Evaluasi Parameter Pemutuan Wortel (Daucus Carota L.) Menggunakan Pengolahan Citra

i

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

Oleh:

INDRA LASMARA F14104051

2008

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

ii

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian

Institut Pertanian Bogor

Oleh :

INDRA LASMARA F14104051

2008

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

iii

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian

Institut Pertanian Bogor

Oleh:

INDRA LASMARA F14104051

Dilahirkan pada tanggal 11 Maret 1985, Kuningan Tanggal lulus:

Bogor, Agustus 2008 Menyetujui,

Dosen Pembimbing Akademik

Dr. Ir. Usman Ahmad, M. Agr

NIP. 131 999 960 Mengetahui,

Dr. Ir. Wawan Hermawan, MS

iv

RIWAYAT HIDUP

Penulis, Indra Lasmara dilahirkan di Kuningan pada tanggal 11 Maret 1985. Anak kedua dari empat bersaudara dari pasangan Iing Solihin dan Diah N.

Penulis menempuh pendidikan di SDN Darma 1 Kuningan lulus tahun 1998 pada tahun yang sama penulis melanjutkan pendidikannya ke MTs Negeri Darma Kuningan lulus tahun 2001 kemudian penulis melanjutkan pendidikannya ke jenjang yang lebih tinggi yaitu ke SMU Negeri 1 Kuningan dan lulus pada tahun 2004. Pada tahun yang sama, penulis diterima di IPB pada Departemen Teknik Pertanian melalui jalur Undangan Seleksi Masuk IPB (USMI). Pada semester lima, penulis masuk bagian Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP) dengan dosen pembimbing akademik Dr. Ir. Usman Ahmad, M. Agr

Selama perkuliahan, penulis pernah aktif dalam organisasi kemahasiswaan Badan Eksekutif Mahasiswa (BEM) FATETA sebagai staf Kesejahteraan Mahasiswa (KESMA) pada tahun 2006. Selain itu juga, penulis aktif di Organisasi Mahasiswa Daerah (OMDA) Himpunan Mahasiswa Aria Kamuning (HIMARIKA) Kuningan-IPB sebagai pengurus pada tahun 2004-2007, dan sebagai anggota Koperasi Mahasiswa (KOPMA) IPB pada tahun 2005-2006. Pada tahun 2006 penulis menjadi asisten praktikum untuk mata kuliah Termodinamika dan Pindah Panas. Penulis pernah meraih prestasi sebagai juara III penyaji poster pada Pekan Ilmiah Mahasiswa Nasional (PIMNAS) XXI 2008 di Semarang.

Penulis melakukan praktek lapang pada tahun 2007 di PT. Perkebunan Nusantara VIII Kebun Rancabali, Ciwidey, Bandung, Jawa Barat dengan judul “Aspek Keteknikan pada Proses Pengolahan Teh di PT. Perkebunan Nusantara VIII Kebun Rancabali, Ciwidey, Bandung, Jawa Barat”. Pada tahun 2008 penulis menyelesaikan pendidikan di IPB dengan judul skripsi “Evaluasi Parameter Pemutuan Wortel (Daucus carota L.) Menggunakan Pengolahan Citra”.

v

Indra Lasmara. F14104051. Evaluasi Parameter Pemutuan Wortel (Daucus carrota L.) Menggunakan Pengolahan Citra. Dibawah bimbingan : Dr. Ir. Usman Ahmad, M. Agr. 2008

RINGKASAN

Sayuran merupakan salah satu produk hortikultura yang mempunyai peluang cukup besar untuk dikembangkan di Indonesia. Dari sudut pandang produksi, budidaya sayuran dapat dilakukan secara teratur sepanjang tahun karena iklimnya yang memungkinkan. Salah satu produk hortikultura yang banyak diminati atau dikonsumsi oleh masyarakat adalah wortel. Saat ini perkembangan tanaman wortel sudah cukup luas diusahakan oleh petani, hal ini disebabkan karena harganya yang menguntungkan serta dibutuhkan oleh masyarakat secara luas. Akan tetapi, pedagang atau petani masih kurang optimal dalam melakukan penanganan pasca panen wortel, sehingga produk yang dipasarkan kurang berkualitas. Salah satunya adalah proses pemutuan, dimana proses ini biasanya dilakukan secara visual dengan memperhatikan bentuk fisik, sifat fisik, ukuran buah atau kombinasinya yang dilakukan secara manual. Oleh karena itu, diperlukan sistem visual yang dapat digunakan untuk proses pemutuan dan pendeteksian kerusakan pada buah-buahan dan sayuran. Salah satu sistem visual yang telah dipakai adalah teknik pengolahan citra (image processing).

Tujuan penelitian ini adalah untuk mempelajari parameter mutu visual wortel berdasarkan Standarisasi Nasional Indonesia (SNI) dan yang berlaku di lapangan melalui citra digital, mengevaluasi parameter pemutuan wortel menggunakan pengolahan citra, dan melakukan pemutuan wortel dengan pengolahan citra dan melakukan validasi terhadap hasil pemutuan.

Penelitian ini dilakukan di laboraturium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian. Adapun waktu pelaksanaannya dimulai pada bulan Mei sampai dengan Juni 2008. Pengukuran wortel dilakukan dengan dua tahap, tahap pertama adalah pengukuran secara langsung dan tahap kedua pengukuran dengan menggunakan metode pengolahan citra.

Setelah dilakukan penelitian, diketahui bahwa pola penyebaran nilai untuk beberapa parameter mutu wortel tidak menunjukkan perbedaan yang signifikan, baik pada pengukuran langsung maupun pada pengolahan citra. Hal ini disebabkan oleh beberapa faktor, diantaranya kejenuhan dan kelelahan mata manusia pada saat melakukan pemutuan secara manual.

Berdasarkan korelasi antara pengukuran manual dan hasil pengolahan citra, didapat nilai koefisien determinasi untuk setiap korelasi. Korelasi anatar area dan berat wortel menghasilkan nilai koefisien determinasi sebesar 0.920. korelasi antara feret’s diameter aktual dengan feret’s diameter hasil pengolahan citra menghasilkan nilai koefisien determinasi sebesar 0.799. Parameter mutu pengolahan citra yang mempunyai korelasi yang baik yaitu korelasi antara panjang aktual dengan panjang hasil pengolahan citra dengan nilai koefisien determinasi sebesar 0.961. Sedangkan parameter mutu pengolahan citra yang mempunyai korelasi kurang baik yaitu korelasi antara diameter aktual dengan dameter hasil pengolahan citra dengan nilai koefisien determinasi sebesar 0.777.

Parameter mutu pengolahan citra (image processing) yang dapat digunakan untuk pemutuan adalah panjang, diameter, dan area. Adapun batas-batas nilai untuk

vi pemutuan berdasarkan parameter panjang adalah, mutu A antara 265-320 piksel, mutu B antara 201-265 piksel, dan untuk mutu C kurang dari 201 piksel atau lebih dari 320 piksel. Untuk diameter batas-batas nilai yang digunakan adalah, mutu A antara 84-116 piksel, mutu B antara 52-84 piksel, dan untuk mutu C kurang dari 52 piksel atau lebih dari 116 piksel. Untuk area, batas-batas nilai yang digunakan adalah, mutu A antara 7526-15026 piksel, mutu B antara 5651-7526 piksel, dan untuk mutu C kurang dari 5651 piksel atau lebih dari 15026 piksel.

Validasi mutu dengan pengolahan citra berdasarkan panjang menghasilkan ketepatan sebesar 81.6% untuk mutu A, 83.5% untuk mutu B, dan 80% untuk mutu C. Berdasarkan diameter menghasilkan ketepatan sebesar 72.4% untuk mutu A, 87.2% untuk mutu B, dan 71% untuk mutu C. Validasi mutu dengan pengolahan citra berdasarkan area menghasilkan ketepatan sebesar 92% untuk mutu A, 93.6% untuk mutu B, dan 81.8% untuk mutu C.

vii

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan hidayah-Nya. Shalawat serta salam semoga tercurahkan pada nabi Muhammad SAW, keluarga serta sahabat sehingga penulis dapat menyelesaikan skripsi yang berjudul “Evaluasi Parameter Pemutuan Wortel (Daucus carota L.) Menggunakan Pengolahan Citra ”. Skripsi ini merupakan salah satu syarat untuk menyelesaikan pendidikan sarjana di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB.

Dalam penulisan skripsi ini, penulis banyak menerima saran dan kritik serta motivasi dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada :

1. Dr. Ir. Usman Ahmad, M. Agr selaku dosen pembimbing akademik atas bimbingan, arahan, masukan, dan kemudahan dalam penyusunan skripsi ini.

2. Dr. Ir. Suroso, M. Agr dan Dr. Ir. I Dewa Made Subrata, M. Agr selaku dosen penguji yang telah meluangkan waktunya menjadi penguji dan telah memberikan masukan dan bimbingan selama penulisan skripsi ini.

3. Kedua orang tua penulis dan kedua adik penulis (Shofa dan Yayi) yang selalu memberikan doa, motivasi dan semangat pada penulis.

4. Pak Sulyaden yang telah banyak membantu selama penelitian.

5. Frima, Bayu, Shohib, Ilham, Haritz, Emma, Eni, Rizka, Nera, Elvi, Gunawan dan teman-teman lainnya yang telah banyak membantu selama penelitian.

6. Team “Mr. BrownCo” (Sigit, Bach, Irna, Bule, dan Eni) yang telah memberi dukungan dan semangat pada penulis.

7. Saudara-saudara penghuni “Blue House” (Heru, Anami, Salamun, Siwi, Busan, Adi, Andika, Tuko, dan Iboy) yang telah memberikan motivasi dan doa serta semangat pada penulis.

8. Rekan-rekan TEP 41 yang menjadi sumber informasi dan motivasi.

Akhir kata, penulis menyadari bahwa tulisan ini masih jauh dari kesempurnaan mengingat terbatasnya pengetahuan dan pengalaman yang dimiliki oleh penulis. Oleh karena itu, penulis mengharapkan kritik dan saran yang

viii membangun. Mohon maaf atas segala kesalahan dan kekurangan. Semoga skripsi ini memberikan manfaat bagi penulis dan pembaca.

Bogor, Agustus 2008

i

DAFTAR ISI

Halaman

DAFTAR ISI ... i

DAFTAR TABEL ... ii

DAFTAR GAMBAR ... iii

DAFTAR LAMPIRAN ... iv

I.PENDAHULUAN ... 1

A. Latar Belakang ... 1

B. Tujuan ... 2

II. TINJAUAN PUSTAKA ... 3

A. Tanaman Wortel ... 3

B. Pengolahan Citra ... 6

C. Pengolahan Warna ... 8

D. Penelitian Terdahulu ... 10

III. METODE PENELITIAN ... 12

A. Waktu dan Tempat Penelitian ... 12

B. Alat dan Bahan ... 12

C. Prosedur Penelitian ... 13

IV. HASIL DAN PEMBAHASAN ... 19

A. Parameter Mutu Wortel dengan Metoda Pengukuran Langsung ... 18

B. Pemrograman Visual Basic 6.0. untuk Evaluasi Pemutuan Wortel ... 23

C. Parameter Mutu Wortel dengan Metoda Pengolahan Citra ... 27

D. Korelasi Pemutuan Wortel Berdasarkan Metoda Pengukuran Langsung dengan metoda Pengolahan Citra ... 36

E. Validasi Parameter Pemutuan Wortel ... 40

V. KESIMPULAN DAN SARAN ... 46

A. Kesimpulan ... 46

B. Saran ... 47

ii

DAFTAR TABEL

Halaman

Tabel 1. Standard pemutuan wortel di tingkat petani ... 5

Tabel 2. Standar pemutuan wortel segar berdasarkan SNI ... 6

Tabel 3. Data perhitungan statistik untuk parameter panjang wortel ... 19

Tabel 4. Data perhitungan statistik untuk parameter diameter wortel ... 20

Tabel 5. Data perhitungan statistik untuk parameter diameter wortel ... 21

Tabel 6. Data perhitungan statistik untuk parameter berat wortel ... 23

Tabel 7. Hasil perhitungan statistik pada parameter panjang wortel hasil pengolahan citra ... 28

Tabel 8. Hasil perhitungan statistik pada Area wortel hasil pengolahan citra ... 29

