Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017 ISSN : 2301-9425
46
ANALISA PERBANDINGAN METODE THESHOLDING
DAN LAPLACE OF GAUSSIAN PADA KEMATANGAN
BUAH TOMAT BERBASIS NILAI RGB
Khairu Saleh
1,Muhammad Syahrizal
2
1)
Mahasiswa program studi Teknik Informatika STMIK Budidarma Medan 2)
Dosen Tetap STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang limun Medan
ABSTRAK
Tomat merupakan salah satu buah yang memiliki proses kematangan relative cepat. Sehingga, klasifikasi
level kematangan tomat memiliki peran yang penting untuk mengurangi resiko pembusukan tomat. Sebelum
proses klasifikasi dilakukan, pada tahap preprocessing dilakukan perbaikan citra untuk meningkatkan kualitas
citra. Pada penelitian ini, pengambilan citra tomat dilakukan di luar ruangan yang mengakibatkan adanya area
lighting pada permukaan tomat. Perbaikan dilakukan untuk menutup dan mengganti nilai area lighting dengan
komponen nilai yang terkandung dalam tomat. Perbaikan dilakukan dengan dua cara, yaitu dengan rata-rata
RGB dan pencarian nilai index piksel. Tahap selanjutnya adalah segmentasi untuk memisahkan objek tomat
dengan background.Untuk mengenal jenis-jenis Citra berdasarkan ciri-cirinya, telah dibuat suatu sistem untuk memisahkan objek menggunakan metode thresholding. Prosesnya dimulai dengan menginput citra digital,
selanjutnya dikonversi ke citra grayscale. Kemudian dilakukan proses segmentasi terhadap citra grayscale.
Selanjutnya Proses terakhir adalah membuat plot contour terhadap hasil proses dilasi dan citra grayscale. Hasil
segmentasi berhasil memisahkan objek citra dengan menggunakan metode thresholding local. Deteksi tepi pada
citra merupakan salah satu bentuk awal dari penanganan perbaikan kualitas citra. Deteksi tepi dilakukan untuk
mengindentifikasi area geometris daun atau buah tomat. Salah satu metode deteksi tepi yang dapat digunakan
adalah metode Laplacian of Gaussian (LoG)
Kata Kunci : Kematangan Buah Tomat, Segmentasi Citra, Thresholding dan Laplacian Of Gaussian
1. PENDAHULUAN
Tomat (Lycopersium esculentum) adalah
Tumbuhan dari keluarga solanaceae, tumbuhan asli
Amerika Tengah dan selatan, dari meksiko sampai
peru. Kata “tomat” berasal dari kata dalam bahasa Nahuat, dimana tomat merupakan keluarga dekat dari
kentang. Dalam representsi warna kematangan buah
tomat ini terdiri dari tiga unsur utama yaitu merah
(red), hijau (green), biru (blue). Gabungan tiga warna
ini membentuk warna-warna lainnya berdasarkan
intensitas dari masing-masing warna.
Aplikasi pengolahan citra mempermudah
penggunanya dalam pengenalan pola yang berperan
dalam memisahkan objek dari latar belakang secara
otomatis. Selanjutnya, objek akan diproses oleh
pengklasifikasi objek. Selain itu pengolahan citra berperan untuk mengenali bentuk-bentuk khusus yang
dilihat oleh mesin sehingga mempermudah dalam
mengenali suatu objek. Perangkat lunak untuk
mengolah citra digital juga sangat populer dalam
perkembangannya, digunakan oleh pengguna untuk
mendeteksi, mengolah foto atau untuk berbagai
keperluan lain sebagai contoh, Adobe Photoshop dan
GIMP (GNU Image Manipulation Program) yang
menyajikan berbagai fitur dalam memanipulasi citra
digital.
Beberapa penelitian yang melalukan proses
seleksi berdasarkan citra (image) objek antara lain
sebagai berikut, Pada penelitian tersebut, diambil
komponen hijau (green) untuk menunjukkan
perbedaan warna antara citra buah tomat dan latar belakangnya. Dan akan diproses untuk mengetahui
permukaan tomat menggunakan metode Laplace.
