BAB 4 HASIL PENGUJIAN DAN PEMBAHASAN
Pada bab ini akan diperlihatkan hasil dan pembahasan dari penelitian yang diperoleh berdasarkan penjelasan – penjelasan yang telah dipaparkan pada bab –
bab sebelumnya. Hasil dan pembahasan dari penelitian ini adalah mengenai implementasi Identifikasi Bibit Unggul Daun Tanaman Karet Melalui Deteksi
Tepi Menggunakan Metode Sobel
4.1 Kebutuhan Perangkat Lunak dan Perangkat Keras
Penelitian ini menggunakan perangkat lunak berupa: 1.
Sistem Operasi Windows 7 2.
MATLAB R2009a Spesifikasi perangkat keras yang digunakan berupa:
1. Processor Intel core i3 1.40 GHz
2. RAM 4 GB
3. Harddisk 500 GB
4. Monitor 11.0 inch
4.2 Hasil Pengujian
Pada pengujian dengan sistem ini secara keseluruhan penulis hanya membuat 1 buah halaman antarmuka, Dimana dalam satu halaman tersebut telah menjalankan
keseluruhan dari proses identifikasi. Pada bagian ini, penulis akan menjelaskan dari setiap bagian yang dilakukan
dalam proses pengujian identifikasi
4.2.1 Konversi Citra Aras Keabuan
Pengubahan citra warna menjadi citra aras keabuan dilakukan untuk mempermudah dalam proses yang dilakukan. Dalam proses ini, citra warna
diubah menjadi citra aras keabuan dengan menyediakan sebanyak 8 bit, sehingga keseluruhan warna dari citra asli dapat di gradasi lebih halus lagi. Dengan di
sediakannya 8 bit dalam memori, maka jumlah warna dalam aras keabuan sebanyak 256 warna.
a b
Gambar 4.1 Citra warna a dan citra aras keabuan b Dari Gambar 4.1 dapat dilihat bahwa gambar yang dihasilkan memiliki
gradasi warna yang lebih halus dari citra RGB Red, Green, Blue menjadi citra aras keabuan grayscale. Hal ini diperlukan untuk mempermudah dalam proses
yang selanjutnya akan dilakukan.
4.2.2 Pengembangan thresholding
Dalam proses ini citra yang telah diubah ke dalam citra aras keabuan grayscale akan diubah kedalam bentuk citra biner untuk mempermudah dalam
proses akan dilakukan. Citra biner tersebut akan membutuhkan 1 bit memori untuk menyimpan warna yang di hasilkan. Banyaknya gradasi warna yang di
hasilkan ada sebanyak 2 warna yaitu warna hitam yang bernilai 0 dan warna putih yang bernilai 1.
a b
Gambar 4.2 Citra aras keabuan a dan citra biner b Dari gambar 4.2 sudah jelas terlihat bahwa nilai dari setiap piksel dari citra aras
keabuan grayscale di konversi ke dalam citra biner yang bernilai 0 dan 1.
4.2.3 Deteksi Tepi Citra
Deteksi tepi sangat diperlukan dalam proses identifikasi, hal ini dikarenakan hasil dari proses deteksi tepi ini yang selanjutnya akan digunakan dalam proses
pencocokan pola untuk menentukan tingkat kemiripan dari citra acuan template dengan citra yang akan di uji. Metode deteksi tepi yang dipergunakan adalah
metode Sobel, dimana metode Sobel melakukan pembobotan pada piksel-piksel tetangga yang lebih dekat dengan titik pusat kernel. Oleh karena itu, pengaruh
piksel-piksel tetangga akan berbeda sesuai dengan letaknya terhadap titik dimana gradien dihitung. Dalam melakukan perhitungan gradien, metode ini merupakan
gabungan dari posisi mendatar dan vertikal
Gambar 4.3 Hasil proses deteksi tepi citra metode Sobel Dari gambar 4.3 tampak bahwa gambar yang dihasilkan dari deteksi tepi
metode Sobel memiliki tepi yang baik. Hal ini sangat penting dalam proses pencocokan pola, dimana nilai-nilai dari setiap piksel citra acuan template akan
dicocokkan dengan nilai dari setiap piksel citra yang akan di uji.
4.2.4 Identifikasi Citra
Kategori