Tabel 9. Hasil perhitungan statistik pada diameter wortel hasil pengolahan citra …31 Tabel 10. Hasil perhitungan statistik feret’s diameter hasil pengolahan citra ... 33

Tabel 11. Hasil perhitungan statistik pada roundness wortel hasil pengolahan Citra ... 34

Tabel 12. Hasil perhitungan statistik untuk komponen warna merah pada wortel... 35

Tabel 13. Hasil perhitungan statistik untuk komponen warna hijau pada wortel .... 36

Tabel 14. Hasil perhitungan statistik untuk komponen warna biru pada wortel ... 37

Tabel 15. Batas-batas nilai untuk pemutuan wortel secara manual ... 40

Tabel 16. Batas-batas nilai untuk pemutuan wortel dengan pengolahan citra ... 40

Tabel 17. Pendugaan mutu wortel berdasarkan panjang secara manual ... 41

Tabel 18. Pendugaan mutu wortel berdasarkan panjang dengan pengolahan citra .. 41

Tabel 19. Pendugaan mutu wortel berdasarkan diameter secara manual ... 42

Tabel 20. Pendugaan mutu wortel berdasarkan diameter dengan pengolahan citra 43

Tabel 21. Pendugaan mutu wortel berdasarkan berat secara manual ... 44

i

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

Oleh:

INDRA LASMARA F14104051

2008

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

ii

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian

Institut Pertanian Bogor

Oleh :

INDRA LASMARA F14104051

2008

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

iii

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR

EVALUASI PARAMETER PEMUTUAN WORTEL (Daucus carota L.) MENGGUNAKAN PENGOLAHAN CITRA

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian

Institut Pertanian Bogor

Oleh:

INDRA LASMARA F14104051

Dilahirkan pada tanggal 11 Maret 1985, Kuningan Tanggal lulus:

Bogor, Agustus 2008 Menyetujui,

Dosen Pembimbing Akademik

Dr. Ir. Usman Ahmad, M. Agr

NIP. 131 999 960 Mengetahui,

Dr. Ir. Wawan Hermawan, MS

iv

RIWAYAT HIDUP

Penulis, Indra Lasmara dilahirkan di Kuningan pada tanggal 11 Maret 1985. Anak kedua dari empat bersaudara dari pasangan Iing Solihin dan Diah N.

Penulis menempuh pendidikan di SDN Darma 1 Kuningan lulus tahun 1998 pada tahun yang sama penulis melanjutkan pendidikannya ke MTs Negeri Darma Kuningan lulus tahun 2001 kemudian penulis melanjutkan pendidikannya ke jenjang yang lebih tinggi yaitu ke SMU Negeri 1 Kuningan dan lulus pada tahun 2004. Pada tahun yang sama, penulis diterima di IPB pada Departemen Teknik Pertanian melalui jalur Undangan Seleksi Masuk IPB (USMI). Pada semester lima, penulis masuk bagian Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP) dengan dosen pembimbing akademik Dr. Ir. Usman Ahmad, M. Agr

Selama perkuliahan, penulis pernah aktif dalam organisasi kemahasiswaan Badan Eksekutif Mahasiswa (BEM) FATETA sebagai staf Kesejahteraan Mahasiswa (KESMA) pada tahun 2006. Selain itu juga, penulis aktif di Organisasi Mahasiswa Daerah (OMDA) Himpunan Mahasiswa Aria Kamuning (HIMARIKA) Kuningan-IPB sebagai pengurus pada tahun 2004-2007, dan sebagai anggota Koperasi Mahasiswa (KOPMA) IPB pada tahun 2005-2006. Pada tahun 2006 penulis menjadi asisten praktikum untuk mata kuliah Termodinamika dan Pindah Panas. Penulis pernah meraih prestasi sebagai juara III penyaji poster pada Pekan Ilmiah Mahasiswa Nasional (PIMNAS) XXI 2008 di Semarang.

Penulis melakukan praktek lapang pada tahun 2007 di PT. Perkebunan Nusantara VIII Kebun Rancabali, Ciwidey, Bandung, Jawa Barat dengan judul “Aspek Keteknikan pada Proses Pengolahan Teh di PT. Perkebunan Nusantara VIII Kebun Rancabali, Ciwidey, Bandung, Jawa Barat”. Pada tahun 2008 penulis menyelesaikan pendidikan di IPB dengan judul skripsi “Evaluasi Parameter Pemutuan Wortel (Daucus carota L.) Menggunakan Pengolahan Citra”.

v

Indra Lasmara. F14104051. Evaluasi Parameter Pemutuan Wortel (Daucus carrota L.) Menggunakan Pengolahan Citra. Dibawah bimbingan : Dr. Ir. Usman Ahmad, M. Agr. 2008

RINGKASAN

Sayuran merupakan salah satu produk hortikultura yang mempunyai peluang cukup besar untuk dikembangkan di Indonesia. Dari sudut pandang produksi, budidaya sayuran dapat dilakukan secara teratur sepanjang tahun karena iklimnya yang memungkinkan. Salah satu produk hortikultura yang banyak diminati atau dikonsumsi oleh masyarakat adalah wortel. Saat ini perkembangan tanaman wortel sudah cukup luas diusahakan oleh petani, hal ini disebabkan karena harganya yang menguntungkan serta dibutuhkan oleh masyarakat secara luas. Akan tetapi, pedagang atau petani masih kurang optimal dalam melakukan penanganan pasca panen wortel, sehingga produk yang dipasarkan kurang berkualitas. Salah satunya adalah proses pemutuan, dimana proses ini biasanya dilakukan secara visual dengan memperhatikan bentuk fisik, sifat fisik, ukuran buah atau kombinasinya yang dilakukan secara manual. Oleh karena itu, diperlukan sistem visual yang dapat digunakan untuk proses pemutuan dan pendeteksian kerusakan pada buah-buahan dan sayuran. Salah satu sistem visual yang telah dipakai adalah teknik pengolahan citra (image processing).

Tujuan penelitian ini adalah untuk mempelajari parameter mutu visual wortel berdasarkan Standarisasi Nasional Indonesia (SNI) dan yang berlaku di lapangan melalui citra digital, mengevaluasi parameter pemutuan wortel menggunakan pengolahan citra, dan melakukan pemutuan wortel dengan pengolahan citra dan melakukan validasi terhadap hasil pemutuan.

Penelitian ini dilakukan di laboraturium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian. Adapun waktu pelaksanaannya dimulai pada bulan Mei sampai dengan Juni 2008. Pengukuran wortel dilakukan dengan dua tahap, tahap pertama adalah pengukuran secara langsung dan tahap kedua pengukuran dengan menggunakan metode pengolahan citra.

Setelah dilakukan penelitian, diketahui bahwa pola penyebaran nilai untuk beberapa parameter mutu wortel tidak menunjukkan perbedaan yang signifikan, baik pada pengukuran langsung maupun pada pengolahan citra. Hal ini disebabkan oleh beberapa faktor, diantaranya kejenuhan dan kelelahan mata manusia pada saat melakukan pemutuan secara manual.

Berdasarkan korelasi antara pengukuran manual dan hasil pengolahan citra, didapat nilai koefisien determinasi untuk setiap korelasi. Korelasi anatar area dan berat wortel menghasilkan nilai koefisien determinasi sebesar 0.920. korelasi antara feret’s diameter aktual dengan feret’s diameter hasil pengolahan citra menghasilkan nilai koefisien determinasi sebesar 0.799. Parameter mutu pengolahan citra yang mempunyai korelasi yang baik yaitu korelasi antara panjang aktual dengan panjang hasil pengolahan citra dengan nilai koefisien determinasi sebesar 0.961. Sedangkan parameter mutu pengolahan citra yang mempunyai korelasi kurang baik yaitu korelasi antara diameter aktual dengan dameter hasil pengolahan citra dengan nilai koefisien determinasi sebesar 0.777.

Parameter mutu pengolahan citra (image processing) yang dapat digunakan untuk pemutuan adalah panjang, diameter, dan area. Adapun batas-batas nilai untuk

vi pemutuan berdasarkan parameter panjang adalah, mutu A antara 265-320 piksel, mutu B antara 201-265 piksel, dan untuk mutu C kurang dari 201 piksel atau lebih dari 320 piksel. Untuk diameter batas-batas nilai yang digunakan adalah, mutu A antara 84-116 piksel, mutu B antara 52-84 piksel, dan untuk mutu C kurang dari 52 piksel atau lebih dari 116 piksel. Untuk area, batas-batas nilai yang digunakan adalah, mutu A antara 7526-15026 piksel, mutu B antara 5651-7526 piksel, dan untuk mutu C kurang dari 5651 piksel atau lebih dari 15026 piksel.

Validasi mutu dengan pengolahan citra berdasarkan panjang menghasilkan ketepatan sebesar 81.6% untuk mutu A, 83.5% untuk mutu B, dan 80% untuk mutu C. Berdasarkan diameter menghasilkan ketepatan sebesar 72.4% untuk mutu A, 87.2% untuk mutu B, dan 71% untuk mutu C. Validasi mutu dengan pengolahan citra berdasarkan area menghasilkan ketepatan sebesar 92% untuk mutu A, 93.6% untuk mutu B, dan 81.8% untuk mutu C.

vii

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan hidayah-Nya. Shalawat serta salam semoga tercurahkan pada nabi Muhammad SAW, keluarga serta sahabat sehingga penulis dapat menyelesaikan skripsi yang berjudul “Evaluasi Parameter Pemutuan Wortel (Daucus carota L.) Menggunakan Pengolahan Citra ”. Skripsi ini merupakan salah satu syarat untuk menyelesaikan pendidikan sarjana di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB.

Dalam penulisan skripsi ini, penulis banyak menerima saran dan kritik serta motivasi dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada :

1. Dr. Ir. Usman Ahmad, M. Agr selaku dosen pembimbing akademik atas bimbingan, arahan, masukan, dan kemudahan dalam penyusunan skripsi ini.

2. Dr. Ir. Suroso, M. Agr dan Dr. Ir. I Dewa Made Subrata, M. Agr selaku dosen penguji yang telah meluangkan waktunya menjadi penguji dan telah memberikan masukan dan bimbingan selama penulisan skripsi ini.

3. Kedua orang tua penulis dan kedua adik penulis (Shofa dan Yayi) yang selalu memberikan doa, motivasi dan semangat pada penulis.

4. Pak Sulyaden yang telah banyak membantu selama penelitian.

5. Frima, Bayu, Shohib, Ilham, Haritz, Emma, Eni, Rizka, Nera, Elvi, Gunawan dan teman-teman lainnya yang telah banyak membantu selama penelitian.

6. Team “Mr. BrownCo” (Sigit, Bach, Irna, Bule, dan Eni) yang telah memberi dukungan dan semangat pada penulis.

7. Saudara-saudara penghuni “Blue House” (Heru, Anami, Salamun, Siwi, Busan, Adi, Andika, Tuko, dan Iboy) yang telah memberikan motivasi dan doa serta semangat pada penulis.

8. Rekan-rekan TEP 41 yang menjadi sumber informasi dan motivasi.

Akhir kata, penulis menyadari bahwa tulisan ini masih jauh dari kesempurnaan mengingat terbatasnya pengetahuan dan pengalaman yang dimiliki oleh penulis. Oleh karena itu, penulis mengharapkan kritik dan saran yang

viii membangun. Mohon maaf atas segala kesalahan dan kekurangan. Semoga skripsi ini memberikan manfaat bagi penulis dan pembaca.