Kusumadewi Jurnal SINGUDA ENSIKOM
VOL : 4 NO : 3 Desember 2013 Hal : 38-47
melakukan penelitian untuk mendeteksi kematangan
buah tomat menggunakan metode thresholding.
Metode thresholding ini digunakan untuk menentukan
kematangan buah tomat berdasarkan nilai binernya,
0=hitam dan 1=putih. Piksel warna putih dianggap
sebagai piksel aktif. Penelitian ini belum secara
waktu-nyata (realtime), yang mana data citra dimasukkan di-capture terlebih dahulu dan dijadikan
file dalam basis data.
Pengertian dasar thresolding menyatakan
histogram sebelah kiri mewakili citra f(x,y), yang
tersusun atas objek terang di atas background gelap.
Piksel-piksel objek dan background dikelompokkan
menjadi dua mode yang dominan. Cara untuk
mengestrak objek dari background adalah dengan
memilih thereshold T yang memisahkan dua mode
tersebut.
47 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017
ISSN : 2301-9425
Sedangkan POSITRON Jurnal POSITRON
VOL : 11 NO : 1 Desember 2012 Hal : 17-22 Lapcian
of Gaussian menggunakan operator turunan melalui tahap grayscalling sebagai preprocessing. Proses
grayscalling adalah proses untuk mengubah gambar
yang memiliki warna menjadi gambar yang memiliki
tingkat warna abu-abu (gray-level). Proses ini
dilakukan dengan konversi nilai pixel dari 3 nilai RGB
menjadi 1 nilai. Presentasi yang sering digunakan
adalah 29.95% dari warna merah (Red), 58.7% dari
warna hijau (Green), dan 11.4% dari warna biru (biru).
Nilai piksel didapat dari jumlah persentasi 3 nilai
tersebut. Mengkonversi nilai RGB menjadi grayscale
dibentuk dengan menjumlahkan komponen R,G, dan
B.
A. Tujuan
1. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah
sebagai berikut :
1. Untuk memproses pendeteksian kematangan buah
tomat
2. Untuk menerapkn metode Thresholding dan
Lapcian Of Gaussian didalam pendeteksian buah
tomat berbasis nilai RGB.
3. Untuk mengetahui hasi akhir dari kinerja pengolahan citra yang mendeteksi kematangan
buah tomat berbasis nilai RGB dengan
menerapkan metode Thresholding dan Lapcian Of
Gaussian.
II. LANDASAN TEORI
A. Thresholding
Pengertian dasar thresholding menyatakan
histogram sebelah kiri mewakili citra f(x,y), yang
tersusun atas objek terang di atas background gelap.
Piksel-piksel objek dan background dikelompokkan menjadi dua mode yang dominan. Cara untuk
mengestrak objek dari background adalah dengan
memilih thereshold T yang memisahkan dua mode
tersebut.
Sembarang titik (x,y) yang memenuhi
f(x,y)>T disebut titik objek; selain itu, titik disebut
background. Histogram sebelah kanan terbagi menjadi
tiga mode.Misalkan, citra terdiri dari dua objek terang di atas background gelap.Thresholding multilevel
digunakan untuk mengklasifikasikan suatu titik (x,y)
sebagai bagian dari sebuah class objek. Titik (x,y)
menjadi bagia suatu objek jika T1.
Thresholding adalah operasi yang melakukukan
pengetesan terhadap fungsi T berikut :
T= T[x, y, p(x,y), f(x,y)].…………..(2.5)
f(x,y) adalah tingkat keabuan pada titik (x,y) dan
p(x,y) menyatakan operasi lokal dari titik tersebut.
