39 Tabel 12 Hasil perhitungan statistik pada data nilai I tanaman jeruk lemon
Statistik Bagian Tanaman
daun tangkai
buah Bunga
latar Rata-rata
132 109
190 246
97 Standard Deviasi
36 24
19 8
23 Maksimum
205 171
245 248
149 Minimum
61 61
141 160
37
20 40
60 80
100 120
140 160
180 200
220 240
10 20
30 40
50
Bagian tanaman I
Daun Tangkai bunga buah latar
Gambar 19 Sebaran nilai I untuk daun, tangkai, bunga, buah, dan latar lain Selanjutnya dengan meninjau nilai standar deviasi dari I sebesar 19, maka
nilai rata-rata I dapat dituliskan dengan 246 ±
19. Sehingga secara teoritis nilai ambang yang digunakan untuk memisahkan antara citra buah jeruk lemon dengan
citra daun, tangkai, dan latarnya bisa diambil sebesar 246 - 19 I 246 + 19. Secara logika nilai ini sudah dapat menghilangkan sebagian besar dari citra
daun, tangkai, dan latarnya. Hasil perhitungan statistik dari nilai I dapat dilihat pada Tabel 12, sedangkan sebaran nilai I dapat dilihat pada Gambar 19.
D. Pembahasan
Dari hasil perhitungan dan analisis sebaran parameter-parameter R, G, B, r, g, b, H, S, dan I, maka selanjutnya dapat dirancang nilai ambang yang dapat
digunakan untuk proses pembuatan citra biner buah jeruk lemon. Parameter yang
40 digunakan sebagai nilai ambang adalah yang memiliki perbedaan yang signifikan
antara sebaran nilai buah dan latarnya. Dari grafik pada Gambar 11, Gambar 12, dan uraiannya terlihat jelas bahwa
antara sinyal warna R dan G memiliki perbedaan yang signifikan antara buah lemon dan selainnya. Dan untuk lebih meyakinkan maka dicoba untuk memplot
hubungan antara sinyal R dan G seperti pada Gambar 20.
50 100
150 200
250
50 100
150 200
250 300
R G
Daun tangkai
lemon bunga
Linear Daun Linear bunga
Linear lemon Linear tangkai
Gambar 20 Hubungan nilai R dan G pada citra daun, tangkai, bunga, dan buah lemon
Gambar 20 memperlihatkan hubungan sinyal warna R dan G pada daun, tangkai, dan bunga lemon memiliki korelasi yang ketat. Koefisien determinasi
R
2
untuk daun, tangkai, dan bunga lemon masing-masing adalah 0.8331, 0.9076, 0.5964. Sedangkan koefisien determinasi R
2
untuk buah lemon adalah 0.0111. Dari Gambar 20 tersebut terlihat perubahan nilai R pada citra daun, tangkai,
dan bunga lemon sangat berpengaruh pada nilai G pada citra daun, tangkai, dan bunga lemon. Sehingga nilai R dan G ini dapat digunakan untuk menghilangkan
citra daun, tangkai, dan bunga lemon dan menyisakan citra buah lemon. Untuk mendapatkan nilai yang dapat digunakan mengeliminasi daun dan
tangkai, kita tinjau Tabel 13, yang menginformasikan nilai rata-rata R daun dan
41 tangkai 124 dan 108. Dengan mempertimbangkan adanya nilai yang lebih besar
dari nilai tersebut maka ditentukan nilai R untuk menghilangkan daun, tangkai, dan latar adalah R 200.
