,2

Kekerasan Kulit (Kg)

2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

1,44

Mutu A

1,48

Mutu B

1,52

Mutu C

1,56

1,6

Tingkat Mutu

Gambar 18. Grafik hubungan tingkat kekerasan kulit buah jeruk manis pacitan dengan tingkat mutu. Tabel 13. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data kekerasan daging. Parameter Rata-rata Standar deviasi Maksimum Minimum

Tingkat Pemutuan (Kg) Mutu A Mutu B Mutu C 0.93 0.95 0.98 0.25 0.28 0.21 1.44 1.5 1.31 0.41 0.49 0.47

35

1,6

Kekerasan Daging (kg)

1,4 1,2 1 0,8 0,6 0,4 0,2 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 19. Grafik hubungan tingkat kekerasan daging buah jeruk manis pacitan pada berbagai tingkat mutu. 4. Total padatan terlarut Pada pengukuran total padatan terlarut diperoleh nilai sebaran total padatan terlarut jeruk manis pacitan mutu A 4.95 – 7.93, mutu B 5.96 – 8.58 dan mutu C 5.94 – 8.46, yang menunjukkan bahwa antara setiap mutu mempunyai kriteria yang tidak cukup jelas. Pada mutu A nilai rata-rata total padatan terlarut 6.44°Brix, mutu B nilai rata-rata total padatan terlarut 7.27°Brix dan nilai rata-rata total padatan terlarut mutu C 7.20°Brix. Hal ini menunjukkan bahwa jeruk manis pacitan mutu B lebih manis dibandingkan dengan jeruk manis pacitan mutu A dan C. Tabel 14. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data total padatan terlarut. Parameter Rata-rata Standar deviasi Maksimum Minimum

Tingkat Pemutuan (°Brix) Mutu A Mutu B Mutu C 6.44 7.27 7.2 1.49 1.31 1.26 8.9 10.5 9.97 4.03 4.47 4.9

36

11

Total Padatan Terlarut (drjt Brix)

10 9 8 7 6 5 4 3 2 1 0

0

Mutu A

1

Mutu B

2

Mutu C

3

4

Tingkat Mutu

Gambar 20. Grafik hubungan total padatan terlarut buah jeruk manis pacitan pada berbagai tingkat mutu.

C. HUBUNGAN HASIL METODE PENGOLAHAN CITRA DENGAN METODE PENGUKURAN LANGSUNG 1. Korelasi antara luas objek dengan berat buah berbagai tingkat mutu Berdasarkan nilai koefisien determinasi yaitu sebesar 0.9397 untuk luas objek citra yang direkam dari arah pangkal maka dapat dikatakan bahwa luas objek memiliki hubungan linear dengan berat buah jeruk manis pacitan dimana luas objek mempengaruhi berat sebesar 93,97%. Begitu pula untuk luas objek citra yang direkam dari arah samping yang mana memiliki nilai koefisien determinasi sebesar 0.9183. Maka dapat disimpulkan bahwa luas objek memiliki hubungan linear dengan berat. Hubungan antara Luas objek citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping disajikan pada Gambar 21 dan Gambar 22.

37

450 400

Berat (gram)

350 300 250 y = 0,0271x - 25,901 R2 = 0,9397

200 150 100 6000

8000

10000

12000

14000

16000

Luas objek (piksel)

Gambar 21. Grafik hubungan luas objek citra yang direkam dari arah pangkal dengan berat. 400

Berat (gram)

350 300 250 200

y = 0,0236x + 5,5786 R2 = 0,9183

150 100 6000

8000

10000

12000

14000

16000

18000

Luas objek (piksel)

Gambar 22. Grafik hubungan luas objek citra yang direkam dari arah samping dengan berat. 2. Korelasi antara diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung berbagai tingkat mutu Pada pemutuan secara manual petani mengelompokkan buah jeruk manis pacitan berdasarkan ukuran besar buah, sehingga bisa terjadi kemungkinan ketidakseragaman pemutuan. Gambar 23 memperlihatkan hubungan antara hasil perhitungan diameter dengan metode pengolahan citra dengan pengukuran diameter secara langsung. Diperoleh nilai koefisien determinasi sebesar 0.7322, ini berarti diameter hasil pengukuran

38

pengolahan citra tidak cukup memiliki hubungan linear dengan diameter hasil pengukuran secara langsung. 10

9 8,5 (cm)

Diameter Pengukuran Langsung

9,5

8 7,5 y = 0,0356x + 3,6208 R2 = 0,7322

7 6,5 6 80

95

110

125

140

155

Diameter Hasil Pengolahan Citra (piksel)

Gambar 23. Grafik hubungan diameter hasil pengolahan citra dengan diameter pengukuran langsung. 3. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan kulit berbagai tingkat mutu Tingkat kekerasan kulit tidak memiliki hubungan linear dengan indeks warna merah, hijau dan biru pada citra yang direkam dari arah pangkal maupun pada citra yang direkam dari arah samping. Seperti yang terlihat pada Gambar 24 – Gambar 29 dimana nilai koefisien determinasinya berturut-turut yaitu 0.0643, 0.0007 dan 0.0168 pada citra yang direkam dari arah pangkal, dan 0.0617, 0.0044 dan 0.054 pada citra yang direkam dari arah samping, maka dapat disimpulkan bahwa nilai parameter kekerasan kulit tidak dapat diduga dari indeks warna merah, hijau ataupun biru.