Operasi thresholding digunakan untuk mengubah citra
dengan format skala keabuan, yang mempunyai
kemungkinan lebih dari 2, ke citra biner yang hanya memiliki 2 buah nilai (0 dan 1). Dalam hal ini, titik
dengan nilai rentang nilai keabuan tertentu diubah
menjadi berwarna hitam dan sisanya menjadi warna
putih atau sebaliknya. Perubahan citra skala keabuan menjadi citra
biner dapat dilakukan memakai ambang ganda, yaitu
ambang bawah dan ambang atas, dengan
menggunakan fungsi GST (Gray Scale
Transform).Pengambangan ganda dilakukan untu
menampilkan titik-titik yang mempunyai nilai rentang
tertentu[1].
atau
Fungsi GST untuk operasi pengambangan ganda
B. Basic Global Thresholding
Teknik thresholding yang paling sederhana
adalah mempartisi histogram dengan menggunakan
thereshold global T. segmentasi dilakukan dengan
memeriksa piksel semi piksel dari citra dengan
melabeli setiap piksel sebagai objek atau sebagai
background, tergantung pada tingkat keabuan dari
piksel tersebut, apakah lebih besar atau lebih kecil dari
T. sukses pada metode ini tergantung pada beberapa
bagus partisi dari histogram.
Thresholding global diharapkan bisa sukses pada
lingkungan yang sangat terkontrol, misalnya pada aplikasi pengawasan industri (biasanya kontrol cahaya
48 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017
ISSN : 2301-9425
sangat bagus). Algoritma berikut bisa digunakan untuk
mendapatkan nilai T secara otomatis :
1. Pilih estimasi awal untuk T. 2. Lakukan segmentasi terhaap citra menggunakan
T. proses ini akan menghasilkan dua jeis piksel :
G1 terdiri atas semua piksel dengan nilai tingkat
keabuan >T dan G2 terdiri dari piksel-piksel
dengan nilai £ T.
3. Hitung rata-rata tingkat keabuaan u1 dan u2 unuk
piksel-piksel dalam region G1 dan G2.
4. Hitung nilai thereshold yang baru :T= ½ (u1+u2).
5. Ulangi langkah 2 sampai 4 sampai beda T pada
dua iterasi berurutan lebih kecil dari parameter T0
(didefinisikan sebelumnya).
Jika area background dan area objek perbandingannya hampir sama, nilai awal yang baik
untuk T adalah tingkat keabuan rata-rata dari citra.
Jika area objek lebih kecil dibandingkan area
background (atau sebaliknya), satu kelompok piksel
akan mendominasi histogram, sehingga nilai tengah
antara tingkat keabuan maksimum dan minimum
merupakan pilihan awal yang baik utuk T. Dengan
algoritma iterative dihasilkan T=125.4 setelah tiga
iterasi. T diinisialisasi dengan tingkat keabuan rata-
rata dan T=0. Untuk segmentasi citra, digunakan nilai
T=125[1].
III. ANALISA DAN PEMBAHASAN
A. Analisa Citra
Pada aplikasi pengolahan citra yang akan
dirancang harus memiliki data-data yang akan diolah,
dan digunakan pada sistem yang nantinya digunkan
dalam sistem pendeteksian. Pada aplikasi
pendeteksian kematangan buah tomat ukuran citra
yang digunakan berukuran 256x256 pixel dengan
format JPG. Hal ini dilakukan bertujuan untuk
mengahasilkan nilai RGB yang riil untuk diproses kedalam program aplikasi sehingga ada kecocokan
didalamnya. Citra tomat yang digunakan untuk
pendeteksian menggunakan buah tomat yang berumur
75-100 hari masa tanam.
Proses pendeteksian akan membutuhkan
waktu lama jika meggunakan piksel citra asli yaitu
256x256 pixel. Untuk memudahkan dalam
menganalisa citra, citra hasil capture akan di crop
dengan menggunakan aplikasi Microsoft Office
Picture Manager menjadi 30x30 dengan format JPG.
Gambar 1 Citra Tomat Matang Hasil Cropping
Gambar 2 Citra Tomat Tidak Matang Hasil Cropping
B. Analisa Penerapan Metode
1. Analisa Penerapan Thesholding Pendeteksian citra secara thresholding adalah
melakukan segmentasi dengan memeriksa piksel semi
piksel dari citra dengan melabeli setiap piksel sebagai
objek atau sebagai background, tergantung pada
tingkat keabuan dari piksel tersebut, apakah lebih
besar atau lebih kecil dari T. sukses pada metode ini
tergantung pada beberapa bagus partisi dari histogram.