Dari Tabel 13 juga terlihat bahwa nilai rata-rata G untuk daun dan tangkai adalah 158 dan 114. Dengan mempertimbangkan adanya nilai yang lebih besar
dari nilai rata-rata tersebut, maka nilai G yang digunakan untuk menghilangkan daun dan tangkai adalah G 180. Nilai G diambil lebih besar dari 180 dengan
tujuan juga untuk menghilangkan sebagian besar citra daun, tangkai, dan latarnya. Sehingga nilai R dan G yang digunakan untuk menghilangkan daun, tangkai, dan
latarnya dirumuskan dalam formula 1: R 200 dan G 180. Tabel 13 Nilai rata -rata R, G, B, r, g, b, 2r-g-b, 2r-0.5g-b
Obyek
\
Nilai Rata2
R G
B r
g B
2r-g-b 2r-0.5g-b Daun
124 158
115 0.3081 0.3954 0.2965 -0.0757 0.1220
Tangkai 108
114 107
0.3232 0.3423 0.3345 -0.0304 0.1407 Buah
225 205
136 0.3988 0.3621 0.2391 0.1963 0.3773
Bunga 246
247 247
0.3326 0.3338 0.3337 -0.0023 0.1645 Selanjutnya dicoba menghilangkan citra bunga lemon yang berwarna putih.
Dalam percobaan ini selain obyek bunga, juga ditambahkan kertas putih yang memiliki kemiripan warna dengan bunga lemon. Dari hasil percobaan yang
ditampilkan dalam Tabel 3 terlihat bahwa nilai rata-rata R, G, dan B bunga lemon memiliki nilai yang hampir sama yaitu 246, 247, dan 247.
Dengan dasar ini maka dilakukan analisis terhadap data aktual yang didapat dari hasil perekaman citra. Dan ternyata nilai R, G, dan B pada bunga lemon yang
sering muncul jatuh pada nilai yang selalu sama, yaitu 248. Dari data sebaran nilai RGB untuk citra bunga lemon pada Lampiran 4, diketahui bahwa sebesar 91.2
dari 250 titik data tersebut, sinyal warna RGB selalu jatuh pada nilai yang sama, yaitu 248. sehingga untuk menghilangkan citra bunga lemon dan mendapatkan
citra biner buahnya saja digunakan parameter R, G, dan B secara serentak dan dirumuskan dengan formula 2: R=G=B = 248.
Dari Tabel 13 juga terlihat nilai rata -rata untuk kombinasi indeks 2r -0.5g-b buah 0.3773 jauh di atas daun, tangkai, dan bunga yang bernilai 0.1220, 0.1407,
dan 0.1645. Dengan dasar ini maka kombinasi indeks 2r -0.5g-b dapat digunakan
42 sebagai sarana tambahan untuk memisahkan buah lemon terhadap latarnya.
Gambar 21 digunakan untuk membantu dalam memformulasikan batasan nilai thresholding untuk memisahkan buah lemon terhadap latarnya yang dirumuskan
sebagai formula 3 : 2r-0.5g-b ≥
0.15 dan 2r-0.5g-b ≤
0.55
-0.24 -0.14
-0.04 0.06
0.16 0.26
0.36 0.46
0.56 0.66
10 20
30 40
50
2r-0,5g-b
Daun Tangkai bunga buah latar
bagian tanaman
Gambar 21 Sebaran nilai kombinasi indeks 2r -0.5g-b tanaman jeruk lemon Dengan dasar uraian di atas, selanjutnya dilakukan penggabungan formula
1 hingga formula 3 yang menghasilkan algoritma thresholding lemon, yang dinyatakan dengan :
Mulai
Jika R=G dan G=B dan R=248 dan 2r-0.5g-b ≥
0.15 dan 2r -0.5g-b ≤
0.55 maka
Tampilkan pixel dalam warna hitam latar; selain itu jika R200 dan G180 dan 2r -0.5g-b
≥ 0.15 dan 2r -0.5g-b
≤ 0.55
maka Ta mpilkan pixel dalam warna putih lemon ;
43 Selain itu
Tampilkan pixel dalam warna hitam latar;
Selesai
Dengan menggunakan algoritma thresholding dan dengan pengaturan cahaya agar citra yang dihasilkan sesuai dengan obyek sebenarnya, maka
dilakukan operasi pemisahan citra buah jeruk lemon dengan selainnya. Didapat hasil thresholding dengan menggunakan parameter di atas dalam bentuk citra
biner buah lemon dan komentarnya sebagai berikut :
a b Gambar 22 a citra lemon asli b citra biner hasil thresholding
Dari Gambar 22 dan 23 di atas dapat terlihat bahwa cahaya yang terlalu terang membuat antara warna satu dengan yang lain menjadi sulit dibedakan. Atau
dengan kata lain warna apapun akan dianggap putih tinggi, sehingga citra lemon di atas menjadi tidak utuh. Dan dengan mengurangi intensitas cahaya yang
digunakan maka citra biner lemon hasil thresholding tersebut akan menjadi lebih baik.