Bogor, Agustus 2008

i

DAFTAR ISI

Halaman

DAFTAR ISI ... i

DAFTAR TABEL ... ii

DAFTAR GAMBAR ... iii

DAFTAR LAMPIRAN ... iv

I.PENDAHULUAN ... 1

A. Latar Belakang ... 1

B. Tujuan ... 2

II. TINJAUAN PUSTAKA ... 3

A. Tanaman Wortel ... 3

B. Pengolahan Citra ... 6

C. Pengolahan Warna ... 8

D. Penelitian Terdahulu ... 10

III. METODE PENELITIAN ... 12

A. Waktu dan Tempat Penelitian ... 12

B. Alat dan Bahan ... 12

C. Prosedur Penelitian ... 13

IV. HASIL DAN PEMBAHASAN ... 19

A. Parameter Mutu Wortel dengan Metoda Pengukuran Langsung ... 18

B. Pemrograman Visual Basic 6.0. untuk Evaluasi Pemutuan Wortel ... 23

C. Parameter Mutu Wortel dengan Metoda Pengolahan Citra ... 27

D. Korelasi Pemutuan Wortel Berdasarkan Metoda Pengukuran Langsung dengan metoda Pengolahan Citra ... 36

E. Validasi Parameter Pemutuan Wortel ... 40

V. KESIMPULAN DAN SARAN ... 46

A. Kesimpulan ... 46

B. Saran ... 47

ii

DAFTAR TABEL

Halaman

Tabel 1. Standard pemutuan wortel di tingkat petani ... 5

Tabel 2. Standar pemutuan wortel segar berdasarkan SNI ... 6

Tabel 3. Data perhitungan statistik untuk parameter panjang wortel ... 19

Tabel 4. Data perhitungan statistik untuk parameter diameter wortel ... 20

Tabel 5. Data perhitungan statistik untuk parameter diameter wortel ... 21

Tabel 6. Data perhitungan statistik untuk parameter berat wortel ... 23

Tabel 7. Hasil perhitungan statistik pada parameter panjang wortel hasil pengolahan citra ... 28

Tabel 8. Hasil perhitungan statistik pada Area wortel hasil pengolahan citra ... 29

Tabel 9. Hasil perhitungan statistik pada diameter wortel hasil pengolahan citra …31 Tabel 10. Hasil perhitungan statistik feret’s diameter hasil pengolahan citra ... 33

Tabel 11. Hasil perhitungan statistik pada roundness wortel hasil pengolahan Citra ... 34

Tabel 12. Hasil perhitungan statistik untuk komponen warna merah pada wortel... 35

Tabel 13. Hasil perhitungan statistik untuk komponen warna hijau pada wortel .... 36

Tabel 14. Hasil perhitungan statistik untuk komponen warna biru pada wortel ... 37

Tabel 15. Batas-batas nilai untuk pemutuan wortel secara manual ... 40

Tabel 16. Batas-batas nilai untuk pemutuan wortel dengan pengolahan citra ... 40

Tabel 17. Pendugaan mutu wortel berdasarkan panjang secara manual ... 41

Tabel 18. Pendugaan mutu wortel berdasarkan panjang dengan pengolahan citra .. 41

Tabel 19. Pendugaan mutu wortel berdasarkan diameter secara manual ... 42

Tabel 20. Pendugaan mutu wortel berdasarkan diameter dengan pengolahan citra 43

Tabel 21. Pendugaan mutu wortel berdasarkan berat secara manual ... 44

iii

DAFTAR GAMBAR

Halaman

Gambar 1. Elemen-elemen dari sistem pengolahan citra ... 7

Gambar 2. Skema perangkat keras untuk pengolahan citra beserta aliran datanya . 8

Gambar 4. Batas titik pengukuran diameter untuk pengukuran langsung ... 12

Gambar 3. Batas titik pengukuran panjang ... 14

Gambar 5. Batas titik pengukuran diameter untuk pengolahan citra ... 15

Gambar 6. Batas pengukuran area objek ... 16

Gambar 7. Diagram alir proses pemutuan wortel ... 17

Gambar 8. Sebaran nilai panjang untuk masing-masing mutu wortel ... 18

Gambar 9. Sebaran nilai diameter untuk masing-masing mutu wortel ... 20

Gambar 10. Sebaran nilai diameter untuk masing-masing mutu wortel ... 21

Gambar 11. Sebaran nilai berat untuk masing-masing mutu wortel ... 22

Gambar 12. Tampilan program setelah dieksekusi ... 24

Gambar 13. Operasi thresholding dan perbaikan citra ... 26

Gambar 14. Tampilan program setelah semua proses dilakukan ... 27

Gambar 15. Sebaran nilai panjang hasil pengolahan citra ... 28

Gambar 16. Sebaran nilai area hasil pengolahan citra ... 29

Gambar 17. Sebaran nilai diameter hasil pengolahan citra ... 31

Gambar 18. Sebaran nilai feret’s diameter hasil pengolahan citra ... 32

Gambar 19. Sebaran nilai roundness hasil pengolahan citra ... 34

Gambar 20. Sebaran komponen warna merah pada wortel ... 35

Gambar 21. Sebaran komponen warna hijau pada wortel ... 36

Gambar 22. Sebaran komponen warna biru pada wortel ... 36

Gambar 23. Hubungan antara panjang aktual dengan panjang hasil pengolahan citra. ... 37

Gambar 24. Hubungan antara diameter aktual dengan diameter hasil pengolahan citra ... 38

Gambar 25. Hubungan antara berat dengan area hasil pengolahan citra ... 39

Gambar 26. Hubungan feret’s diameter aktual dengan feret’s diameter hasil pengolahan citra ... 39

iv

DAFTAR LAMPIRAN

Halaman Lampiran 1. Pengukuran manual dimensi wortel untuk mutu A... 49 Lampiran 2. Pengukuran manual dimensi wortel untuk mutu B... 51 Lampiran 3. Pengukuran manual dimensi wortel untuk mutu C... 53 Lampiran 4. Data berat untuk masing-masing mutu wortel... 55 Lampiran 5. Data hasil pengolahan citra untuk wortel mutu A... 57 Lampiran 6. Data hasil pengolahan citra untuk wortel mutu B... 61 Lampiran 7. Data hasil pengolahan citra untuk wortel mutu C... 65

1

I. PENDAHULUAN

A.LATAR BELAKANG

Sayuran merupakan salah satu produk hortikultura yang mempunyai peluang cukup besar untuk dikembangkan di Indonesia. Dari sudut pandang produksi, budidaya sayuran dapat dilakukan secara teratur sepanjang tahun karena iklimnya yang memungkinkan. Selain itu, topografi Indonesia juga memungkinkan pengembangan tanaman sayuran, baik dalam skala besar maupun kecil. Sejalan dengan bertambahnya jumlah penduduk, meningkatnya pendapatan dan kesadaran masyarakat akan pentingnya nilai gizi makanan memberi dampak meningkatnya permintaan sayur-sayuran.

Salah satu produk hortikultura yang banyak diminati atau dikonsumsi oleh masyarakat adalah wortel. Wortel merupakan salah satu sayuran yang memiliki nilai ekonomis tinggi. Wortel biasanya dipasarkan dalam bentuk wortel segar maupun dalam bentuk olahan (fresh cut). Sayuran ini sudah sangat dikenal masyarakat Indonesia dan popular sebagai sumber vitamin A karena memilki kadar karoten (provitamin A).

Saat ini perkembangan tanaman wortel sudah cukup luas diusahakan oleh petani, hal ini disebabkan karena harganya yang menguntungkan serta dibutuhkan oleh masyarakat secara luas. Permintaan wortel setiap tahunnya di dalam negeri cenderung meningkat. Akan tetapi, pedagang atau petani masih kurang optimal dalam melakukan penanganan pasca panen wortel, sehingga produk yang dipasarkan kurang berkualitas. Salah satunya adalah proses pemutuan, dimana proses ini biasanya dilakukan secara visual dengan memperhatikan bentuk fisik, sifat fisik, ukuran buah atau kombinasinya yang dilakukan secara manual. Pemutuan secara manual ini masih memiliki banyak kekurangan karena sistem visual manusia dapat mengalami kelelahan dan kejenuhan sehingga hasil yang diperoleh tidak konsisten.

Oleh karena itu, diperlukan sistem visual yang dapat digunakan untuk proses pemutuan dan pendeteksian kerusakan pada buah-buahan dan sayuran. Salah satu sistem visual yang telah dipakai adalah teknik pengolahan citra (image processing). Teknik pengolahan citra adalah suatu teknik yang dikembangkan

2 untuk mendapatkan informasi dari citra dengan cara memodifikasi bagian dari citra yang diperlukan sehingga menghasilkan citra lain yang lebih informatif (jain et al.,1995)

Dengan adanya sistem visual diharapkan dapat membantu proses pemutuan sehingga diperoleh hasil yang konsisten dan sesuai dengan keinginan pangsa pasar serta dapat diterima oleh konsumen. Oleh sebab itu, konsumen kalangan menengah keatas cenderung lebih memilih produk yang memiliki mutu yang bagus walaupun dengan harga yang lebih tinggi.

B. TUJUAN

Tujuan umum dari penelitian ini adalah untuk mempelajari dan mengevaluasi parameter pemutuan wortel dengan menggunakan pengolahan citra. Sedangkan tujuan khusus penelitian ini adalah:

1.Mempelajari parameter mutu visual wortel berdasarkan Standarisasi Nasional Indonesia (SNI) dan yang berlaku di lapangan melalui citra digital.

2.Mengevaluasi parameter pemutuan wortel menggunakan pengolahan citra. 3.Melakukan pemutuan wortel dengan pengolahan citra dan melakukan validasi

3

II. TINJAUAN PUSTAKA

A.TANAMAN WORTEL 1. Botani Tanaman wortel

Wortel (Daucus carota) adalah tumbuhan sayur yang ditanam sepanjang tahun, terutama di daerah pegunungan yang memiliki suhu udara dingin dan lembab, kurang lebih pada ketinggian 1200 meter di atas permukaan laut.

Sayuran ini sudah sangat dikenal masyarakat Indonesia dan populer sebagai sumber vitamin A karena memiliki kadar karotena (provitamin A). Selain itu, wortel juga mengandung vitamin B dan C, serta zat-zat lain yang bermanfaat bagi kesehatan manusia. Sosok tanamannya berupa rumput dan menyimpan cadangan makanannya di dalam umbi. Mempunyai batang pendek, berakar tunggang yang bentuk dan fungsinya berubah menjadi umbi bulat dan memanjang. Umbi berwarna kuning kemerah-merahan, berkulit tipis, dan jika dimakan mentah terasa renyah dan agak manis.

Wortel menyukai tanah yang gembur dan subur. Menurut para botanis, wortel (Daucus carota) dapat dibedakan atas beberapa jenis, di antaranya:

a) jenis imperator, yakni wortel yang memiliki umbi akar berukuran panjang dengan ujung meruncing dan rasanya kurang manis.

b)jenis chantenang, yakni wortel yang memiliki umbi akar berbentuk bulat panjang dan rasanya manis.

c) jenis mantes, yakni wortel hasil kombinasi dari jenis wortel imperator dan chantenang. Umbi akar wortel berwarna khas orange.

Adapun klasifikasi wortel dalam taksonomi tumbuhan adalah sebagai berikut:

Kingdom : Plantae Subkingdom : Spermathophyta Sub-divisi : Angiospermae Kelas : Dicotyledone

Ordo : Umbilleferales Family : Umbilleferae Genus : Daucus Species : Daucus carota.

4

2. Syarat Tumbuh

Wortel merupakan tanaman subtropis yang memerlukan suhu dingin (22-24° C), lembap, dan cukup sinar matahari. Di Indonesia kondisi seperti itu biasanya terdapat di daerah berketinggian antara 1200-1500 m dpl. Sekarang wortel sudah dapat ditanam di daerah berketinggian 600 m dpl. Dianjurkan untuk menanam wortel pada tanah yang subur, gembur dan kaya humus dengan pH antara 5.5-6.5. Tanah yang kurang subur masih dapat ditanami wortel asalkan dilakukan pemupukan intensif. Kebanyakan tanah dataran tinggi di Indonesia mempunyai pH rendah. Bila demikian, tanah perlu dikapur, karena tanah yang asam menghambat perkembangan umbi.

3. Panen dan Pascapanen

a. Pemanenan

Wortel dapat dipanen setelah 100 hari tergantung dari jenisnya. Pemanenan tidak boleh terlambat karena umbi akan semakin mengeras (berkayu) sehingga tidak disukai konsumen. Cara pemanenan dilakukan dengan jalan mencabut umbi beserta akarnya. Untuk memudahkan pencabutan sebaiknya tanah digemburkan dahulu. Pemanenan sebaiknya dilakukan pagi hari agar dapat segera dipasarkan.

b. Pembersihan dan Sortasi

Pembersihan dilakukan dengan cara melepas untaian yang menempel pada umbi wortel, kemudian dilakukan pencucian. Setelah pencucian,dilakukan sortasi untuk memisahkan umbi yang besar, sedang, dan kecil atau sesuai dengan kelas mutu yang sudah ditentukan. Umbi yang rusak dan terluka dipisahkan karena mudah terkena infeksi mikroba pembusuk.

