Pemutuan Buah Jeruk Manis (Citrus sinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra

(1)

SKRIPSI

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

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR 2006

(2)

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

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,

Institut Pertanian Bogor

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR 2006

(3)

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN

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

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,

Institut Pertanian Bogor

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

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

Menyetujui, Bogor, Januari 2006

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

Mengetahui,

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

(4)

MARIA YUSTINA TAMPUBOLON. F14101109. Pemutuan Buah Jeruk Manis (Citrus sinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra. Di bawah bimbingan: I DEWA MADE SUBRATA. 2006.

RINGKASAN

Buah hortikultura semakin lama semakin banyak diminati oleh masyarakat, contohnya buah jeruk manis (Citrus sinensis (L) Osbeck). Buah ini memiliki nilai ekonomis yang tinggi, terlihat dari besarnya permintaan untuk konsumsi rumah tangga, supermarket, hotel dan restoran. Di Indonesia tanaman ini sudah mulai dikembangkan di berbagai daerah. Buah jeruk manis (Citrus sinenesis (L) Osbeck) mengandung kadar vitamin C yang cukup tinggi, kebanyakan dikonsumsi sebagai buah segar.

Indonesia berpeluang untuk melakukan ekspor komoditas buah-buahan tropis, tetapi pada kenyataannya andil Indonesia masih sangat kecil dalam memenuhi kebutuhan akan buah-buahan tropis segar dunia tersebut. Penyebabnya adalah kemampuan suplai yang terbatas dan tidak berkelanjutan serta kualitas buah hasil produksi yag masih rendah.

Rendahnya kualitas buah-buahan yang akan diekspor seperti buah jeruk manis (Citrus sinensis (L) Osbeck) salah satunya disebabkan oleh penanganan pasca panen yang belum baik, contohnya pensortasian dan pemutuan yang masih dilakukan secara manual. Untuk itu diperlukan adanya suatu teknik yang dapat menggolongkan buah-buahan tersebut dalam berbagai tingkatan mutu sehingga diperoleh hasil yang seragam.

Penelitian ini bertujuan untuk menganalisis parameter-parameter mutu beberapa kelas mutu jeruk manis (Citrus sinensis (L) Osbeck) dengan pengolahan citra dan pengukuran langsung, kemudian parameter-parameter mutu yang diperoleh dengan pengolahan citra nantinya dapat digunakan untuk membedakan jeruk manis pacitan berdasarkan kelas mutunya. Dalam penelitian ini akan dicari pula hubungan antara parameter pengolahan citra dengan parameter pengukuran langsung atau manual lalu akan dilakukan pengujian algoritma pengolahan citra yang telah dibangun untuk dapat menggolongkan buah jeruk manis pacitan sesuai dengan kelompok mutunya.

Sampel yang digunakan yang digunakan dalam penelitian ini adalah buah jeruk manis pacitan dengan tiga tingkatan mutu yaitu mutu A, B dan C masing-masing mutu terdiri dari 30 buah sampel sehingga jumlah seluruh sampel adalah 90 buah. Tahap pertama penelitian ini adalah pengambilan citradan pengolahan citra jeruk manis pacitan dengan menggunakan kamera digital. Citra direkam dari arah pangkal dan dari arah samping dengan resolusi 256 × 192 piksel dan 256 tingkat intensitas warna RGB. Dilanjutkan dengan pengolahan citra, citra yang sudah direkam diolah dengan program yang dibuat menggunakan bahasa pemrograman Visual Basic Ver. 6.0 yang memiliki kemampuan untuk menghitung luas objek, diameter objek dan nilai intensitas warna RGB.

Luas objek dihitung dengan cara mengubah terlebih dahulu citra warna menjadi citra biner melalui proses thresholding dengan nilai batas intensitas warna merah 70. Citra objek diset berwarna putih dan latar belakang diset berwarna hitam, sehingga yang menjadi luas objek adalah piksel yang berwarna putih. Dalam proses thresholding sering terjadi noise yaitu adanya piksel di luar

(5)

objek, agar mendapatkan citra objek yang bersih maka noise tersebut harus dihapus. Piksel-piksel yang berukuran lebih kecil dari 20 piksel diset menjadi sama dengan latar belakang. Diameter dihitung dengan menghubungkan piksel-piksel yang memiliki nilai jarak terjauh pada citra objek. Dalam penelitian ini pengukuran diameter dilakukan pada tiga titik yang berbeda pada objek, rata-rata dari ketiga panjang diameter tersebut merupakan diameter objek.