39

2,4


2,2 2 1,8 1,6 1,4 1,2

y = -2,9193x + 2,7732 R2 = 0,0643

1 0,8 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Merah

Gambar 24. Grafik hubungan indeks warna merah pada citra yang direkam dari arah pangkal dengan kekerasan kulit. 2,4


2,2 2 1,8 1,6 1,4 1,2 y = 0,3226x + 1,2871 R2 = 0,0007

1 0,8 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Hijau

Gambar 25. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan kekerasan kulit. 2,4


2,2 2 1,8 1,6 1,4 1,2 y = 0,8505x + 1,3254 R2 = 0,0168

1 0,8 0

0,05

0,1

0,15

0,2

0,25

0,3

Indeks Warna Biru

Gambar 26. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan kekerasan kulit.

40

2,4


2,2 2 1,8 1,6 1,4 1,2 y = -3,2827x + 3,0253 R2 = 0,0617

1 0,8 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Merah

Gambar 27. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan kekerasan kulit. 2,4


2,2 2 1,8 1,6 1,4 1,2

y = -1,219x + 2,0274 R2 = 0,0044

1 0,8 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Hijau

Gambar 28. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan kekerasan kulit. 2,4


2,2 2 1,8 1,6 1,4 y = 2,2348x + 1,2806 R2 = 0,054

1,2 1 0,8 0

0,05

0,1

0,15

0,2

Indeks Warna Biru

Gambar 29. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan kekerasan kulit.

41

4. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan daging berbagai tingkat mutu Tingkat kekerasan daging juga tidak memiliki hubungan linear dengan indeks warna merah, hijau dan biru pada citra yang direkam dari arah pangkal maupun pada citra yang direkam dari arah samping. Seperti yang terlihat pada Gambar 30 – Gambar 35 dimana nilai koefisien determinasinya berturut-turut yaitu 0.0103, 0.0007 dan 0.0052 pada citra yang direkam dari arah pangkal, dan 0.0037, 0.000004 dan 0.0036 pada citra yang direkam dari arah samping. 1,7

Kekerasan Daging

1,5 1,3 1,1 0,9 0,7 y = -1,2465x + 1,5249 R2 = 0,0103

0,5 0,3 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Merah

Gambar 30. Grafik hubungan indeks warna merah pada citra yang direkam dari arah pangkal dengan kekerasan daging. 1,7

Kekerasan Daging (Kg)

1,5 1,3 1,1 0,9 0,7 y = -0,3471x + 1,1107 R2 = 0,0007

0,5 0,3 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Hijau

Gambar 31. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan kekerasan daging.

42


1,7 1,5 1,3 1,1 0,9 0,7 y = 0,5049x + 0,8887 R2 = 0,0052

0,5 0,3 0

0,05

0,1

0,15

0,2

0,25

0,3

Indeks Warna biru

Gambar 32. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan kekerasan daging. 1,7


1,5 1,3 1,1 0,9 0,7 y = -0,8621x + 1,3709 R2 = 0,0037

0,5 0,3 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Merah

Gambar 33. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan kekerasan daging. 1,7


1,5 1,3 1,1 0,9 0,7 y = 0,0407x + 0,9331 R2 = 4E-06

0,5 0,3 0,3

0,35

0,4

0,45

0,5

0,55

Indeks Warna Hijau

Gambar 34. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan kekerasan daging.

43

1,7


1,5 1,3 1,1 0,9 y = 0,6168x + 0,9107 R2 = 0,0036

0,7 0,5 0,3 0

0,05

0,1

0,15

0,2

Indeks Warna Hijau

Gambar 35. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan kekerasan daging. Berdasarkan nilai-nilai koefisien determinasi tersebut maka dapat disimpulkan bahwa nilai parameter kekerasan daging tidak dapat diduga dari indeks warna merah, hijau ataupun biru.

5. Korelasi antara indeks warna merah, hijau dan biru dengan total padatan terlarut berbagai tingkat mutu Total padatan terlarut tidak memiliki hubungan linear dengan indeks warna merah, hijau dan biru pada citra yang direkam dari arah pangkal maupun pada citra yang direkam dari arah samping. Seperti yang terlihat pada Gambar 36 – Gambar 41 dimana nilai koefisien determinasinya berturut-turut yaitu 0.085, 0.0126 dan 0.0512 pada citra yang direkam dari arah pangkal, dan 0.0837, 0.0011 dan 0.0597 pada citra yang direkam dari arah samping, maka dapat disimpulkan bahwa nilai parameter kekerasan kulit tidak dapat diduga dari indeks warna merah, hijau ataupun biru.