4. Standarisasi kualitas

Kualitas diartikan sebagai beberapa hal yang membuat sesuatu menjadi bernilai atau unggul. Tekstur tanaman hortikultura (buah/sayuran) sangat menentukan kualitas makanan dan masakan dan merupakan faktor yang diperlukan untuk mempertahankan cekaman selama pengiriman. Ada beberapa komponen kualitas buah dan sayur segar yaitu:

a. Penampilan/penampakan (visual)

1). Ukuran : dimensi, berat, volume

2). Bentuk : perbandingan diameter dan kedalaman, kehalusan, keseragaman, dan kesegaran.

5 3). Kilap : lapisan lilin alami

4). Cacat : eksternal, internal (morfologi, fisiologi, dan mekanik patologis dan entomologi)

b. Tekstur: kekakuan, kekerasan, kelembutan, kerenyahan

c. Flavour (rasa dan aroma) : manis, asam, pahit, lipid, vitamin, dan mineral d. Safety (keamanan): senyawa toksik alami, kontaminan (residu bahan kimia,

logam berat), mycotoksin, kontaminan mikroba.

Standarisasi merupakan fasilitas evaluasi selama transaksi. Dalam mekanisme yang komplek dari pemasaran sayur dan buah, standarisasi memperkecil resiko kerugian pembeli saat memperoleh produk bermutu rendah dengan pembayaran yang tinggi. Beberapa jenis sayuran di Indonesia mempunyai Standarisasi Nasional Indonesia (SNI), standar ini dijadikan sebagai acuan untuk melakukan pengkelasan atau pemutuan produk. Selain mengacu pada SNI, biasanya para petani mempunyai standar sendiri untuk melakukan pemutuan atau pengkelasan pada buah dan sayuran. Tabel 1 dan Tabel 2 dibawah ini menunjukan standar pemutuan wortel ditingkat petani dan pemutuan berdasarkan SNI.

Tabel 1. Standard pemutuan wortel di tingkat petani

Kriteria Mutu A (I) Mutu B (II)

Diameter 3 cm < D < 4 cm 2 cm ≤ D ≤ 3 cm Panjang 20 cm ≤ P ≤ 25 cm 15 cm < P < 20 cm Bobot 100 gram ≤ B ≤ 200 gram 50 gram < B < 100 gram Fisik - Permukaan halus

- Tidak bercabang - Tidak ada benjolan - Lurus

- Memiliki warna yang normal

- Tekstur keras

- Tidak ada luka akibat pemanenan

- Permukaan halus - Tekstur keras

- Memiliki warna yang normal

6 Tabel 2. Standar pemutuan wortel segar berdasarkan SNI

Karakteristik Mutu I Mutu II Pengujian

Kesamaan sifat varietas Seragam Seragam Organoleptik Kekerasan Keras Keras Organoleptik

Warna Normal Normal Organoleptik

Kerataan Cukup rata Cukup rata Organoleptik

Kerusakan (%) 5 10 -

Tekstur Tidak mengayu Tidak mengayu Organoleptik Sumber: SNI 01-3163-1992

B.PENGOLAHAN CITRA

Pengolahan citra (image processing) merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Citra yang dimaksud adalah citra digital untuk membedakan dengan citra lain seperti foto dan lain-lain. Proses ini mempunyai data masukan dan informasi keluaran yang berbentuk citra. Berbeda dengan machine vision yang memiliki data masukan berupa citra dengan data keluaran berupa aksi atau gerak manipulator dan bukan merupakan citra lagi. Pengolahan citra merupakan bidang tersendiri yang sudah cukup berkembang. Teknik ini cukup banyak digunakan dalam proses pengembangan sortasi menggunakan mata elektronik dengan akurasi tinggi.

Dalam pengambilan citra, hanya citra yang berbentuk digital yang dapat diproses oleh komputer digital, data citra yang dimasukkan berupa nilai-nilai integer yang menunjukan nilai intensitas cahaya atau tingkat keabuan setiap piksel. Citra digital dapat diperoleh secara otomatik dari sistem penangkap citra membentuk suatu matrik dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu himpunan diskrit dari titik. Sistem tersebut merupakan bagian terdepan dari suatu sistem pengolahan citra, seperti terlihat pada Gambar 1.

7 CITRA

MASUKAN CITRA DIGITAL

Gambar 1. Elemen-elemen dari sistem pengolahan citra

Citra f (x,y) disimpan dalam memori komputer atau penyimpanan bingkai citra dalam bentuk array M x N dari contoh diskrit dengan jarak yang sama sebagai berikut: ⎟⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎜ ⎜ ⎜ ⎝ ⎛ − − − − − − = ) 1 , 1 ( )... 1 , 1 ( ) 0 , 1 ( . ... ... ... ... ) 1 , 1 ( )... 1 , 1 ( ) 0 , 1 ( ) 1 , 0 ( )... 1 , 0 ( ) 0 , 0 ( ) , ( n m f m f m f n f f f n f f f y x f

Setiap elemen dari array diatas disebut sebagai piksel yang merupakan suatu daerah bujur sangkar kecil dengan ukuran tertentu dan menunjukan harga intensitas keabuan piksel pada lokasi yang bersangkutan. Ukuran piksel ini sering disebut dengan resolusi piksel.

Ahmad (2005) menyebutkan bahwa sebuah piksel merupakan sample dari pemandangan yang mengandung intensitas citra yang dinyatakan dalam bilangan bulat.

Pada pengolahan citra ada dua unsur utama sebagai penyusunnya, yaitu perangkat keras dan perngkat lunak. Komponen utama dari perangkat keras pengolahan citra digital adalah kamera penangkap citra, komputer dan alat peraga. Kamera yang sering digunakan untuk menangkap citra dalam proses pengolahan citra untuk keperluan sortasi adalah kamera CCD (charge-coupled-device). Adapun komputer yang digunakan tersebut bisa dari jenis komputer multi guna atau dari jenis khusus yang dirancang untuk pengolahan citra digital. Adapun skema

SENSOR ANALOG KE DIGITAL KOMPUTER DIGITAL BINGKAI PENYIMPAN CITRA MONITOR PERAGA

8 perangkat keras untuk pengolahn citra beserta aliran datanya bisa dilihat pada Gambar 2.

Gambar 2. Skema perangkat keras untuk pengolahan citra beserta aliran datanya Perangkat lunak (software) yang digunakan dalam pengolahan citra tergantung pada jenis frame grabber yang digunaknan. Dari segi penggunaan, sedikitnya ada dua jenis image frame grabber, yaitu jenis yang bisa diprogram (programmable) dimana pustaka fungsinya disertakan dan cara pemakaian dalam pemrograman dengan bahasa pemrograman tertentu diberikan, dan jenis yang tidak bisa diprogram (non-programmable), atau setidaknya tanpa dilengkapi buku petunjuk dan fungsi pustaka untuk melakukan pemrograman, sehingga sulit membuat program khusus untuk menggunakannya.

C. PENGOLAHAN WARNA

Warna merupakan salah satu komponen yang digunakan sebagai salah satu parameter dalam pengolahan citra. Warna adalah tidak lebih dari sekedar respon psyco-phsyological dari itensitas yang berbeda yang tidak mempunyai bentuk fisik yang nyata.

Ahmad (2005) menyebutkan bahwa ada tiga faktor yang mempengaruhi munculnya warna, yaitu spectral replectance dari suatu permukaan (menentukan bagaimana suatu permukaan memantulkan warna), spectral content dari cahaya yang menyinari (kandungan warna dari cahaya yang menyinari permukaan), dan

A/D bingkai Converter memori Kamera

Algoritma Pengolahan citra Objek

Penangkap bingkai citra

9 spectral response dari sensor dalam peralatan sistem visual (kemampuan merespon warna dari sensor dalam imaging system).

Salah satu kunci untuk mengolah warna dalam pengolahan citra adalah menentukan model warna yang sesuai dengan persepsi manusia terhadap warna. Adapun model warna yang telah dikembangkan oleh para ahli terdiri dari model warna RGB (Red, Green, Blue), model warna CMY(K) (Cyan, Magenta, Yellow), model warna YCbCr, dan model warna HSI (Hue, saturation, Intensity).

Model warna RGB merupakan model warna pokok aditif yaitu warna dibentuk dengan mengkombinasikan energi cahaya dari ketiga pokok dalam berbagai perbandingan, display komputer menggunakan model warna RGB. Sedangkan model warna CMY(K) merupakan model warna subtraktif yang mana pembentukan suatu warna dilakukan dengan menghilangkan beberapa komponen dari cahaya putih. Komponen warna tertentu yang dihilangkan dalam model warna subtraktif tidak akan berkontribusi dalam pembentukan suatu warna. Model warna subtraktif banyak digunakan pada mesin pencetak dokumen berwarna seperti pada sistem printer warna.

Model warna HSI dianggap paling sesuai dengan persepsi manusia dalam memandang suatu warna. Intensitas merupakan nilai model warna HSI menampilkan warna dalam besaran-besaran corak (hue), saturasi (kejenuhan) dan intensitas. Intensitas adalah nilai abu-abu dari piksel dalam citra abu-abu. Nilai corak dapat diaplikasikan untuk membedakan antara objek dengan latar belakang. Saturasi yang tinggi dapat menjadi jaminan nilai hue cukup akurat dalam membedakan warna obyek dengan latar belakang. Komponen-komponen dalam model warna HSI dapat diperoleh dari model warna RGB melalui perhitungan.

Ahmad (2005) menuliskan beberapa persamaan penting untuk proses transformasi model warna RGB menjadi model warna HSI, Persamaan transformasi tersebut adalah sebagai berikut:

3 B G R

I = + + ………..1

) )( ( ) ( 2 2

2 _{R B G B}

G R B G R CosH − − + − − − = ………2 ) , , min( 3

1 R G B

B G R S + + − = ………...…….3

10 Model warna RGB dapat dinyatakan dalam bentuk indeks warna RGB dengan persamaan sebagai berikut:

Indek warna merah:

B G R R r + +

= ……….4

Indeks warna hijau:

B G R G g + + = ……….5

Indeks warna biru:

B G R B b + + = ……..…………...6

D.PENELITIAN TERDAHULU

Qadavy (1998) melakukan penelitian untuk menentukan kematangan durian dengan teknik pengolahan citra. Hasil penelitian ini menunjukan 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 daripada buah durian yang belum matang.

Damiri (2003), telah mengidentifikasi tingkat ketuaan dan kematangan jeruk lemon (citrus medica) menggunakan image processing dan jaringan syaraf tiruan (JST). Dari hasil penelitian ini diperoleh bahwa indeks warna merah dan warna hijau dalam pengolahan citra dapat membedakan tingkat kematangan buah jeruk lemon pada umur petik 100 hari dengan tingkat kematangan umur petik 110 hari secara langsung.

Yustina (2006) melakukan penelitian untuk pemutuan jeruk manis (citrus sinensis L.) dengan menggunakan algoritma image processing. Hasil penelitian ini menunjukan bahwa pengukuran dengan menggunakan pengolahan citra memperlihatkan luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping dapat membedakan anatara mutu A, B, dan C, begitu pula pada pengukuran diameter. Sedangkan untuk indeks warna merah dan 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 mutu.

11 Reinamora (2007) melakukan penelitian untuk klasifikasi mutu belimbing manis dengan menggunakan algoritma image processing. Hasil penelitian ini menunjukan bahwa belimbing yang masuk kelas mutu memiliki nilai komponen warna merah lebih dari atau sama dengan 133, nilai komponen warna hijau lebih dari atau sama dengan 91, dan komponen warna biru lebih dari atau sama dengan 61.

12

III. METODE PENELITIAN

A. WAKTU DAN TEMPAT PENELITIAN

Pelaksanaan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Waktu Pelaksanaan penelitian mulai dari bulan Maret hingga Juni 2008.

B. ALAT DAN BAHAN 1. Bahan

Pada penelitian ini bahan yang digunakan adalah wortel mutu I, mutu II, dan mutu III (reject) dengan jumlah masing-masing 100 sampel dan untuk validasi masing-masing 50 sampel. Wortel yang digunakan diambil dari Pacet Segar Cianjur-Cipanas, Jawa Barat.