Intensitas warna yang diukur adalah warna merah, hijau, dan biru (RGB). Untuk mendapatkan nilai RGB, dilakukan proses analisis warna yang dilanjutkan dengan perintah pengukuran intensitas warna. Pengukuran RGB dilakukan dengan cara membentuk sebuah jendela objek sebagai sampel dengan ukuran 50 x 50 piksel. Koordinat jendela objek ini sudah ditentukan terlebih dahulu.

Tahap kedua yaitu pengukuran secara langsung yang meliputi pengukuran berat, diameter, pengukuran kekerasan kulit dan daging serta pengukuran total padatan terlarut, pada tahapan ini pengujian dilakukan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP) Departemen Teknik Pertanian. Selanjutnya tahapan yang ketiga yaitu pengolahan data citra dan data pengukuran secara langsung yaitu pengolahan data citra untuk menentukan perbedaan tiap mutu, pengolahan data pengukuran secara langsung untuk menentukan perbedaan tiap mutu, menentukan hubungan antara hasil pengolahan citra dan pengukuran secara langsung, dan membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan pengukuran langsung.

Berdasarkan hasil pengolahan citra terlihat bahwa luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping dapat membedakan antara mutu A, B dan C. Luas objek yang direkam dari arah pangkal dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas bawah 10187 piksel, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 8979 piksel sedangkan untuk luas objek yang direkam dari arah samping dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas bawah 10611 piksel, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 8798 piksel. Begitu pula pada pengukuran diameter objek yang mana dapat membedakan tingkat mutu A pada ambang batas bawah 115 piksel dengan tingkat mutu B, dan pada tingkat mutu B dengan tingkat mutu C. pada ambang batas bawah 108 piksel.

Indeks warna merah pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A dan B pada ambang batas atas 0.455 dan tingkat mutu B dan C pada ambang batas atas 0.466, sedangkan pada citra yang direkam dari arah samping indeks warna merah dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas atas 0.482, dan tingkat mutu B dengan tingkat mutu C pada ambang batas atas 0.490. Indeks warna hijau tidak dapat membedakan antara tingkat mutu A, B dan C pada citra yang direkam dari arah pangkal. Namun pada citra yang direkam dari arah samping indeks warna hijau mampu membedakan tingkat mutu A dan B pada ambang batas atas 0.483 dan tingkat mutu B dan C pada ambang batas atas 0.492.

Parameter indeks warna biru pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A dan B pada ambang batas bawah 0.128 dan tingkat mutu B dan C pada ambang bawah 0.117 sedangkan pada citra yang direkam dari arah samping indeks warna biru dapat membedakan tingkat mutu A

(6)

dengan tingkat mutu B pada ambang batas bawah 0.076, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 0.057.

Berdasarkan hasil uji statistik terhadap data pengukuran langsung memperlihatkan bahwa berat dan diameter buah dapat membedakan mutu A, B dan C, sedangkan parameter tingkat kekerasan buah dan daging serta total padatan terlarut tidak dapat membedakan ketiga mutu tersebut.

Parameter luas objek dengan berat buah memiliki hubungan yang linear, terlihat dari tingkat kepercayaan berturut-turut sebesar 93.97% dan 91.83% ini berarti berat buah dapat diduga dari luas objek. Diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung memiliki nilai koefisien determinasi sebesar 0.7322, ini berarti diameter hasil pengukuran pengolahan citra tidak cukup memiliki hubungan linear dengan diameter hasil pengukuran secara langsung.

Parameter indeks warna RGB dengan tingkat kekerasan kulit memiliki tingkat korelasi yang cukup rendah baik pada citra yang direkam dari arah pangkal maupun pada citra yang direkam dari arah samping. Begitu pula dengan tingkat kekerasan daging dan total padatan terlarut yang mana tidak dapat diduga dari indeks warna merah, hijau ataupun biru baik pada citra yang direkam dari arah maupun pada citra yang direkam dari arah samping.