44

12

TPT (Derajat Brix)

10 8 6 4 y = 20,309x - 2,345 R2 = 0,085

2 0 0,4

0,45

0,5

Indeks Warna Merah

Gambar 36. Grafik hubungan indeks warna merah pada citra yang direkam dari arah pangkal dengan total padatan terlarut. 12

TPT (Derajat Brix)

10 8 6 4 y = 8,2227x + 3,2362 R2 = 0,0126

2 0 0,4

0,45

0,5

Indeks Warna Hijau

Gambar 37. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah pangkal dengan total padatan terlarut. 12

TPT ( Derajat Brix)

10 8 6 4 y = -8,976x + 8,116 R2 = 0,0512

2 0 0

0,05

0,1

0,15

0,2

0,25

0,3

Indeks Warna Biru

Gambar 38. Grafik hubungan indeks warna biru pada citra yang direkam dari arah pangkal dengan total padatan terlarut.

45

12

TPT (Derajat Brix)

10 8 6 4 y = 23,126x - 4,2389 R2 = 0,0837

2 0 0,4

0,45

0,5

0,55

Indeks Warna Merah

Gambar 39. Grafik hubungan indeks warna merah pada citra yang direkam dari arah samping dengan total padatan terlarut. 12

TPT (Derajat Brix)

10 8 6 y = 3,6966x + 5,1729 R2 = 0,0011

4 2 0 0,4

0,45

0,5

0,55

Indeks Warna Hijau

Gambar 40. Grafik hubungan indeks warna hijau pada citra yang direkam dari arah samping dengan total padatan terlarut. 12

TPT (Derajat Brix)

10 8 6 4 y = -14,213x + 7,947 R2 = 0,0597

2 0 0

0,05

0,1

0,15

0,2

Indeks Warna Biru

Gambar 41. Grafik hubungan indeks warna biru pada citra yang direkam dari arah samping dengan total padatan terlarut.

46

D. PERBANDINGAN

PEMUTUAN

MENGGUNAKAN

METODE

PENGOLAHAN CITRA DENGAN PEMUTUAN MENGGUNAKAN METODE PENGUKURAN LANGSUNG Parameter-parameter

yang

dapat

dijadikan

sebagai

parameter

penentuan pemutuan buah jeruk manis pacitan dengan menggunakan pengolahan citra antara lain: untuk citra yang direkam dari arah pangkal yaitu luas objek, diameter, indeks warna merah dan ideks warna biru dan pada citra yang direkam dari arah samping yaitu luas objek, indeks warna merah, indeks warna hijau dan indeks warna biru. Keseluruhan parameter tersebut sudah diuji secara statistik, sehingga dihasilkan nilai batasan interval pada tiap parameter yang akan digunakan untuk proses pemutuan buah jeruk manis pacitan. Pada Tabel 15 - 22 disajikan hasil perbandingan pemutuan buah jeruk manis pacitan menggunakan metode pengolahan citra dengan pemutuan menggunakan metode pengukuran secara langsung atau manual. Angka yang dicetak tebal merupakan nilai persentase yang sesuai untuk setiap mutu pada setiap parameter-parameter. Persentase tingkat keberhasilan atau ketepatan pemutuan yang didapat dengan merata-ratakan angka-angka yang dicetak tebal. Tabel 15. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter luas objek pada citra yang direkam dari arah pangkal. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 0 0 30 (100%) Mutu A 1 (3%) 6 (20%) 23 (77%) Mutu B 0 5 (17%) 25 (83%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 86.7%.

Total 30 (100%) 30 (100%) 30 (100%)

Tabel 16. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter luas objek pada citra yang direkam dari arah samping. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 3 (10%) 1 (3%) 26 (87%) Mutu A 2 (7%) 4 (13%) 24 (80%) Mutu B 0 7 (23%) 23 (77%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 81.3%.

Total 30 (100%) 30 (100%) 30 (100%)

47

Tabel 17. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter diameter objek pada citra yang direkam dari arah pangkal. Pemutuan dengan Pemutuan dengan Pengolahan Citra Pengukuran Langsung Mutu A Mutu B Mutu C 0 0 30 (100%) Mutu A 1 (3%) 5 (17%) 24 (80%) Mutu B 0 4 (13 (%) 26 (87%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 89%.

Total 30 (100%) 30 (100%) 30 (100%)

Tabel 18. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna merah pada citra yang direkam dari arah pangkal. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 4 (13%) 6 (20%) 20 (67%) Mutu A 14 (47%) 11 (37%) 5 (17%) Mutu B 8 (27%) 3 (10%) 19 (63%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 49%.

Total 30 (100%) 30 (100%) 30 (100%)

Tabel 19. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna merah pada citra yang direkam dari arah samping. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 7 (23%) 3 (10%) 20 (67%) Mutu A 10 (33%) 12 (40%) 8 (27%) Mutu B 5 (17%) 5 (17%) 20 (67%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 53.7%.

Total 30 (100%) 30 (100%) 30 (100%)

Tabel 20. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna hijau pada citra yang direkam dari arah samping. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 11 (37%) 1 (3%) 18 (60 %) Mutu A 3 (10%) 13 (43%) 14 (47%) Mutu B 5 (17%) 8 (27%) 17 (57%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 54.67%.

Total 30 (100%) 30 (100%) 30 (100%)

48

Tabel 21. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna biru pada citra yang direkam dari arah pangkal. Pemutuan dengan Pemutuan dengan Pengolahan Citra Pengukuran Langsung Mutu A Mutu B Mutu C 2 (7%) 9 (30%) 19 (63%) Mutu A 13 (43%) 12 (40%) 5 (17%) Mutu B 8 (27%) 4 (13%) 18 (60%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 46.7%.