2. Alat

a. Perangkat keras

Perangkat keras yang digunakan untuk pengambilan citra wortel pada penelitian ini adalah kamera CCD, seperangkat komputer, empat buah lampu TL yang masing-masing memiliki daya sebesar 5 watt dengan ketinggian pemasangan 40 cm dan sudut 35o. Selain itu digunakan juga perangkat keras yang akan digunakan untuk pengukuran secara langsung seperti jangka sorong untuk mengukur diameter dan panjang wortel. Kain putih atau kain hitam yang digunakan untuk penutup agar cahaya dari luar tidak dapat masuk. Salin itu juga kain ini digunakan sebagai alas atau background dari objek yang akan diambil citranya. Perangkat keras lainnya yang digunakan untuk pengukuran secara langsung adalah luxmeter yang befungsi untuk mengukur besarnya intensitas cahaya.

b. Perangkat Lunak

Perangkat lunak yang digunakan pada penelitian ini adalah program pengolahan citra yang dibangun dengan bahasa pemrograman Microsoft Visual Basic Ver 6.0.

13

C. PROSEDUR PENELITIAN

Pengambilan data tiap sampel dilakukan sebanyak satu kali. Program yang akan dikembangkan memiliki kemampuan untuk menghitung panjang objek yang digunakan untuk mewakili panjang buah, diameter objek digunakan untuk mewakili garis tengah pangkal buah, komponen warna RGB (Red, Green, Blue) digunakan untuk mewakili keseragaman warna dan roundness digunakan untuk mewakili keseragaman bentuk pada buah.

1. Pengukuran Manual

Pemutuan secara manual diperoleh berdasarkan karakteristik obyek (wortel) pada tiap kelas yang diperoleh dari pedagang atau petani wortel sesuai dengan yang telah ditetapkan. Pemutuan manual pada wortel ditentukan berdasarkan parameter berat, panjang, dan diameter.Pengukuran berat dilakukan dengan menggunakan timbangan digital. Pengukuran panjang wortel dilakukan dengan menggunakan penggaris biasa. Sedangkan untuk pengukuran diameter wortel alat yang digunakan adalah jangka sorong. Adapun batas titik pengukuran diameter dapat dilihat pada Gambar 3.

Gambar 3. Batas titik pengukuran diameter untuk pengukuran langsung

2. Pengambilan Citra

Sebelum dilakukan pengambilan citra, wortel terlebih dahulu disortir dan dibersihkan. Kemudian wortel dengan tingkatan mutu yang berbeda yaitu mutu I, mutu II dan Mutu III diambil citranya dengan menggunakan kamera CCD dengan sistem pengolahan citra (image processing). Pengambilan citra dilakukan satu kali dengan prosedur pengambilan citra sebagai berikut:

Diameter Pangkal

1.5 cm 1.5 cm

Diameter Tengah

14 a. Wortel diletakkan diatas kain putih sebagai latar belakang dan dibawah kamera dengan jarak 40 cm. Sedangkan empat buah lampu TL diletakkan pada ketinggian 50 cm dengan sudut pencahayaan 35o dan jarak antar lampu 16 cm. b. Perangkat komputer, kamera CCD dan lampu penerang dinyalakan untuk

memberikan pencahayaan tambahan pada wortel.

c. Citra wortel ditangkap oleh sensor kamera CCD melalui lensa dan ditampilkan dimonitor yang dihubungkan dengan sensor kamera.

d. Citra wortel direkam dalam ukuran 348x184 piksel dan resolusi 72 piksel/inchi dengan 256 tingkat intensitas cahaya merah, hijau dan biru (RGB).

e. Citra wortel yang telah direkam kemudian disimpan dalam sebuah file dalam format .tiff, untuk selanjutnya dikonversi ke dalam format .jpeg.

3. Pengolahan citra

Pengolahn citra yang dilakukan meliputi pengukuran panjang, diameter, pengukuran luas proyeksi,dan pengukuran komponen warna pada objek.

a. Pengukuran Panjang Objek

Panjang objek dalam citra digital diperoleh dengan cara pengukuran jarak. Untuk perhitungan jarak ditentukan dengan persamaan Euclidian, jarak diperoleh dengan cara mengalikan jumlah piksel dengan ukuran piksel. Rumus yang digunakan adalah sebagai berikut:

d([i1,j1],[i2,j2]) = {(i1-i2)2 + (j1-j2)2}1/2

Batas titik pengukuran panjang pada wortel dapat dilihat pada Gambar 4.

Gambar 4. Batas titik pengukuran panjang

b. Pengukuran Diameter Objek

Data diameter hasil pengolahan citra diperoleh dengan mengambil nilai y-maksimum pada wortel yang diambil dari arah pangkal tangkai wortel, bagian

Panjang Wortel

15 tengah wortel, dan bagian ujung wortel. Batas titik pengukuran diameter dapat dilihat pada gambar 5.

Gambar 5. Batas titik pengukuran diameter untuk pengolahan citra

c. Pengukuran Feret’s Diameter

Feret’s diameter merupakan perbandingan antara panjang dan diameter objek. Rumus dari feret’s diameter ini adalah:

FD = P / D

Dimana: FD: Feret’s Diameter P : Panjang objek

D : Rata-rata diameter objek d. Pengukuran Area

Pengukuran area dilakukan dengan cara menghitung jumlah piksel-piksel penyusun dari suatu objek yang diamati. Perhitungan luas dilakukan setelah dilakukan proses thresholding. Setelah operasi thresholding objek akan memiliki warna putih, sedangkan latar belakang akan memiliki warna hitam. Pengukuran luas dilakukan untuk mendapatkan warna rata-rata dan besarnya nilai kebundaran.

Diameter Pangkal

25 piksel 25 piksel

Diameter Tengah

16

Gambar 6. Batas pengukuran area objek

e. Pengukuran Komponen Warna

Pengukuran warna pada wortel dilakukan untuk membedakan kelas mutu pada wortel. Model warna yang digunakan adalah model warna RGB. Untuk memperoleh nilai RGB terlebih dahulu dilakukan proses analisis warna yang dilanjutkan dengan perintah pengukuran komponen warna. Pengukuran komponen warna RGB dilakukan pada seluruh luasan wortel yang diperoleh melalui proses pengukuran warna RGB.

f. Pengukuran Kebundaran (Roundness)

Citra wortel yang diperoleh kemudian dianalisis bentuknya dengan faktor bentuk tak berdimensi. Faktor bentuk yang digunakan adalah kebundaran (roundness) dengan menggunakan persamaan sebagai berikut:

R = 4A/(πL2)

Di mana: R = kebundaran (tidak berdimensi) A = area citra (piksel2)

L = panjang (piksel)

4.Pengolahan Data

Analisis statistik dilakukan untuk mengetahui hubungan parameter mutu hasil pengolahan citra melalui analisis korelasi regresi linier yang dinyatakan dengan persamaan regresi dan koefisien determinasi. Persamaan regresi digunakan untuk mengetahui batas-batas pemutuan wortel dengan menggunakan pengolahan citra.

17 Gambar 7. Diagram alir proses pemutuan wortel

Sampel wortel

Pengambilan citra

Pengolahan citra Transformasi ekstensi dari tiff. ke .jpeg

Pengukuran langsung

Thresholding, perbaikan citra biner, pengukuran panjang, diameter, area, roundness, dan perhitungan komponen warna RGB.

Analisis korelasi linier untuk parameter mutu wortel

Pengukuran panjang, pengukuran diameter, perhitungn feret’s

diameter dan pengukuran berat

Batas-batas parameter pemutuan wortel untuk pengolahan citra.

18

IV. HASIL DAN PEMBAHASAN

A. PARAMETER MUTU WORTEL HASIL PENGUKURAN LANGSUNG 1. Parameter Mutu Panjang Wortel

Pengukuran panjang wortel pada proses ini dilakukan dengan menggunakan penggaris biasa, hal ini dilakukan karena keterbatasan alat. Pada proses ini seharusnya alat yang digunakan adalah jangka sorong, supaya nilai yang di dapat lebih presisi.

Dari hasil perhitungan statistik dapat diketahui nilai maksimum, minimum dan panjang rata-rata untuk masing-masing mutu wortel. Wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 29.4 cm dan 19.6 cm dengan panjang rata-rata sebesar 23.67 cm. Wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 24.4 cm dan 15.4 cm dengan panjang rata-rata sebesar 18.86 cm. Sedangkan untuk wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 23.2 cm dan 8.7 cm dengan panjang rata-rata sebesar 16.12 cm.

19 Tabel 3.Data perhitungan statistik untuk parameter panjang wortel

Panjang Mutu

A B C

Maksimum (cm) 29.4 24.4 23.2 Minimum (cm) 19.6 15.4 8.7

Rata-rata (cm) 23.67 18.86 16.12 Standar Deviasi 1.9 1.59 2.91

Dari grafik sebaran panjang wortel dan Tabel perhitungan statistik untuk panjang wortel dapat diketahui bahwa hasil pengelompokkan masih mengalami kekeliruan. Hal ini disebabkan karena faktor kelelahan dan kejenuhan mata manusia pada saat melakukan pemutuan wortel secara manual. Selain itu juga, hal ini disebabkan karena adanya faktor kenakalan dari para pekerja, karena para pekerja jarang memperhatikan standar pemutuan.

2. Parameter Mutu Diameter Wortel

Pengukuran diameter wortel dilakuakn dengan menggunakan jangka sorong. Pengukuran dilakukan pada tiga titik yang berbeda yaitu pangkal, tengah, dan ujung, kemudian hasil dari pengukuran tersebut dirata-ratakan.

Dari hasil perhitungan statistik dapat diketahui nilai maksimum, minimum dan diameter rata-rata untuk masing-masing mutu wortel. Wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 3.78 cm dan 2.26 cm dengan diameter rata-rata sebesar 2.84 cm. Wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 3.37 cm dan 1.65 cm dengan diameter rata-rata sebesar 2.52 cm. Sedangkan untuk wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 3.39 cm dan 1.46 cm dengan panjang rata-rata sebesar 2.36 cm.

Data hasil perhitungan statistik dapat dilihat pada Tabel 4. Sedangkan grafik sebaran diameter untuk masing-masing mutu wortel dapat dilihat pada Gambar 9.

20 Gambar 9. Sebaran nilai diameter untuk masing-masing mutu wortel

Tabel 4.Data perhitungan statistik untuk parameter diameter wortel

Diameter Mutu

A B C

Maksimum (cm) 3.78 3.37 3.39 Minimum (cm) 2.26 1.65 1.46 Rata-rata (cm) 2.84 2.52 2.36 Standar Deviasi 0.32 0.32 0.43

Pada penentuan mutu wortel berdasarkan diameter ini sama halnya seperti pemutuan berdasarkan panjang, masih mengalamai kekeliruan dalam pengelompokkan wortel. Hal ini disebabkan oleh faktor yang sama yaitu faktor kejenuhan dan kelelahan mata manusia pada saat melakukan pemutuan secara manual.

3. Parameter Mutu Feret’s Diameter Wortel

Feret’s diameter merupakan perbandingan antara panjang dengan diameter. Nilai diameter yang digunakan pada perhitungan ini adalah diameter rata-rata. Dari hasil perhitungan statistik dapat diketahui nilai maksimum, minimum dan feret’s diameter rata-rata untuk masing-masing mutu wortel. Wortel mutu A memiliki nilai

21 maksimum dan minimum masing-masing sebesar 11.7 cm dan 5.98 cm dengan diameter rata-rata sebesar 8.44 cm. Wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 11.54 cm dan 5.2 cm dengan diameter rata-rata sebesar 7.61 cm. Sedangkan untuk wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 12.23 cm dan 3.87 cm dengan panjang rata-rata sebesar 6.96 cm. Hasil perhitungan statistik pada parameter feret’s diameter untuk masing-masing mutu wortel disajikan pada Tabel 5. Sedangkan grafik sebaran feret’s diameter untuk masing-nasing mutu dapat dilihat pada Gambar 10.

Gambar 10. Sebaran nilai feret’s diameter untuk masing-masing mutu wortel

Tabel 5. Data perhitungan statistik untuk parameter feret’s diameter wortel Feret's Diameter Mutu

A B C

Maksimum (cm) 11,7 11,54 12,23 Minimum (cm) 5,98 5,2 3,87 Rata-rata (cm) 8,44 7,61 6,96 Standar Deviasi 1,22 1,19 1,47

22 Berdasarkan grafik sebaran nilai feret’s diameter untuk masing-masing mutu wortel, terlihat bahwa besarnya feret’s diameter untuk tiap mutu wortel tidak menunjukan perbedaan yang signifikan, hal ini dipengaruhi oleh besarnya nilai panjang dan diameter hasil pengukuran langsung. Dari hasil pengukuran langsung untuk parameter panjang dan diameter terlihat adanya kekeliruan dalam pengelompokkan mutu wortel.