Jika area background dan area objek
perbandingannya hampir sama, nilai awal yang baik
untuk T adalah tingkat keabuan rata-rata dari citra.
Jika area objek lebih kecil dibandingkan area background (atau sebaliknya), satu kelompok piksel
akan mendominasi histogram, sehingga nilai tengah
antara tingkat keabuan maksimum dan minimum
merupakan pilihan awal yang baik utuk T. Dengan
algoritma iterative dihasilkan T=125.4 setelah tiga
iterasi. T diinisialisasi dengan tingkat keabuan rata-
rata dan T=0. Untuk segmentasi citra, digunakan nilai
T=125.
Gambar 3 Original Image Analisa pengambilan nilai gambar secara
thresholding dapat dipelajari berdasarkan pola warna
atau ditentukan secara intuintif, tetapi theresholding
RGB ini sangat rentan terhadap kestabilan cahaya.
Berikut Analisa kematangan melalui metode
thresholding. Langkah pada pendeteksian citra secara
thresholding ialah perubahan yang ditangkap menjadi
citra bineratau menjadi komponen warna hitam dan
putih, pada proses ini citra yang memiliki intensitas
piksel dibawah 128 akan dirubah menjadi 1 atau putih,
sedangkan intensitas warna yang melebihi dari 128
akan dirubah menjadi 0 atau hitam. Pemberian nilai ambang RGB untuk kematangan
buah tomat, yaitu :
1. Nilai ambang Red= 92-100
2. Nilai ambang Green = 170-210
3. Nilai ambang Blue = 0-90
49 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017
ISSN : 2301-9425
Gambar 4 Nilai Awal Matriks Citra
Langkah dalam pendeteksisan thresholding dengan fungsi GST dengan membandingkan semua baris nilai
Ki=128 :
Atau
Langkah 1
(168<=128)=1 (148<=128)=1
(100<=128)=0
(85<=128)=0
(87<=128)=0
Gambar 5 Langkah 1 Proses Theresholding
Dengan Fungsi GST
Langkah 2
(182<=128)=1
(181<=128)=1
(125<=128)=1
(80<=128)=0
(83<=128)=0
Gambar 6 Langkah 2 Proses Thresholding
Dengan Fungsi GST
Langkah 3
(177<=128)=1
(171<=128)=1
(170<=128)=1
(86<=128)=0
(83<=128)=0
Gambar 7 Langkah 3 Proses Thresholding
Dengan Fungsi GST
Langkah 4
(172<=128)=1
(177<=128)=1
(150<=128)=1 (80<=128)=0
(117<=128)=0
50 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017
ISSN : 2301-9425
Gambar 8 Langkah 4 Proses Thresholding
Dengan Fungsi GST
Langkah 5
(183<=128)=1
(165<=128)=1
(118<=128)=0
(92<=128)=0
(119<=128)=0
Gambar 9 Langkah 5 Proses Thresholding
Dengan Fungsi GST
Gambar 10 Hasil Nilai Piksel Thresholding
IV. IMPLEMENTASI Dalam perancangan sistem pengolahan citra ini,
sistem yang dibangun menggunakan antar muja dan
pengujian . pada antar muka pengolahan, dapat
dimasukan data citra dalam bentuk format dan
berektensi *JPG.