Total 30 (100%) 30 (100%) 30 (100%)

Tabel 22. Perbandingan antara pemutuan manual dengan pemutuan menggunakan metode pengolahan citra pada parameter indeks warna biru pada citra yang direkam dari arah samping. Pemutuan dengan Pengolahan Citra Pemutuan dengan Pengukuran Langsung Mutu A Mutu B Mutu C 4 (13%) 1 (3%) 25 (84%) Mutu A 6 (20%) 10 (33%) 14 (47%) Mutu B 5 (17%) 7 (23%) 18 (60%) Mutu C Keterangan: Tingkat keberhasilan rata-rata sebesar 63.7%.

Total 30 (100%) 30 (100%) 30 (100%)

Berdasarkan tabel hasil perbandingan di atas dapat dilihat untuk citra yang direkam dari arah pangkal pada parameter luas objek dan parameter diameter objek memiliki nilai tingkat keberhasilan secara berturut-turut 86.7% dan 89%, pada citra yang direkam dari arah samping untuk parameter luas objek, parameter indeks warna merah, parameter indeks warna hijau dan parameter indeks warna biru memiliki nilai tingkat keberhasilan pemutuan masing-masing 81.3%, 53.7% 54.67% dan 63.7%. Hal ini menunjukkan bahwa lebih dari setengah jumlah sampel yang digolongkan secara manual sesuai dengan dengan pengolahan citra. Sedangkan untuk parameter indeks warna merah pada citra yang direkam dari arah pangkal dan parameter indeks warna biru pada citra yang direkam dari arah pangkal tingkat keberhasilan pemutuannya tidak mencapai 50%.

49

V. KESIMPULAN DAN SARAN

A. KESIMPULAN Adapun kesimpulan yang didapatkan dari penelitian ini adalah sebagai berikut: 1. Parameter-parameter yang dianalisis pada penelitian ini antara lain luas objek, diameter objek dan indeks warna RGB (merah, hijau dan biru) yang merupakan parameter untuk pengolahan citra, sedangkan parameterparameter untuk pengukuran langsung antara lain, berat, diameter, tingkat kekerasan kulit dan daging serta total padatan terlarut. 2. Hasil pengukuran menggunakan pengolahan citra memperlihatkan luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping dapat membedakan antara mutu A, B dan C, begitu pula pada pengukuran diameter. Untuk indeks warna merah dan indeks warna biru mampu membedakan mutu A, B dan C pada citra yang direkam dari arah pangkal dan samping, indeks warna hijau dapat membedakan antara mutu A, B dan C pada citra yang direkam dari arah samping sedangkan pada citra yang direkam dari arah pangkal indeks warna hijau tidak dapat membedakan ketiga mutu. 3. Hasil uji statistik terhadap data pengukuran langsung memperlihatkan bahwa berat dan diameter buah dapat membedakan mutu A, B dan C, sedangkan parameter tingkat kekerasan buah dan daging serta total padatan terlarut tidak dapat membedakan ketiga mutu tersebut. 4. Luas objek dengan berat buah memiliki hubungan yang linear. Terlihat dari nilai koefisien determinasi sebesar 0.9397 untuk luas objek citra yang direkam dari arah pangkal dan 0.9183 untuk luas objek untuk citra yang direkam dari arah samping. Dengan tingkat kepercayaan sebesar 93.97% dan 91.83% dapat dikatakan bahwa berat buah dapat diduga dari luas objek. Diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung memiliki nilai koefisien determinasi sebesar 0.7322, ini berarti diameter hasil pengukuran pengolahan citra tidak cukup memiliki hubungan linear dengan diameter hasil pengukuran secara langsung.

5. Indeks warna merah, hijau dan biru memiliki tingkat korelasi yang cukup rendah terhadap tingkat kekerasan kulit, pada citra yang direkam dari arah pangkal memiliki nilai koefisien determinasi masing-masing 0.0643, 0.0007 dan 0.0168, dan pada citra yang direkam dari arah samping memiliki nilai koefisien determinasi masing-masing 0.0617, 0.0044 dan 0.054. Begitu pula dengan tingkat kekerasan daging, dengan nilai koefisien determinasi pada citra yang direkam dari arah pangkal secara berurutan 0.0103, 0.0007 dan 0.0052 dan pada citra yang direkam dari arah samping berturut-turut 0.0037, 0.000004 dan 0.0036. Total padatan terlarut tidak dapat diduga dari indeks warna merah, hijau ataupun biru, hal ini terlihat dari nilai koefisien determinasinya masing-masing secara berurutan 0.085, 0.0126 dan 0.0512 pada citra yang direkam dari arah pangkal, dan pada citra yang direkam dari arah samping 0.0837, 0.0011 dan 0.0597. 6. Tingkat keberhasilan pemutuan yang paling tinggi untuk citra yang direkam dari arah pangkal adalah pada parameter luas objek dan parameter diameter objek dengan nilai tingkat keberhasilan secara berturut-turut 86.7% dan 89%, dan pada citra yang direkam dari arah samping yaitu parameter luas objek dengan nilai tingkat keberhasilan 81.3%

B. SARAN 1. Agar mendapatkan hasil pengambilan citra yang lebih baik lagi maka diperlukan teknik pencahayaan yang tepat. 2. Perlu dicari kriteria pemutuan buah jeruk manis pacitan seperti komponen warna hue, saturation dan intensity (HSI), tekstur buah dan lain-lain dengan menggunakan jumlah sampel yang lebih banyak lagi sehingga parameter-parameter mutu yang didapatkan nantinya dengan metode pengolahan citra dapat digunakan petani, pedagang pengumpul maupun industri dalam mensortasi buah.