44 a b
Gambar 23 a Citra lemon dan daun asli ; b citra biner hasil thresholding Selanjutnya pada Gambar 24 terlihat bahwa hasil thresholding untuk jeruk lemon
usia ≥
120 hsbm lebih baik. Sedang untuk jeruk lemon yang masih agak kehijauan usia 120 hsbm hasil thresholdingnya kurang baik. Hal ini sesuai dengan
rancangan algoritma yang digunakan, pendeteksian hanya bisa untuk buah jeruk lemon yang sudah matang.
Gambar 24 a Citra lemon usia ≥
120 hsbm, lemon 120 hsbm, daun, dan tangkai ; b Citra biner hasil thresholding
Gambar 25 direkam menggunakan obyek yang sama, namun ditambahkan potongan kertas putih pada kain hitam tanda dan permukaan jeruk lemon
paling kanan tanda x . Penambahan potongan kertas putih ini dimaksudkan
sebagai pengganti bunga lemon yang juga berwarna putih. Hasilnya terlihat bahwa selain daun dan kain hitam, kertas putih itu juga tereliminasi dengan baik,
hal ini sesuai dengan skenario yang dirancang, yaitu untuk menghilangkan bunga
45 yang berwarna putih seperti kertas putih. Selain itu daun dan tangkainya yang
menutupi buah jeruk lemon juga berhasil dihilangkan dengan baik.
a b Gambar 25 a Citra lemon usia
≥ 120 hsbm, lemon 120 hsbm, daun, tangkai,
dan potongan kertas putih ; b Citra biner hasil thresholding
a b Gambar 26 a Citra lemon usia
≥ 120 hsbm, lemon 120 hsbm, daun, tangkai,
dan bunga ; b Citra biner hasil thresholding Pada Gambar 26, menunjukkan hasil uji coba perekaman tanaman jeruk
lemon yang ada buah, bunga, dan latar belakang benda-benda lain yang juga terdapat warna putih. Dalam percobaan ini tidak digunakan latar belakang kain
hitam secara penuh dengan tujuan untuk menguji kestabilan algoritma pengolahan citra yang dikembangkan. Setelah dilakukan thresholding, didapat hasil citra biner
yang hanya menampilkan buah jeruk lemon usia 120 hsbm. saja.
46 Percobaan selanjutnya adalah dengan menggunakan gabungan citra buah
lemon usia ≥
120 hsbm, daun, dan tangkai. Hasil thresholding menghasilkan citra biner yang cukup baik seperti ditampilkan pada Gambar 27, 28, 29, 30, dan 31.
Dan pada Gambar 31, cahaya yang terlalu terang mengakibatkan sebagian buah lemon menjadi berwarna putih. akibatnya hasil thresholdingnya menjadi tidak
utuh.
a b
Gambar 27 a Citra lemon usia ≥
120 hsbm, daun, dan tangkai; b Citra biner hasil thresholding
a b Gambar 28 a Citra lemon usia
≥ 120 hsbm, daun, dan tangkai; b Citra biner
hasil thresholding
47 a b
Gambar 29 a Citra lemon usia ≥
120 hsbm, daun, dan tangkai ; b Citra biner hasil thresholding
a b Gambar 30 a Citra lemon usia
≥ 120 hsbm, daun, dan tangkai ; b Citra biner
hasil thresholding
a b Gambar 31 a Citra lemon usia
≥ 120 hsbm, daun, dan tangkai ; b Citra biner
hasil thresholding
48
E. Simpulan