4. Parameter Mutu Berat Wortel

Pada pengukuran berat, wortel ditimbang dengan menggunakan timbangan digital. Hasil perhitungan statistik pada parameter berat untuk masing-masing mutu wortel disajikan pada Tabel 6. Sedangkan grafik sebaran berat untuk masing-nasing mutu dapat dilihat pada Gambar 11.

Gambar 11. Sebaran nilai berat untuk masing-masing mutu wortel

Dari hasil perhitungan statistik dapat diketahui nilai maksimum, minimum dan berat rata-rata untuk masing-masing mutu wortel. Wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 212.38 gram dan 78.75 gram dengan berat rata-rata sebesar 139.12 gram. Wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 156.87 gram dan 38.01 gram dengan berat rata-rata sebesar 87.81 gram. Sedangkan untuk wortel mutu C memiliki nilai maksimum

A B C Mutu

23 dan minimum masing-masing sebesar 165.62 gram dan 19.89 gram dengan berat rata-rata sebesar 71.65 gram.

Tabel 6. Data perhitungan statistik untuk parameter berat wortel

Berat Mutu

A B C

Maksimum (gram) 212.38 156.87 165.62 Minimum (gram) 78.75 38.01 19.89 Rata-rata (gram) 139.12 87.81 71.65 Standar Deviasi 30.24 23.61 31.48

Dari grafik sebaran berat dapat dilihat bahwa dalam pengelompokkan wortel berdasarkan berat masih terdapat kekeliruan, sama halnya seperti pengelompokkan wortel berdasarkan panjang dan diameter. Hal ini disebabkan oleh faktor yang sama yaitu kejenuhan dan kelelahan para petani. Selain itu, pada proses pengelompokan wortel berdasarkan berat, para petani tidak begitu mempertimbangkan parameter berat ini. Para petani hanya fokus pada parameter panjang dan diameter saja.

B. PEMROGRAMAN VISUAL BASIC 6.0 UNTUK EVALUASI PEMUTUAN WORTEL

Visual basic merupakan salah satu dari berbagai bahasa pemrograman yang dimengerti oleh komputer. Visual basic merupakan bahasa pemrograman yang lebih sederhana dibanding dengan bahasa pemrograman yang lain, karena visual basic membebaskan pemrogram dari penulisan perintah atau instruksi yang kompleks sehingga langkah pemrograman menjadi jauh lebih sederhana.

Didalam visual basic terdapat perintah-perintah yang dapat dimengerti oleh komputer untuk melakukan suatu perintah. Perintah tersebut akan dilakukan jika terdapat respon dari pengguna atau pemakai program.

Pada pemrograman untuk pemutuan wortel ini, ada beberapa program aplikasi yang digunakan , diantaranya adalah picture box, text box, label, command button,

24 dan frame. Program aplikasi ini merupakan bagian dari toolbox. Toolbox itu sendiri merupakan kotak perangkat yang berisi kumpulan tombol objek atau kontrol untuk mengatur desain dari aplikasi yang akan dibuat.

Masing-masing toolbox yang digunakan pada pemrograman ini memiliki fungsi yang berbeda. picture box berfungsi untuk menampilkan file gambar yang dipanggil dari direktori, text box berfungsi untuk meneriman input atau output dari program aplikasi yang dibuat. Label berfungsi untuk menampilkan teks pada aplikasi yang dibuat untuk memperjelas objek, command button berfungsi untuk mengeksekusi perintah-perintah yang dibuat pada pemrograman, dan frame digunakan untuk menempatkan beberapa kontrol yang dianggap berada dalam satu kelompok perintah. Adapun program yang sudah dieksekusi dapat dilihat pada Gambar 12.

25 Program aplikasi yang dibangun ini memiliki kemampuan untuk melakukan proses thresholding, reduksi noise, perhitungan warna, perhitungan diameter, perhitungan panjang, perhitungan luas/area, perhitungan roundness, dan feret’s diameter.

Adapun urutan untuk melakukan proses pemutuan wortel ini diawali dengan memanggil citra yang akan diolah dengan cara mengklik tombol open, citra yang sudah dipanggil akan ditampilkan pada picture box 1. setelah citra muncul, proses selanjutnya yaitu proses thresholding, proses ini bertujuan untuk memisahkan objek dengan latar belakang. Pada program ini objek diset dengan warna putih sedangkan latar belakang diset warna hitam. Hasil proses thresholding ditampilkan pada gambar 13 (b).

Proses selanjutnya yaitu reduksi noise, proses ini bertujuan untuk menghapus atau membersihkan gangguan yang mungkin terjadi pada saat proses capture (pengambilan gambar) atau juga bisa disebabkan oleh kotoran-kotoran yang terjadi pada citra, sehingga tampilan citra biner yang telah dibentuk menjadi lebih sempurna. Pada operasi ini ada dua proses yang dilakukan yaitu dilation dan erotion. Proses dilation berfungsi untuk penambahan piksel pada objek (menutup celah pada objek), sedangkan proses erotion merupakan kebalikannnya dari dilation, yaitu untuk menghapus atau mengurangi piksel-piksel objek. Pada kasus ini erotion digunakan untuk menghapus piksel terluar dari objek. Hasil proses reduksi noise ini ditampilkan pada Gambar 13 (c).

Proses selanjutnya yaitu perhitungan nilai intensitas warna RGB (Red, Green, dan Blue) yang bisa langsung diperoleh dengan cara mengklik tombol RGB. Setelah itu, dilakuakan perhitungan operasi geometri dengan cara mengklik tombol operasi geometri. Pada proses ini, proses yang dilakukan adalah perhitungan luas objek, perhitungan diameter, perhitungan panjang, roundness, dan feret’s diameter. Tampilan dari program pengolahan citra untuk semua proses pengolahan ini dapat dilihat pada Gambar 14.

26

(a)

(b)

(c)

Gambar 13. Operasi thresholding dan perbaikan citra (a) citra wortel, (b) hasil Thresholding (c) hasil perbaikan citra biner

27 Gambar 14. Tampilan program setelah semua proses dilakukan

C. PARAMETER MUTU WORTEL HASIL PENGOLAHAN CITRA 1. Parameter Mutu Panjang Wortel

Grafik sebaran panjang hasil pengolahan citra dapat dilihat pada Gambar 15. Dari grafik sebaran panjang hasil pengolahan citra terlihat bahwa, panjang masing-masing mutu wortel hasil pengolahan citra tidak memiliki perbedaan yang signifikan. Hal ini disebabkan karena kesalahan pada saat pengelompokkam wortel secara manual. Dari hasil pengolahan citra ini didapat nilai maksimum dan minimum panjang untuk masing-masing mutu wortel. Panjang wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 352 piksel dan 201 piksel dengan panjang rata-rata sebesar 310 piksel. Panjang wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 294 piksel dan 207 piksel dengan panjang rata-rata sebesar 250 piksel, sedangkan untuk panjang wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 296 piksel dan 118

28 piksel dengan panjang rata-rata sebesar 215 piksel. Adapun hasil perhitungan pada parameter panjang untuk masing-masing mutu wortel disajikan pada Tabel 7.

Gambar 15. Sebaran nilai panjang hasil pengolahan citra

Tabel 7. Hasil perhitungan statistik pada parameter panjang wortel hasil pengolahan citra

Panjang Hasil Pengolahan Citra

Mutu

A B C

Maksimum (piksel) 352 294 296 Minimum (piksel) 201 207 118 Rata-rata (piksel) 310 250 215 Standar Deviasi (piksel) 24 20 37

2. Parameter Mutu Area Wortel

Berdasrkan hasil perhitungan statistik untuk area wortel, didapat nilai maksimum dan minimum area wortel untuk masing-masing mutu wortel. Area wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 14616 piksel dan 8062 piksel dengan area rata-rata sebesar 10635 piksel. Area wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 10284 piksel dan

29 5383 piksel dengan area rata-rata sebesar 7702 piksel, sedangkan untuk area wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 11424 piksel dan 2532 piksel dengan area rata-rata sebesar 6420 piksel. Data hasil perhitungan statistik untuk area pada masing-masing mutu wortel dapat dilihat pada Tabel 8. Sedangkan grfaik sebaran nilai area untuk masing-masing mutu dapat dilihat pada Gambar 16.

Gambar 16. Sebaran nilai area hasil pengolahan citra

Tabel 8. Hasil perhitungan statistik pada Area wortel hasil pengolahan citra

Area Hasil Pengolahan Citra

Mutu

A B C

Maksimum (piksel) 14616 10284 11424 Minimum (piksel) 8062 5383 2532 Rata-rata (piksel) 10635 7702 6420 Standar Deviasi (piksel) 1346 1220 1846

Dari grafik sebaran nilai area untuk masing-masing mutu wortel, terlihat bahwa pada pengelompokkan wortel bardasarkan area ini masih terdapat kekeliruan atau perbedaan besarnya area untuk masing-masing mutu wortel belum telihat secara

30 jelas atau kurang signifikan. Hal ini disebabkan oleh kekeliruan para petani pada saat melakukan pemutuan secara manual. Para petani tidak hanya mempertimbangkan panjang wortel saja melainkan diameter juga. Wortel dengan panjang yang sama namun diameternya berbeda akan menghasilkan luasan area yang berbeda pula, begitu juga sebaliknya.

3. Parameter Mutu Diameter Wortel

Pada pengukuran diameter dengan metode pengolahan citra, sama halnya dengan pengukuran langsung yaitu di ukur pada tiga titik yang berbeda, yaitu pangkal, tengah, dan ujung. Hasil pengukuran dari ketiga titik tersebut kemudian dirata-ratakan, dan hasilnya merupakan nilai diameter sebenarnya. Data perhitungan statistik hasil pengolahan citra pada parameter diameter untuk masing-masing mutu wortel disajikan pada Tabel 9. Sedangkan grafik sebaran nilai diameter untuk masing-masing mutu wortel dapat dilihat pada Gambar 17.

Berdasrkan hasil perhitungan statistik untuk diameter wortel, didapat nilai maksimum dan minimum diameter wortel untuk masing-masing mutu wortel. Diameter wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 104 piksel dan 58 piksel dengan diameter rata-rata sebesar 75 piksel. Diameter wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 102 piksel dan 46 piksel dengan diameter rata-rata sebesar 69 piksel, sedangkan untuk diameter wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 100 piksel dan 35 piksel dengan diameter rata-rata sebesar 65 piksel.

31

Gambar 17. Sebaran nilai diameter hasil pengolahan citra

Tabel 9. Hasil perhitungan statistik pada diameter wortel hasil pengolahan citra

Diameter Hasil Pengolahan Citra

Mutu

A B C

Maksimum (piksel) 104 102 100 Minimum (piksel) 58 46 35 Rata-rata (piksel) 75 69 65 Standar Deviasi (piksel) 9 10 13

Berdasrkan grafik sebaran nilai diameter dan data hasil perhitungan statistik, perbedaan besarnya diameter untuk masing-masing mutu wortel tidak menunjukan adanya perbedaan yang signifikan. Hal ini dapat dilihat dari adanya kekeliruan dalam pengelompokkan mutu wortel, banyak wortel yang seharusnya masuk mutu A tapi masuk mutu B dan C, wortel yang seharusnya masuk mutu B tapi masuk mutu A dan mutu C. begitu juga dengan wortel yang harusnya masuk mutu C tapi masuk mutu A dan mutu B.

32

4. Parameter Mutu Berdasarkan Feret’s Diameter

Feret’s diameter merupakan perbandingan antara panjang dengan diameter. Nilai diameter yang digunakan pada perhitungan ini adalah diameter rata-rata. Berdasrkan hasil perhitungan statistik untuk feret’s diameter wortel, didapat nilai maksimum dan minimum feret’s diameter wortel untuk masing-masing mutu wortel. Feret’s diameter wortel mutu A memiliki nilai maksimum dan minimum masing-masing sebesar 5.7049 dan 3.1340 dengan rata-rata sebesar 4.1959. Feret’s diameter wortel mutu B memiliki nilai maksimum dan minimum masing-masing sebesar 5.6522 dan 2.5392 dengan rata-rata sebesar 3.6798, sedangkan untuk feret’s diameter wortel mutu C memiliki nilai maksimum dan minimum masing-masing sebesar 5.8231 dan 0.0444 dengan rata-rata sebesar 3.3955. Data perhitungan statistik untuk feret’s diameter ini disajikan pada Tabel 10. Sedangkan untuk grafik sebaran nilai feret’diameter dapat dilihat pada Gambar 18.