51

DAFTAR PUSTAKA

Ahmad, Usman. 2000. Teknik Dasar Pengolahan Citra. Jurusan Teknik Pertanian, Fakultas Teknologi Pertanian, IPB, Bogor.

Arham, Zainul. 2003. Evaluasi Mutu Jeruk Nipis (Citrus aurantifolia Swingle) dengan Pengolahan Citra dan Jaringan Syaraf Tiruan. Tesis. Program Pascasarjana. IPB, Bogor.

Arymurthy, A. M, dan Suryana S. 1992. Pengantar Pengolahan Citra. PT Elex Media Komputindo Gramedia, Jakarta.

Djoema’ijah. 1986. Deskripsi Jeruk Manis. Badan Pengembangan dan Penelitian Pertanian. Sub Balai Penelitian Hortikultura, Malang.

Damiri, D.J. 2003. Identifikasi Tingkat Ketuaan dan Kematangan Jeruk Lemon (Citrus Medica) Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan. Tesis. Program Pascasarjana. IPB, Bogor.

Direktorat Tanaman Buah. 2002. Vademekum Jeruk. Direktorat Jenderal BP Hortikultura. Departemen Pertanian

Gao, X. and J. Tan. 1996. Analysis of Expanded Food Texture by Image Processing, Part I: Geometric Properties. Journal of Food Process Engineering. 19: 425 - 444.

Gunayanti, S. 2002. Pemutuan (grading) Buah Mangga Berdasarkan Sifat Fisik Pemuliaan Buah Menggunakan Pengolahan Citra. Skripsi. Jurusan Teknik Pertanian, IPB, Bogor.

Hume, H. 1957. Citrus Fruits. The Macmillan Company, New York. USA.

Kurniawan, R. 2003. Kajian Karakteristik Mutu Karet Alam Olahan Jenis RSS (Ribbed Smoked Sheet) dengan Teknik Pengolahan Citra. Skripsi. Jurusan Teknik Pertanian, IPB, Bogor.

Kranzler, G.A. 1985. Applying Digital Image Processing in Agriculture. Journal of Agriculture Engineering. 66 (3): 11-13.

Nia, T. S. A. 1993. Budidaya Jeruk. Pusat Perpustakaan Pertanian dan Pengembangan Pertanian, Bogor.

Nurhayati, N. T. 2002. Mempelajari Parameter Mutu Paprika (Capsicum annum Var. grossum) Dengan Pengolahan Citra. Skripsi. Jurusan Teknik Pertanian, IPB, Bogor.

Pangaribuan, H. 1998. Pengembangan Alogaritma Pengolahan Citra Untuk Menentukan Luas Bercak Pada Kulit Buah Mangga Indramayu. Skripsi. Jurusan Teknik Pertanian, IPB, Bogor.

Pantastisco, E. R. B. 1992. Postharvest Physiologi, Handling and Utilization of Tropical and Subtropical Fruits and Vegetable. The AVI Publishing Company, Inc., Wesport, Connecticut. Pracaya. 1996. Jeruk Manis. Varietas, Budidaya dan Pasca Panen. Penebar Swadaya, Jakarta. Qadavy, M. 1998. Pengkajian Sifat Fisik Buah Durian (Durio Zibethinus. Muur) Dengan Teknik Image Processing. Skripsi. Jurusan Teknik Pertanian, IPB, Bogor.

Sarwono, B. 1986. Jeruk dan Kerabatnya. Penebar Swadaya, Jakarta.

Sudjijo dan S. Juliati. 1999. Varietas, Pemanfaatan dan Persebaran Tanaman Jeruk. Badan Pengembangan dan Penelitian Pertanian. Sub Balai Penelitian Hortikultura, Malang.

Walter Reuther, H. J. Webber and L. D. Batchelor. 1967. Citrus Industry Vol. I. History, World Distribution, Botany and Varieties. Revised Edition. Univ. of California. Dev. Of Agric. Sciences.

Widodo, S. E, Y. C. Ginting, Suroso, I. D. M Subrata. 2001. Non Destruction Analysis for Citrus and Lanzone Fruit Qualities using ANN. Proceeding 2nd IFAC – CIGR Workshop on Intelligent Control for Agricultural Application. Bali, Indonesia.

53

Will, R. B. H, Lim, J. S. K and Greenfield, H. 1985. Composition of Australian Food, Citrus Fruits. J Food Technology in Australia. 37 (7).