Tingkat keberhasilan pemutuan untuk parameter luas objek pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping secara berturut-turut adalah 86.7% dan 81.3%. Tingkat keberhasilan pemutuan untuk parameter diameter objek yaitu sebesar 89%, untuk parameter indeks warna merah pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping secara berturut-turut adalah 49% dan 53.7%, parameter indeks warna hijau pada citra yang direkam dari arah samping adalah 54.67%,dan untuk parameter indeks warna biru pada citra yang direkam dari arah pangkal dan samping masing-masing secara berturut-turut yaitu 46.7% dan 63.7%.

Perlu diperhatikan teknik pencahayaan yang tepat pada saat pengambilan citra objek agar didapatkan hasil citra yang lebih baik selain itu diperlukan pula penambahan kriteria pemutuan buah jeruk manis pacitan seperti komponen warna

hue, saturation dan intensity (HSI), tekstur buah dan lain-lain dengan menggunakan jumlah sampel yang lebih banyak lagi sehingga parameter-parameter mutu yang didapatkan dengan metode pengolahan citra nantinya dapat digunakan dan menghasilkan teknik pensortasian yang lebih baik.

(7)

RIWAYAT HIDUP

Penulis lahir di Pekanbaru, pada tanggal 4 September 1983. Penulis adalah anak kedua dari empat bersaudara dari pasangan Bapak H.R. Tampubolon dan Ibu D. Napitupulu. Penulis menyelesaikan pendidikan sekolah dasar pada SD Kristen Kalam Kudus Pekanbaru pada tahun 1995. Kemudian penulis melanjutkan pendidikan lanjutan pada SLTP Kristen Kalam Kudus Pekanbaru, dan lulus pada tahun 1998. Pada tahun yang sama penulis melanjutkan pendidikan lanjutan tingkat atas di SMUN I Pekanbaru dan lulus pada tahun 2001.

Pada tahun 2001 melalui jalur Ujian Masuk Perguruan Tinggi Negeri (UMPTN) penulis diterima menjadi mahasiswa S1 Institut Pertanian Bogor, di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian. Pada tahun 2004 penulis melaksanakan Praktek Lapang (PL) di PT Inti Indosawit Subur, Kabupaten Pelalawan, Propinsi Riau.

Selama masa perkuliahan penulis aktif berorganisasi di himpunan profesi HIMATETA (Himpunan Mahasiswa Teknik Pertanian) dan PMK (Persekutuan Mahasiswa Kristen). Di PMK penulis masuk dalam Komisi Kesenian dan pada tahun 2003 – 2004 dipercaya sebagai Wakil Koordinator Bidang Pembinaan, kemudian pada tahun 2004 – 2005 dipercaya sebagai Wakil Koordinator Bidang Pembinaan pada Kelompok Pra Alumni.

(8)

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus karena berkat, anugerah dan kasih setia-Nya penulis mampu menyelesaikan skripsi yang berjudul “Pemutuan Jeruk Manis (Citrussinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra”, yang merupakan salah satu persyaratan untuk memperoleh gelar Sarjana Teknik Pertanian pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penelitian ini bertujuan untuk menggolongkan buah jeruk manis (Citrus sinensis (L) Osbeck) ke dalam beberapa tingkatan mutu dengan menggunakan algoritma pengolahan citra.

Skripsi ini merupakan hasil terbaik yang dapat penulis kerjakan, akan tetapi penulis menyadari dengan sepenuhnya bahwa masih banyak kekurangan dan ketidaksempurnaan dalam penelitian ini. Penulis berharap skripsi ini dapat bermanfaat bagi banyak pihak.

Pada kesempatan ini penulis juga ingin menyampaikan terimakasih kepada semua pihak yang telah membantu baik berupa bimbingan, motivasi, saran, dan kritik antara lain kepada:

1. Bapak H. R. Tampubolon, Mama D. Napitupulu, Ferry, Hotman, dan Anggita yang menyayangiku, memberikan motivasi dan mendoakanku setiap saat. 2. Bapak Dr. Ir. I Dewa Made Subrata, MAgr. sebagai dosen pembimbing, atas

saran dan kritik dan bimbingan selama proses penyelesaian skripsi ini.

3. Bapak Dr. Ir. Suroso, MAgr. dan Bapak Ir. Mad Yamin, MT. sebagai dosen penguji yang telah memberikan saran dan masukan bagi penulis.

4. Seluruh sahabat dan teman-teman TEP’38, Sari, Bujun terimakasih banyak. 5. Semua pihak yang tidak dapat saya sebutkan satu persatu yang telah

membantu dan mendukung saya dalam penyelesaian skripsi ini.