Gambar 18. Sebaran nilai feret’s diameter hasil pengolahan citra A B C

33 Tabel 10. Hasil perhitungan statistik feret’s diameter hasil pengolahan citra

Feret’s Diameter Hasil Pengolahan Citra

Mutu

A B C

Maksimum 5.7049 5.6522 5.8231 Minimum 3.1340 2.5392 0.0444 Rata-rata 4.1959 3.6798 3.3955 Standar Deviasi 0.5955 0.5745 0.7965

Dari grafik diatas terlihat bahwa, besarnya nilai feret’s diameter dari masing-masing mutu tidak menunjukan perbedaan yang signifikan. Hal ini menunjukkan bahwa feret’s diameter kurang tepat bila dijadikan sebgai parameter dalam pemutuan wortel.

5. Parameter Mutu Berdasarkan Roundness (faktor bentuk)

Roundness merupakan faktor bentuk yang tidak berdimensi. Bila nilai roundness semakin besar maka bentuk objek tersebut semakin bundar. Sebaliknya semakin kecil nilai roundness yang dihasilkan maka bentuk objek semakin memanjang. Data hasil perhitungan statistik berdasarkan faktor bentuk (roundness) disajikan pada Tabel 11. Grafik sebaran faktor bentuk untuk masing-masing mutu dapat dilihat pada Gambar 19.

34 Gambar 19. Sebaran nilai roundness hasil pengolahan citra

Tabel 11. Hasil perhitungan statistik pada roundness wortel hasil pengolahan citra

Roundness Mutu

A B C

Maksimum (piksel) 0.1744 0.2181 0.2702 Minimum (piksel) 0.1044 0.1014 0.0989 Rata-rata (piksel) 0.1410 0.1573 0.1720 Standar Deviasi (piksel) 0.0182 0.0228 0.0326

Berdasarkan hasil pengolahan citra pada wortel untuk perhitungan besarnya nilai roundness, diperoleh nilai maksimum dan minimum roundness untuk mutu A yaitu 0.1744 dan 0.1044 dengan rata-rata sebesar 0.1410. untuk wortel mutu B diperoleh nilai maksimum dan minimum sebesar 0.2181 dan 0.1014 dengan rata-rata sebesar 0.1573, sedangkan untuk mutu C diperoleh nilai maksimum dan minimum sebesar 0.2702 dan 0.0989 dengan rata-rata sebesar 0.1720.

6. Parameter Mutu Berdasarkan Indeks Warna RGB Wortel

Dari hasil uji statistik untuk komponen warna RGB hasil pengolahan citra pada wortel, dapat disimpulkan bahwa komponen warna RGB pada wortel tidak

35 dapat dijadikan sebagai parameter penentuan mutu wortel. Hal ini disebabkan karena komponen warna RGB pada masing-masing mutu wortel tidak menunjukkan perbedaan yang signifikan. Pada pengolahan warna ini, Komponen warna RGB pada wortel di normalisasi menjadi indeks warna merah (r), indeks warna hijau (g), dan indeks warna biru (b). Data hasil perhitungan statistik untuk indeks warna rgb pada wortel dapat dilihat pada Tabel 12, Tabel 13, dan Tabel 14. Sedangkan Grafik sebaran nilai indeks warna rgb pada wortel dapat dilihat pada Gambar 20, Gambar 21, dan Gambar 22.

Gambar 20. Sebaran komponen warna merah pada wortel

Tabel 12. Hasil perhitungan statistik untuk komponen warna merah pada wortel

Komponen warna merah

Mutu

A B C

Maksimum (piksel) 0.491 0.492 0.497 Minimum (piksel) 0.467 0.465 0.473 Rata-rata (piksel) 0.510 0.514 0.521 Standar Deviasi (piksel) 0.009 0.010 0.010

36

Gambar 21. Sebaran komponen warna hijau pada worte

Tabel 13. Hasil perhitungan statistik untuk komponen warna hijau pada wortel

Komponen warna hijau Mutu

A B C

Maksimum (piksel) 0.269 0.269 0.268 Minimum (piksel) 0.252 0.250 0.252 Rata-rata (piksel) 0.294 0.287 0.294 Standar Deviasi (piksel) 0.007 0.008 0.008

Gambar 22. Sebaran komponen warna biru pada wortel A B C

63

Lampiran 6. Data hasil pengolahan citra untuk wortel mutu B (lanjutan)

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter

Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

62 145 79 70 0.493 0.269 0.238 7523 (B) 236 (B) 107 76 43 75.3 (B) 0.17733 3.13413 63 146 80 72 0.49 0.268 0.242 8126 (A) 265 (A) 100 73 42 71.7 (B) 0.14741 3.69596 64 147 79 71 0.495 0.266 0.239 7601 (A) 274 (B) 90 63 36 63 (B) 0.12897 4.34921 65 140 81 72 0.478 0.276 0.246 7526 (B) 256 (B) 91 66 34 63.7 (B) 0.14707 4.01884 66 145 80 73 0.487 0.268 0.245 7816 (A) 244 (B) 105 72 38 71.7 (B) 0.16724 3.40307 67 143 78 70 0.491 0.268 0.241 5383 (B) 260 (B) 66 47 25 46 0.10144 5.65217 68 146 83 72 0.485 0.276 0.239 5403 (B) 241 (B) 72 52 30 51.3 0.1185 4.69786 69 152 85 73 0.49 0.274 0.235 7091 (B) 247 (B) 94 69 39 67.3 (B) 0.14806 3.67013 70 143 77 71 0.491 0.265 0.244 7535 (B) 244 (B) 102 73 38 71 (B) 0.16337 3.43662 71 150 80 74 0.493 0.263 0.243 7312 (B) 258 (A) 91 69 41 67 (B) 0.13994 3.85075 72 145 76 70 0.498 0.261 0.241 8281 (A) 265 (B) 99 71 38 69.3 (B) 0.15022 3.82395 73 145 81 71 0.488 0.273 0.239 7883 (A) 238 (A) 108 77 41 75.3 (B) 0.17728 3.16069 74 139 81 69 0.481 0.28 0.239 9718 (A) 265 (B) 117 83 44 81.3 (B) 0.17629 3.25953 75 148 78 70 0.5 0.264 0.236 7663 (A) 337 (C) 109 80 44 77.7 (B) 0.17379 3.05019 76 155 78 71 0.51 0.257 0.234 7310 (B) 242 (B) 96 69 38 67.7 (B) 0.15901 3.57459 77 148 83 72 0.488 0.274 0.238 7949 (A) 216 (B) 120 85 47 84 (A) 0.21704 3.01255 78 137 80 70 0.477 0.279 0.244 7471 (B) 246 (B) 98 71 39 69.3 (B) 0.15727 3.54978 79 153 85 76 0.487 0.271 0.242 8141 (A) 264 (B) 101 73 39 71 (B) 0.1488 3.71831 80 147 76 70 0.502 0.259 0.239 6567 (B) 220 (B) 88 59 26 57.7 (B) 0.17284 3.81282 81 148 76 72 0.5 0.257 0.243 8513 (A) 181 (C) 98 70 37 68.3 (B) 0.13734 4.1142 82 148 84 70 0.49 0.278 0.232 7526 (B) 248 (B) 99 70 37 68.7 (B) 0.15822 3.6099 83 137 78 71 0.479 0.273 0.248 7636 (A) 280 (A) 86 61 32 59.7 (B) 0.12407 4.69012 84 143 83 74 0.477 0.277 0.247 5762 (B) 228 (B) 82 58 31 57 (B) 0.1412 4

85 148 77 67 0.507 0.264 0.229 7707 (A) 268 (A) 96 73 44 71 (B) 0.13669 3.77465 86 155 82 73 0.5 0.265 0.235 6482 (B) 236 (B) 84 58 30 57.3 (B) 0.14826 4.11867 87 149 82 71 0.493 0.272 0.235 6816 (B) 235 (B) 120 85 47 84 (A) 0.15723 3.35714 88 148 79 72 0.495 0.264 0.241 6376 (B) 240 (B) 90 67 35 64 (B) 0.14101 3.75 89 142 81 69 0.486 0.277 0.236 6115 (B) 223 (B) 89 66 33 62.7 (B) 0.15665 3.55662 90 142 82 73 0.478 0.276 0.246 6434 (B) 201 (C) 83 60 34 59 (B) 0.14112 4.08475

64

Lampiran 6. Data hasil pengolahan citra untuk wortel mutu B (lanjutan)

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

91 136 80 70 0.476 0.28 0.245 6058 (B) 246 (B) 82 64 36 60.7 (B) 0.12752 4.05272 92 148 80 72 0.493 0.267 0.24 6805 (B) 277 (A) 78 56 32 55.3 (B) 0.11298 5.00904 93 139 82 69 0.479 0.283 0.238 6579 (B) 238 (B) 93 65 33 63.7 (B) 0.14796 3.73626 94 134 80 69 0.473 0.283 0.244 6864 (B) 244 (B) 94 65 36 65 (B) 0.14687 3.75385 95 151 79 73 0.498 0.261 0.241 5682 (B) 224 (B) 77 52 26 51.7 (C) 0.14426 4.33269 96 147 79 71 0.495 0.266 0.239 6224 (B) 251 (B) 77 54 29 53.3 (B) 0.12585 4.70919 97 147 78 69 0.5 0.265 0.235 6171 (B) 250 (B) 77 55 31 54.3 (B) 0.12578 4.60405 98 151 80 73 0.497 0.263 0.24 7676 (A) 270 (A) 121 88 48 85.7 (A) 0.13413 4.23862 99 145 87 72 0.477 0.286 0.237 6619 (B) 253 (B) 83 57 29 56.3 (B) 0.13173 4.49378 100 144 84 73 0.478 0.279 0.243 6672 (B) 250 (B) 85 59 30 58 (B) 0.13599 4.31034