Yuswanto. 2003. Pemrograman Dasar Microsoft Visual Basic 6.0. PT Prestasi Pustaka, Surabaya

54

Lampiran 1. Berat buah jeruk manis pacitan pada mutu A, B dan C (gram). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 327,67 330,54 276,87 258,55 302,43 295,82 337,47 308,56 270,45 266,64 274,02 282,77 298,93 297,75 250,7 278,15 329,79 268,68 338,68 277,49 278,94 287,9 302,8 257,65 259,08 270,21 381,41 310,23 276,05 287,03

Mutu B 246,1 238,77 215,85 247,97 233,67 249,9 241,91 230,66 242,54 236,15 228,1 236,72 213,86 222,25 219,67 248,58 242,75 231,65 249,29 221,3 238,64 240,25 221,78 219,87 222,82 233,87 253.66 223,44 226,81 230,8

Mutu C 197,01 196,8 186,57 210,38 177 179,2 191,88 189,52 209,35 193,46 204,94 210,38 169,06 212,81 201,83 200.04 212,95 191,52 193,15 187,55 187,09 203,57 198,6 194,05 202,08 164,71 165,53 208,43 208.8 205.37

55

Lampiran 2. Rata-rata diameter buah jeruk manis pacitan pada mutu A, B dan C (cm). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Diameter A 8,37 8,4 7,97 7,53 8,2 7,97 8,47 8,13 7,7 7,37 7,8 7,93 8,17 8,13 8 7,53 7,73 7,87 8,33 7,9 7,63 7,6 7,8 7,77 7,67 7,4 8,83 8,1 7,87 7,83

Diameter B 8 7,87 7,5 7,8 7,5 7,87 7,87 7,77 7,73 7,63 7,67 7,7 7,43 7,53 7,7 7,87 7,77 8 7,73 7,33 7,63 7,3 7,77 7,6 7,23 7,33 7,57 7,33 7,37 7,33

Diameter C 7,27 7,3 7,3 7,37 6,87 7,23 7,27 7,033 7,3 7,17 7,23 7,3 7,03 7,63 7,23 7,37 7,8 7,33 7,27 7,2 7,1 7,47 7,47 7,23 7,33 6,83 6,93 7,33 7,57 7,27

56

Lampiran 3. Rata-rata tingkat kekerasan kulit buah jeruk manis pacitan pada mutu A, B dan C (kg). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 1,55 1,39 1,45 1,36 1,63 1,48 2,26 1,07 1,32 1,43 1,43 1,04 1,63 1,06 1,62 1,27 1,22 1,26 1,7 1,51 1,83 1,59 1,44 1,43 1,44 1,18 1,85 1,35 1,58 1,48

Mutu B 1,52 1,77 1,77 1,89 1,47 1,69 1,31 1,16 1,31 1,44 1,36 1,39 1,04 1,64 1,47 1,37 1,79 1,34 1,31 1,18 1,66 1,58 1,19 1,32 2,07 1,39 1,04 1,14 1,59 1,75

Mutu C 1,46 1,36 1,27 1,25 1,27 1,55 1,23 1,29 1,49 1,56 1,52 1,38 1,21 1,54 1,563 1,64 1,34 1,38 1,45 1,23 1,22 1,83 1,6 1,416 1,01 1,08 1,43 1,37 1,22 1,58

57

Lampiran 4. Rata-rata tingkat kekerasan daging buah jeruk manis pacitan pada mutu A, B dan C (kg). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 0,99 1,03 0,95 0,88 1,34 0,79 1,4 0,45 0,6 0,88 0,82 0,41 0,81 0,57 1,20 0,83 0,86 0,65 1,17 1,00 1,03 1,02 1,04 0,97 1,11 0,64 1,44 0,89 1,02 0,97

Mutu B 0,96 1,26 0,87 1,42 1,08 0,95 1,07 0,70 0,73 1,07 1,04 1,06 1,00 1,07 1,06 0,95 1,50 0,81 0,74 0,5 0,58 0,98 0,49 0,61 1,29 0,9 0,54 0,65 1,21 1,41

Mutu C 1,26 1,04 0,71 0,93 0,96 1,31 0,86 1,07 1,25 1,25 1,06 0,93 0,75 1,09 1,31 1,01 1,04 0,94 0,92 0,92 0,83 0,81 1,27 0,84 0,47 0,66 1,08 0,97 0,78 1,25

58

Lampiran 5. Rata-rata total padatan terlarut buah jeruk manis pacitan pada mutu A, B, dan C ( °Brix). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 4,03 4,4 5,33 4,3 6,1 4,43 5,53 4,53 5,7 4,53 5,67 5,63 5,53 5,33 8,90 8,03 7,47 8,77 6,83 8 6,4 7,37 8,63 7,37 6,77 7,97 6,27 7,53 7,9 8,03

Mutu B 7 8,2 7,2 8,67 6,27 8,77 6,13 7,27 7,03 6,83 5,97 7,17 6,03 7,03 8,6 8,6 6,63 10,5 8,27 6,8 9,57 6,2 7,67 6,13 7,37 4,47 8,70 5,17 6,23 7,77