Bogor, Januari 2006

(9)

DAFTAR ISI

Halaman

KATA PENGANTAR ...i

DAFTAR ISI... ii

DAFTAR TABEL...v

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN...x

I. PENDAHULUAN ...1

A. LATAR BELAKANG ...1

B. TUJUAN PENELITIAN ...2

II. TINJAUAN PUSTAKA...3

A. BOTANI JERUK MANIS...3

B. PENGOLAHAN CITRA... 5

C. WARNA ... 8

D. PENELITIAN TERDAHULU ... 9

III.METODOLOGI PENELITIAN... 11

A. TEMPAT DAN WAKTU... 11

B. BAHAN DAN ALAT... 11

1. Bahan ... 11

2. Alat penelitian... 12

C. METODE PENELITIAN ... 12

1. Persiapan... 12

2. Pengangkutan... 12

3. Tahapan penelitian ... 12

a. Pengambilan citra dan pengolahan citra ... 13

b. Pengolahan secara langsung ... 14

c. Pengolahan data citra dan data pengukuran langsung ... 14

d. Menentukan hubungan antara hasil pengolahan citra dengan pengukuran secara langsung ... 16

e. Membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan secara langsung ... 17

(10)

iii

IV.HASIL DAN PEMBAHASAN... 19

A. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGOLAHAN CITRA (PENGUKURAN TIDAK LANGSUNG) ... 19

1. Luas objek ... 19

2. Diameter... 23

3. Nilai indeks warna merah, hijau dan biru (RGB) ... 24

B. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGUKURAN LANGSUNG ... 31

1. Berat ... 31

2. Diameter... 32

3. Tingkat kekerasan kulit dan daging ... 34

4. Total padatan terlarut ... 36

C. HUBUNGAN HASIL METODE PENGOLAHAN CITRA DENGAN METODE PENGUKURAN LANGSUNG... 37

1. Korelasi antara luas objek dengan berat buah berbagai tingkat mutu ... 37

2. Korelasi antara diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung berbagai tingkat mutu... 38

3. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan kulit berbagai tingkat mutu ... 39

4. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan daging berbagai tingkat mutu... 42

5. Korelasi antara indeks warna merah, hijau dan biru dengan total padatan terlarut berbagai tingkat mutu... 44

D. PERBANDINGAN PEMUTUAN MENGGUNAKAN METODE PENGOLAHAN CITRA DENGAN PEMUTUAN MENGGUNAKAN METODE PENGUKURAN LANGSUNG ... 47

V. KESIMPULAN DAN SARAN... 50

A. KESIMPULAN ... 50

(11)

SKRIPSI

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

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR 2006

(12)

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

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,

Institut Pertanian Bogor

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN

INSTITUT PERTANIAN BOGOR 2006

(13)

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN

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

SKRIPSI

Sebagai salah satu syarat untuk memperoleh gelar

SARJANA TEKNOLOGI PERTANIAN

Pada Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,

Institut Pertanian Bogor

Oleh:

MARIA YUSTINA TAMPUBOLON F14101109

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

Menyetujui, Bogor, Januari 2006

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

Mengetahui,

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

(14)

MARIA YUSTINA TAMPUBOLON. F14101109. Pemutuan Buah Jeruk Manis (Citrus sinensis (L) Osbeck) Menggunakan Algoritma Pengolahan Citra. Di bawah bimbingan: I DEWA MADE SUBRATA. 2006.

RINGKASAN

(15)

(16)

dengan tingkat mutu B pada ambang batas bawah 0.076, dan tingkat mutu B dengan tingkat mutu C pada ambang batas bawah 0.057.

(17)

RIWAYAT HIDUP

(18)

KATA PENGANTAR

Pada kesempatan ini penulis juga ingin menyampaikan terimakasih kepada semua pihak yang telah membantu baik berupa bimbingan, motivasi, saran, dan kritik antara lain kepada:

saran dan kritik dan bimbingan selama proses penyelesaian skripsi ini.

3. Bapak Dr. Ir. Suroso, MAgr. dan Bapak Ir. Mad Yamin, MT. sebagai dosen penguji yang telah memberikan saran dan masukan bagi penulis.