65

Lampiran 7. Data hasil pengolahan citra untuk wortel mutu C

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

1 144 73 66 0.509 0.258 0.233 6965 (B) 265 (B) 85 59 31 58.3 (B) 0.12635 4.54545 2 141 78 65 0.496 0.275 0.229 10002 (A) 262 (B) 133 101 57 97 (A) 0.18562 2.70103 3 149 81 68 0.5 0.272 0.228 7711 (A) 223 (B) 113 83 43 79.7 (B) 0.19753 2.79799 4 146 80 70 0.493 0.27 0.236 7343 (B) 200 (C) 115 88 48 83.7 (B) 0.20426 2.55675 5 146 76 68 0.503 0.262 0.234 5839 (B) 209 (B) 80 54 21 51.7 C) 0.17028 4.04255 6 143 80 69 0.49 0.274 0.236 7448 (B) 219 (B) 98 64 26 62.7 (B) 0.19783 3.49282 7 143 80 68 0.491 0.275 0.234 7447 (B) 218 (B) 111 77 40 76 (B) 0.19962 2.86842 8 143 81 68 0.49 0.277 0.233 9223 (A) 233 (B) 134 91 46 90.3 (A) 0.21642 2.58029 9 145 80 70 0.492 0.271 0.237 7657 (A) 225 (B) 106 73 36 71.7 (B) 0.19267 3.13808 10 147 79 70 0.497 0.267 0.236 6139 (B) 227 (B) 90 65 34 63 (B) 0.15177 3.60317 11 139 73 64 0.504 0.264 0.232 5240 (C) 201 (C) 86 63 33 60.7 (B) 0.1573 3.39374 12 152 81 71 0.5 0.266 0.234 3901 (C) 189 (C) 66 46 25 45.7 (C) 0.13912 4.13567 13 141 77 64 0.5 0.273 0.227 3367 (C) 126 (C) 87 60 27 58 (B) 0.27017 2.17241 14 128 77 64 0.476 0.286 0.238 4737 (C) 201 (C) 59 36 9 34.7 (C) 0.14789 5.82133 15 149 77 70 0.503 0.26 0.236 8387 (A) 243 (B) 118 88 46 84 (A) 0.18094 2.89286 16 153 85 71 0.495 0.275 0.23 6006 (B) 232 (B) 89 65 38 64 (B) 0.14215 3.62500 17 140 74 64 0.504 0.266 0.23 4356 (C) 171 (C) 76 55 23 51.3 (C) 0.18977 3.33333 18 141 76 65 0.5 0.27 0.23 5753 (B) 252 (B) 80 54 21 51.7 C) 0.1154 4.66667 19 129 72 63 0.489 0.273 0.239 7051 (B) 279 (B) 89 66 38 64.3 (B) 0.11539 4.33904 20 149 81 71 0.495 0.269 0.236 7117 (B) 206 (B) 98 66 30 64.7 (B) 0.21365 3.18393 21 150 81 74 0.492 0.266 0.243 8044 (A) 263 (B) 99 71 37 69 (B) 0.14815 3.81159 22 144 78 71 0.491 0.266 0.242 7321 (B) 230 (B) 97 65 26 62.7 (B) 0.1763 3.66826 23 148 81 68 0.498 0.273 0.229 7598 (A) 229 (B) 106 73 35 71.3 (B) 0.18457 3.21178 24 144 78 72 0.49 0.265 0.245 10027 (A) 300 (A) 121 88 48 85.7 (A) 0.14192 4.09277 25 146 76 68 0.503 0.262 0.234 7297 (B) 214 (B) 103 72 35 70 (B) 0.20298 3.05714 26 155 82 73 0.5 0.265 0.235 8353 (A) 228 (B) 121 89 46 85.3 (A) 0.20469 2.67292 27 150 91 69 0.484 0.294 0.223 4047 (C) 188 (C) 75 53 27 57.7 (B) 0.14586 3.63636 28 151 81 68 0.503 0.27 0.227 3513 (C) 146 (C) 80 54 21 51.7 C) 0.20994 2.54766 29 136 71 61 0.507 0.265 0.228 6654 (B) 232 (B) 88 57 29 58 (B) 0.15748 4.00000

66

Lampiran 7. Data hasil pengolahan citra untuk wortel mutu C (lanjutan)

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

30 148 81 70 0.495 0.271 0.234 6139 (B) 217 (B) 86 59 27 57.3 (B) 0.16608 3.78709 31 147 78 68 0.502 0.266 0.232 4021 (C) 157 (C) 80 54 21 51.7 C) 0.20781 2.85445 32 136 81 70 0.474 0.282 0.244 6735 (B) 201 (C) 111 79 37 75.7 (B) 0.21236 2.65522 33 147 73 66 0.514 0.255 0.231 11424 (A) 271 (A) 135 97 53 95 (A) 0.19816 2.85263 34 144 84 71 0.482 0.281 0.237 8348 (A) 239 (B) 116 87 49 84 (A) 0.18617 2.84524 35 141 81 69 0.485 0.278 0.237 10633 (A) 306 (A) 108 81 46 78.3 (B) 0.14466 3.90805 36 147 71 64 0.521 0.252 0.227 6439 (B) 228 (B) 88 61 31 60 (B) 0.15779 3.80000 37 145 83 71 0.485 0.278 0.237 5699 (B) 200 (C) 86 63 32 60.3 (B) 0.16002 3.53234 38 131 72 63 0.492 0.271 0.237 6762 (B) 201 (C) 112 82 45 79.7 (B) 0.20699 2.55960 39 140 75 66 0.498 0.267 0.235 2532 (C) 118 (C) 72 53 27 50.7 (C) 0.23165 2.32742 40 134 78 67 0.48 0.28 0.24 8134 (A) 295 (B) 84 61 36 60.3 (B) 0.11907 4.89221 41 132 78 67 0.477 0.282 0.242 3414 (C) 146 (C) 75 56 30 53.7 (B) 0.20403 2.71881 42 146 76 66 0.507 0.264 0.229 5871 (B) 243 (B) 84 62 32 59.3 (B) 0.12666 4.09781 43 134 75 66 0.487 0.273 0.24 4376 (C) 187 (C) 80 55 27 54 (B) 0.15941 3.46296 44 141 74 64 0.505 0.265 0.229 7204 (B) 266 (B) 84 56 30 56.7 (B) 0.1297 4.69136 45 136 67 60 0.517 0.255 0.228 3860 (C) 192 (C) 57 40 17 38 (C) 0.13339 5.05263 46 142 75 66 0.502 0.265 0.233 9276 (A) 247 (B) 121 88 48 85.7 (A) 0.19369 2.95102 47 143 73 67 0.505 0.258 0.237 9411 (A) 287 (A) 102 71 37 70 (B) 0.14555 4.10000 48 139 70 64 0.509 0.256 0.234 6916 (B) 201 (C) 109 76 39 74.7 (B) 0.20169 2.79786 49 145 79 72 0.49 0.267 0.243 6605 (B) 240 (B) 86 61 30 59 (B) 0.14608 4.06780 50 131 73 63 0.491 0.273 0.236 2643 (C) 132 (C) 68 43 20 43.7 (C) 0.19323 3.02059 51 147 74 66 0.512 0.258 0.23 6559 (B) 202 (B) 99 69 32 66.7 (B) 0.20477 3.02849 52 149 77 72 0.5 0.258 0.242 8674 (A) 248 (B) 110 75 39 74.7 (B) 0.17966 3.31995 53 148 77 66 0.509 0.265 0.227 5987 (B) 258 (B) 76 55 31 54 (B) 0.11458 4.77778 54 146 80 74 0.487 0.267 0.247 10414 (A) 329 (C) 138 105 59 100.7 (A) 0.19034 2.62165 55 149 81 71 0.495 0.269 0.236 8307 (A) 223 (B) 112 75 34 73.7 (B) 0.2128 3.02578 56 141 80 70 0.485 0.275 0.241 4696 (C) 329 (C) 68 50 30 49.3 (C) 0.09885 4.98986 57 150 79 70 0.502 0.264 0.234 7107 (B) 227 (B) 96 64 32 64 (B) 0.1757 3.54688 58 144 74 67 0.505 0.26 0.235 6082 (B) 226 (B) 84 56 27 55.7 (B) 0.15169 4.05745 59 140 72 66 0.504 0.259 0.237 6136 (B) 201 (C) 68 43 20 43.7 (C) 0.17392 3.78571 60 138 74 65 0.498 0.267 0.235 6894 (B) 220 (B) 97 66 32 65 (B) 0.18145 3.38462

67

Lampiran 7. Data hasil pengolahan citra untuk wortel mutu C (lanjutan)

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

61 145 82 72 0.485 0.274 0.241 7094(B) 206 (B) 108 72 37 72.3 (B) 0.21295 #REF! 62 149 76 66 0.512 0.261 0.227 10149 (A) 271 (A) 121 86 43 83.3 (B) 0.17604 3.25330 63 138 75 66 0.495 0.269 0.237 6993 (B) 201 (C) 94 59 22 58.3 (B) 0.20992 3.53345 64 148 79 68 0.502 0.268 0.231 7889 (A) 230 (B) 114 83 44 80.3 (B) 0.18998 2.86426 65 155 84 71 0.5 0.271 0.229 7555 (A) 238 (B) 98 66 35 66.3 (B) 0.16991 3.58974 66 146 76 68 0.503 0.262 0.234 6663 (B) 199 (C) 92 66 37 65 (B) 0.14614 3.70769 67 139 80 70 0.481 0.277 0.242 6789 (B) 227 (B) 95 68 34 65.7 (B) 0.16784 3.45510 68 125 74 65 0.473 0.28 0.246 6557 (B) 201 (C) 104 76 36 72 (B) 0.17576 3.02778 69 147 74 67 0.51 0.257 0.233 5630 (B) 230 (B) 76 51 27 51.3 (C) 0.13558 4.48343 70 141 69 64 0.515 0.252 0.234 7344 (B) 200 (C) 93 68 35 65.3 (B) 0.15459 3.76723 71 146 73 68 0.509 0.254 0.237 6621 (B) 219 (B) 98 71 38 69 (B) 0.17586 3.17391 72 152 83 69 0.5 0.273 0.227 5613 (B) 194 (C) 79 52 18 49.7 (C) 0.18999 3.90342 73 133 71 63 0.498 0.266 0.236 6911 (B) 181 (C) 131 89 44 88 (A) 0.26873 2.10227 74 147 82 68 0.495 0.276 0.229 6975 (B) 242 (B) 87 61 31 59.7 (B) 0.15172 4.05360 75 141 77 67 0.495 0.27 0.235 7153 (B) 227 (B) 121 88 48 85.7 (A) 0.17683 3.25681 76 129 72 63 0.489 0.273 0.239 4920 (C) 173 (C) 92 64 33 63 (B) 0.20941 2.74603 77 147 81 70 0.493 0.272 0.235 2969 (C) 129 (C) 71 48 21 46.7 (C) 0.22728 2.76231 78 155 80 69 0.51 0.263 0.227 5937 (B) 198 (C) 102 70 37 69.7 (B) 0.19292 2.84075 79 144 81 69 0.49 0.276 0.235 6218 (B) 208 (B) 98 72 38 69.3 (B) 0.18309 3.00144 80 143 75 69 0.498 0.261 0.24 7237 (B) 201 (C) 109 79 44 77.3 (B) 0.20131 2.76843 81 152 80 72 0.5 0.263 0.237 6443 (B) 198 (C) 104 74 36 71.3 (B) 0.20936 2.77700 82 145 84 72 0.482 0.279 0.239 3020 (C) 132 (C) 71 48 24 47.7 (C) 0.2208 2.76730 83 146 78 69 0.498 0.266 0.235 6096 (B) 193 (C) 100 69 35 68 (B) 0.20848 2.83824 84 144 75 69 0.5 0.26 0.24 6671 (B) 200 (C) 107 77 38 74 (B) 0.21245 2.70270 85 146 81 70 0.492 0.273 0.236 6301 (B) 230 (B) 91 69 41 67 (B) 0.15173 3.43284 86 143 79 67 0.495 0.273 0.232 4830 (C) 200 (C) 72 50 24 48.7 (C) 0.14931 4.16838 87 134 75 66 0.487 0.273 0.24 5066 (C) 202 (B) 79 56 30 55 (B) 0.15816 3.67273 88 149 77 69 0.505 0.261 0.234 4840 (C) 171 (C) 92 64 33 63 (B) 0.21085 2.71429 89 143 75 71 0.495 0.26 0.246 3856 (C) 187 (C) 63 43 21 42.3 (C) 0.14047 4.42080 90 136 69 65 0.504 0.256 0.241 7262 (B) 223 (B) 106 76 41 74.3 (B) 0.18603 3.00135

68

Lampiran 7. Data hasil pengolahan citra untuk wortel mutu C (lanjutan)

No

Komponen warna

Luas (Mutu)

Panjang (Mutu)

Diameter Rata diameter

(Mutu) Roundness FD

R G B r g b D1 D2 D3

91 151 80 73 0.497 0.263 0.24 7614 (A) 336 (C) 115 81 42 79.3 (B) 0.17415 2.97604 92 149 83 69 0.495 0.276 0.229 5977 (B) 223 (B) 88 64 34 62 (B) 0.15311 3.59677 93 152 86 71 0.492 0.278 0.23 4962 (C) 164 (C) 97 71 38 68.7 (B) 0.23502 2.38719 94 145 78 72 0.492 0.264 0.244 7024 (B) 221 (B) 108 75 40 74.3 (B) 0.1832 2.97443 95 149 79 70 0.5 0.265 0.235 3793 (C) 171 (C) 68 47 25 46.7 (C) 0.16524 3.66167 96 139 80 71 0.479 0.276 0.245 4595 (C) 198 (C) 77 57 32 55.3 (B) 0.14931 3.58047 97 147 75 70 0.503 0.257 0.24 4156 (C) 183 (C) 72 52 26 50 (C) 0.15809 3.66000 98 143 75 67 0.502 0.263 0.235 4248 (C) 182 (C) 58 37 10 35 (C) 0.16337 5.20000 99 150 75 68 0.512 0.256 0.232 5857 (B) 210 (B) 90 67 37 64.7 (B) 0.16919 3.24575 100 150 80 70 0.5 0.267 0.233 4295 (C) 169 (C) 77 51 24 50.7 (C) 0.19157 3.33333