Mutu C 6,27 7,9 8,6 6,27 6,93 7,47 7,53 6,63 6,37 6,7 9,97 6,97 8,6 9,03 7,07 7,3 7 7,33 4,9 5,2 6,1 6,43 6,4 6,37 6,63 6,27 9,53 6,17 8,80 9,33

59

Lampiran 6. Luas buah jeruk manis pacitan hasil pengolahan citra pada mutu A, B dan C (piksel). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 12870 13380 11444 10468 12222 11716 13059 11737 10692 10516 11292 10953 11575 11704 9859 11118 12842 11122 13611 11455 11286 12015 12114 10348 10749 10727 15534 12376 10824 11759

Pangkal Mutu B 9916 9411 8949 9891 9148 9491 9542 9343 9670 9784 9535 9904 8902 8891 8579 9501 10265 10090 9501 8676 9334 9124 9124 8982 9101 8922 10348 8895 9068 9082

Mutu C 9392 9050 8733 9427 8001 8874 8802 8418 8999 8613 8101 8535 7269 8803 8019 8474 9813 8132 8065 7939 7638 8362 8656 8081 8313 7178 7215 8195 9157 8036

Mutu A 13150 14153 11151 11210 12278 12241 13547 12828 11251 11071 11583 11200 12340 11423 10076 11560 12785 11685 13889 11427 12001 11906 12320 10723 9956 11245 15864 12603 11322 12446

Samping Mutu B 13245 9710 8677 10284 9918 10205 9866 9408 9963 9956 9396 9853 8892 9150 8793 9512 10384 9748 9591 8794 9413 9372 8564 8904 8742 9284 10723 8946 8943 8832

Mutu C 9451 8061 8354 9281 8214 7289 8495 8557 9446 8986 8202 9149 6867 8732 8258 8271 8662 7581 8072 8042 7916 8061 8316 8064 7854 7387 7246 8540 8978 8273

60

Lampiran 7. Diameter buah jeruk manis pacitan hasil pengolahan citra pada mutu A, B dan C (piksel). No. Sampel 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Mutu A 129 132 122 117 125 123 129 124 115 117 120 119 122 123 114 119 129 120 133 122 121 124 123 116 118 117 141 126 119 123

Mutu B 112 111 107 113 109 111 112 110 112 112 111 113 106 106 105 111 115 115 111 107 110 109 109 108 108 107 115 106 108 108

Mutu C 110 108 106 110 102 107 107 103 107 105 102 106 97 106 101 105 107 102 102 101 99 103 105 102 104 96 97 103 107 103

61

Lampiran 8. Indeks warna RGB pada citra yang direkam dari arah pangkal pada mutu A, B, dan C.

No. Sampel RED A GREEN A BLUE A 1 0,437 0,445 0,159 2 0,449 0,446 0,145 3 0,439 0,445 0,156 4 0,47 0,478 0,093 5 0,411 0,417 0,213 6 0,407 0,387 0,247 7 0,462 0,471 0,108 8 0,456 0,491 0,094 9 0,444 0,472 0,124 10 0,47 0,482 0,089 11 0,437 0,448 0,155 12 0,455 0,443 0,143 13 0,445 0,449 0,147 14 0,462 0,452 0,126 15 0,473 0,476 0,091 16 0,444 0,448 0,148 17 0,454 0,429 0,157 18 0,46 0,466 0,115 19 0,411 0,421 0,208 20 0,425 0,418 0,197 21 0,433 0,431 0,177 22 0,414 0,416 0,211 23 0,441 0,437 0,162 24 0,431 0,421 0,189 25 0,482 0,476 0,082 26 0,461 0,43 0,149 27 0,446 0,434 0,16 28 0,455 0,457 0,129 29 0,471 0,485 0,085 30 0,467 0,458 0,116

Indeks Warna RGB RED B GREEN B BLUE B 0,475 0,476 0,09 0,443 0,445 0,152 0.476 0.462 0.102 0,477 0,476 0,088 0,466 0,46 0,114 0,432 0,477 0,132 0,444 0,438 0,159 0,46 0,471 0,11 0,459 0,476 0,105 0,454 0,452 0,134 0,466 0,448 0,127 0,439 0,43 0,171 0,45 0,436 0,155 0,472 0,458 0,111 0,477 0,459 0,107 0,475 0,462 0,104 0,475 0,450 0,133 0,477 0,472 0,092 0,46 0,462 0,119 0,46 0,458 0,123 0,463 0,477 0,1 0,452 0,46 0,129 0,471 0,453 0,116 0,445 0,456 0,14 0,441 0,448 0,151 0,456 0,458 0,126 0,523 0,445 0,072 0,43 0,414 0,197 0,443 0,443 0,154 0,472 0,467 0,102

RED C GREEN C 0,51 0,482 0,462 0,454 0,481 0,465 0,45 0,445 0,474 0,472 0,49 0,47 0,463 0,456 0,459 0,428 0,465 0,465 0,468 0,477 0,465 0,447 0,443 0,463 0,48 0,462 0,45 0,44 0,456 0,439 0,449 0,449 0,454 0,471 0,473 0,472 0,465 0,459 0,478 0,462 0,471 0,452 0,47 0,467 0,448 0,471 0,45 0,459 0,49 0,444 0,486 0,48 0,485 0,451 0,466 0,463 0,480 0,437 0,485 0,480

BLUE C 0,048 0,125 0,095 0,145 0,095 0,081 0,122 0,153 0,11 0,096 0,128 0,135 0,098 0,151 0,145 0,143 0,116 0,096 0,116 0,101 0,118 0,103 0,122 0,131 0,107 0,074 0,105 0,112 0,124 0,076

62

Lampiran 9. Indeks warna RGB pada citra yang direkam dari arah samping pada mutu A, B, dan C.