A. Kebutuhan Perangkat Keras dan Perangkat
Lunak
Minimum Requirements
a. Perangkat Keras( Hardware )
1. Harddisk 120GB, 5200RPM, ATA
2. Memori DDR 21GB, 440.5MHz
3. Processor dual core 3.3Ghz
4. Monitor 14 Inchi, 1024 x 720
4. Mouse Full-speed USB, Optical 100-300 dpi,
Wired, USB
6. Keyboard Friendly Key Postion, Wired, PS/2 b. PerangkatLunak (Software)
1. Sistem operasi Windows 7 Ultimate 32 bit
2. Visual basic.net 2008
MaximunRequirements
a. Perangkat Keras( Hardware )
1. Harddisk 500GB, 7200RPM, SATA III
2. Memori DDR 32GB, 665.1MHz
3. Processor core i3 2.4Ghz
4. Monitor 14 Inchi, 1366 x 768
4. Mouse Full-speed USB, Optical 100-3600 dpi,
Wired, USB
6. Keyboard Friendly Key Postion, Wired b. PerangkatLunak (Software)
1. Sistem operasi Windows 7 Ultimate32 bit
2. Visual basic.net 2008
B. Tampilan Utama Program
Tampilan utama merupakan tampilan yang
muncul ketika menjalankan program, untuk
melakukan pendeteksian maka form tampilan yang
muncul adalah sebagai berikut :
Gambar 1 Tampilan Menu Utama Program
Pada tampilan menu program terdapat:
File : Terdapat beberapa menu
didalamnya open, save, close dan exit. Operation : Berisi menu thresholding.
Save : Untuk menyimpan gambar.
Clear : Untuk Membatalkan gambar
Exit : Untuk keluar dari aplikasi.
4.2.3 Menu Open
Tampilan menu open adalah menu
Thersholding untuk memasukan file gambar, proses
ini berguna untuk memproses pendeteksian.
51 Pelita Informatika Budi Darma, Volume : XVI, Nomor: 1, Januari 2017
ISSN : 2301-9425
Gambar 2 Tampilan Menu Open Thersholding
Pada tampilan menu ini terdapat beberapa pilihan :
1. Buka gambar, untuk menampilkan gambar yang
akan di thersholding.
2. Simpan, untuk menyimpan gambar.
3. Keluar, untuk keluar dari aplikasi
4. Button Riset, untuk membatalkan kotak dialog
pada menu buka. 5. Button Terapkan, Untuk menampilkan hasil dari
thersholding
C. Tampilan Menu Operation
Tampilan berikutnya adalah menu tampilan
operation yang berisi men thresholding, menu ini
merupakan proses pendeteksian untuk memeperjelas
larik-larik objek.
Gambar 3 Tampilan Menu Operation
Gambar 4 Tampilan Hasil Histogram Thersholding
V. KESIMPULAN Dari pembahasan yang diuraikan dari pembuatan skripsi ini dapat disimpulkan sebagai berikut :
1. Proses deteksi kematangan buah tomat dalam
perancangan aplikasi ini adalah dengan cara
menentukan objek, melakukan faktor indikator
yang mempengaruhi dari objek yaitu warna RGB.
2. Penerapan metode thresholding didalam
pendeteksian kematangan buah tomat bertujuan
untuk memisahkan latar belakang dari objek yang
akan dideteksi dan merubahnya menjadi gambar
biner atau hitam putih, sehingga lebih jelas antara
objek dan latar belakang yang akan dideteksi.
3. Perancangan aplikasi pengolahan citra deteksi kematangan buah tomat ini menggunakan
software Visual basi.net 2008 yang didalamnya
terdapat GUI (Grapichal User Interface) sebagai
pendukung dalam pembuatan aplikasi pengolahan
citra.
DAFTAR PUSTAKA
1. Hermawati Astuti Fajar. Pengolahan Citra Digital
Konsep dan Teori”. Penerbit Andi, Yogyakarta,
2013.
2. Abdul kadir & Adhi susanto, 2013. Teori dan
plikasi Pengolahan Citra,
Penerbit Andi, Yogyakarta
3. Risky Soetam. “Konsep Dasar Rekayasa Perangkat
Lunak”. Penerbit Prestasi
Pustaka, Jakarta, 2011.
4. Indrajani, S.Kom, MM. 2011. Perancangan Basis
Data Dalam Allin1. Alex
Media Komputindo. Jakarta.
5. Jurnal POSITRON, Vol. II, No. 1 (2012), Hal. 17-
22. Nurhasanah Jurusan
Fisika, FMIPA Universitas Tanjungpura
6. Priyanto, Rahmat, 2009, Langsung Bisa Visual
Basic.Net2008,Penerbit ANDI, Yogyakarta.
7. http://hkti.org/ “Pengenalan Jenis-Jenis Tanaman
Tomat” diakses Mei, 2015.