No. Sampel RED A GREEN A BLUE A 1 0,445 0,47 0,126 2 0,494 0,489 0,058 3 0,453 0,478 0,11 4 0,47 0,472 0,098 5 0,475 0,485 0,081 6 0,466 0,478 0,097 7 0,464 0,473 0,104 8 0,464 0,495 0,082 9 0,475 0,48 0,086 10 0,484 0,489 0,068 11 0,472 0,489 0,08 12 0,472 0,486 0,083 13 0,432 0,462 0,146 14 0,504 0,493 0,044 15 0,475 0,481 0,085 16 0,469 0,483 0,089 17 0,488 0,491 0,062 18 0,465 0,476 0,1 19 0,485 0,489 0,067 20 0,465 0,485 0,091 21 0,486 0,481 0,073 22 0,468 0,489 0,083 23 0,479 0,483 0,078 24 0,478 0,500 0,063 25 0,485 0,482 0,074 26 0,49 0,477 0,074 27 0,449 0,455 0,137 28 0,464 0,492 0,085 29 0,476 0,475 0,09 30 0,483 0,477 0,08

Indeks Warna RGB RED B GREEN B BLUE B RED C GREEN C BLUE C 0,497 0,456 0,505 0,483 0,487 0,49 0,469 0,477 0,465 0,497 0,494 0,489 0,478 0,483 0,487 0,499 0,475 0,503 0,497 0,495 0,484 0,479 0,502 0,481 0,491 0,482 0,461 0,474 0,487 0,472

0,485 0,476 0,504 0,501 0,491 0,483 0,491 0,5 0,488 0,484 0,489 0,491 0,487 0,484 0,492 0,486 0,481 0,497 0,494 0,493 0,495 0,49 0,504 0,486 0,501 0,497 0,422 0,484 0,483 0,467

0,059 0,109 0,032 0,057 0,062 0,067 0,08 0,064 0,088 0,06 0,057 0,06 0,076 0,074 0,061 0,055 0,085 0,04 0,049 0,052 0,061 0,072 0,034 0,073 0,048 0,061 0,138 0,082 0,071 0,101

0,5 0,477 0,507 0,502 0,5 0,508 0,498 0,496 0,492 0,502 0,521 0,51 0,508 0,485 0,51 0,487 0,491 0,471 0,487 0,517 0,482 0,484 0,459 0,495 0,508 0,503 0,517 0,472 0,506 0,479

0,477 0,495 0,496 0,495 0,493 0,476 0,498 0,484 0,493 0,495 0,471 0,493 0,497 0,493 0,491 0,506 0,505 0,492 0,5 0,492 0,49 0,482 0,507 0,502 0,462 0,498 0,483 0,508 0,495 0,484

0,063 0,069 0,037 0,044 0,048 0,057 0,044 0,06 0,055 0,043 0,048 0,037 0,035 0,062 0,039 0,047 0,044 0,078 0,054 0,032 0,068 0,075 0,074 0,044 0,07 0,039 0,04 0,061 0,039 0,078

63

Lampiran 10. Contoh perhitungan nilai ambang batas

Parameter

Tingkat Pemutuan Mutu A

Mutu B

Mutu C

Rata-rata

0.447

0.461

0.469

Standar deviasi

0.02

0.018

0.016

Maksimum

0.482

0.523

0.510

Minimum

0.407

0.43

0.443

-

0.455

0.466

0.455

0.466

-

Ambang bawah Ambang atas Ambang atas mutu A =

(0.447 + 0.02 ) + (0.461 − 0.018 ) = 0.455

2 Ambang atas mutu A = Ambang bawah mutu B (0.461 + 0.018 ) + (0.469 − 0.016 ) = 0.466 Ambang atas mutu B = 2 Ambang atas mutu B = Ambang bawah mutu C

Tingkat Pemutuan (Piksel) Parameter

Mutu A

Mutu B

Mutu C

123

110

104

6

3

4

Maksimum

141

115

110

Minimum

114

105

96

Ambang bawah

115

108

-

Ambang atas

-

115

108

Ambang bawah mutu A =

(123 − 6 ) + (110 + 3) = 115

Rata-rata Standar deviasi

2 Ambang atas mutu B = Ambang bawah mutu A (110 − 3) + (104 + 4 ) = 108 Ambang bawah mutu B = 2 Ambang atas mutu C = Ambang bawah mutu B

64

65

66

SKRIPSI. PEMUTUAN BUAH JERUK MANIS (Citrus sinensis (L) Osbeck) MENGGUNAKAN ALGORITMA PENGOLAHAN CITRA. Oleh: MARIA YUSTINA TAMPUBOLON F

Recommend Documents