4. Seluruh sahabat dan teman-teman TEP’38, Sari, Bujun terimakasih banyak. 5. Semua pihak yang tidak dapat saya sebutkan satu persatu yang telah

membantu dan mendukung saya dalam penyelesaian skripsi ini.

Bogor, Januari 2006

(19)

DAFTAR ISI

Halaman

KATA PENGANTAR ...i

DAFTAR ISI... ii

DAFTAR TABEL...v

DAFTAR GAMBAR ... vii

DAFTAR LAMPIRAN...x

I. PENDAHULUAN ...1

A. LATAR BELAKANG ...1

B. TUJUAN PENELITIAN ...2

II. TINJAUAN PUSTAKA...3

A. BOTANI JERUK MANIS...3

B. PENGOLAHAN CITRA... 5

C. WARNA ... 8

D. PENELITIAN TERDAHULU ... 9

III.METODOLOGI PENELITIAN... 11

A. TEMPAT DAN WAKTU... 11

B. BAHAN DAN ALAT... 11

1. Bahan ... 11

2. Alat penelitian... 12

C. METODE PENELITIAN ... 12

1. Persiapan... 12

2. Pengangkutan... 12

3. Tahapan penelitian ... 12

a. Pengambilan citra dan pengolahan citra ... 13

b. Pengolahan secara langsung ... 14

c. Pengolahan data citra dan data pengukuran langsung ... 14

d. Menentukan hubungan antara hasil pengolahan citra dengan pengukuran secara langsung ... 16

e. Membandingkan antara pemutuan menggunakan pengolahan citra dengan pemutuan secara langsung ... 17

(20)

iii

IV.HASIL DAN PEMBAHASAN... 19

A. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGOLAHAN CITRA (PENGUKURAN TIDAK LANGSUNG) ... 19

1. Luas objek ... 19

2. Diameter... 23

3. Nilai indeks warna merah, hijau dan biru (RGB) ... 24

B. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGUKURAN LANGSUNG ... 31

1. Berat ... 31

2. Diameter... 32

3. Tingkat kekerasan kulit dan daging ... 34

4. Total padatan terlarut ... 36

C. HUBUNGAN HASIL METODE PENGOLAHAN CITRA DENGAN METODE PENGUKURAN LANGSUNG... 37

1. Korelasi antara luas objek dengan berat buah berbagai tingkat mutu ... 37

2. Korelasi antara diameter hasil pengolahan citra dengan diameter hasil pengukuran langsung berbagai tingkat mutu... 38

3. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan kulit berbagai tingkat mutu ... 39

4. Korelasi antara indeks warna merah, hijau dan biru dengan kekerasan daging berbagai tingkat mutu... 42

5. Korelasi antara indeks warna merah, hijau dan biru dengan total padatan terlarut berbagai tingkat mutu... 44

D. PERBANDINGAN PEMUTUAN MENGGUNAKAN METODE PENGOLAHAN CITRA DENGAN PEMUTUAN MENGGUNAKAN METODE PENGUKURAN LANGSUNG ... 47

V. KESIMPULAN DAN SARAN... 50

A. KESIMPULAN ... 50

(21)

iv VI.DAFTAR PUSTAKA ... 52 LAMPIRAN

(22)

DAFTAR TABEL

Halaman Tabel 1. Perkiraan permintaan dan konsumsi buah di Indonesia... 1 Tabel 2. Syarat mutu SNI jeruk keprok ...4 Tabel 3. Persyaratan mutu buah jeruk segar sesuai dengan permintaan

segmen pasar ... 4 Tabel 4. Kandungan gizi dalam 100 gram buah jeruk manis... 5

Tabel 5. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data luas objek pada citra yang direkam dari arah pangkal dan

samping ... 21 Tabel 6. Hasil perhitungan statistik pemutuan jeruk manis pacitan

pada data diameter... 23 Tabel 7. Hasil perhitungan statistik pemutuan jeruk manis pacitan

pada data indeks warna merah pada citra yang direkam dari arah

pangkal dan samping... 26 Tabel 8. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

data indeks warna hijau pada citra yang direkam dari arah pangkal

dan samping. ... 28 Tabel 9. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

data indeks warna biru pada citra yang direkam dari arah pangkal

dan samping. ... 30 Tabel 10. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

data berat ... 32 Tabel 11. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

data diameter ... 33 Tabel 12. Hasil perhitungan statistik pemutuan jeruk manis pacitan

pada data kekerasan kulit ... 35 Tabel 13. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

data kekerasan daging ... 35 Tabel 14. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada

(23)

vi Tabel 15. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter luas

objek pada citra yang direkam dari arah pangkal... 47 Tabel 16. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter luas

objek pada citra yang direkam dari arah samping... 47 Tabel 17. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter diameter objek pada citra yang direkam dari arah pangkal... 48 Tabel 18. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter indeks

warna merah pada citra yang direkam dari arah pangkal... 48 Tabel 19. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter indeks

warna merah pada citra yang direkam dari arah samping...48 Tabel 20. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter indeks

warna hijau pada citra yang direkam dari arah samping... 48 Tabel 21. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter indeks

warna biru pada citra yang direkam dari arah samping ...49 Tabel 22. Perbandingan antara pemutuan manual dengan pemutuan

menggunakan metode pengolahan citra pada parameter indeks

(24)

vii

DAFTAR GAMBAR

Halaman Gambar 1. Sistem terdepan dari pengolahan citra. ... 6 Gambar 2. Jeruk manis pacitan pada berbagai mutu ... 11 Gambar 3. Diagram alir pelaksanaan penelitian ... 18 Gambar 4. Tampilan awal program pengolahan citra ... 19 Gambar 5. Tampilan citra buah jeruk manis pacitan yang sudah

dithresholding ...20 Gambar 6. Grafik hubungan antara luas objek pada citra yang direkam

dari arah pangkal dengan tingkat mutu ... 22 Gambar 7. Grafik hubungan antara luas objek pada citra yang direkam

dari arah samping dengan tingkat mutu ... 22 Gambar 8. Grafik hubungan antara diameter objek pada citra yang direkam

dari arah pangkal dengan tingkat mutu ... 24 Gambar 9. Tampilan citra buah jeruk manis pacitan dengan hasil indeks

warna ... 25 Gambar 10. Grafik hubungan antara nilai indeks warna merah pada citra

yang direkam dari arah pangkal dengan tingkat mutu ... 26 Gambar 11. Grafik hubungan antara nilai indeks warna merah pada citra

yang direkam dari arah samping dengan tingkat mutu ... 27 Gambar 12. Grafik hubungan antara nilai indeks warna hijau pada citra

yang direkam dari arah pangkal dengan tingkat mutu ... 28 Gambar 13. Grafik hubungan antara nilai indeks warna hijau pada citra

yang direkam dari arah samping dengan tingkat mutu ... 29 Gambar 14. Grafik hubungan antara nilai indeks warna biru pada citra

yang direkam dari arah pangkal dengan tingkat mutu ... 30 Gambar 15. Grafik hubungan antara nilai indeks warna biru pada citra

yang direkam dari arah samping dengan tingkat mutu ... 31 Gambar 16. Grafik hubungan berat buah jeruk manis pacitan dengan

(25)

viii Gambar 17. Grafik hubungan diameter buah jeruk manis pacitan dengan

tingkat mutu ... 34 Gambar 18. Grafik hubungan tingkat kekerasan kulit buah jeruk manis

pacitan dengan tingkat mutu ... 35 Gambar 19. Grafik hubungan tingkat kekerasan daging buah jeruk manis

pacitan pada berbagai tingkat mutu... 36 Gambar 20. Grafik hubungan total padatan terlarut buah jeruk manis

pacitan pada berbagai tingkat mutu... 37 Gambar 21. Grafik hubungan luas objekpada citra yang direkam dari

arahpangkal dengan berat... 38 Gambar 22. Grafik hubungan luas objek pada citra yang direkam dari

arah samping dengan berat... 38 Gambar 23. Grafik hubungan diameter hasil pengolahan citra dengan

diameter pengukuran langsung ... 39 Gambar 24. Grafik hubungan indeks warna merah pada citra yang direkam dari arahpangkal dengan kekerasan kulit ... 40 Gambar 25. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah pangkal dengan kekerasan kulit ... 40 Gambar 26. Grafik hubungan indeks warna biru pada citra yang direkam

dari arah pangkal dengan kekerasan kulit ... 40 Gambar 27. Grafik hubungan indeks warna merah pada citra yang direkam

dari arah samping dengan kekerasan kulit ... 41 Gambar 28. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah samping dengan kekerasan kulit ... 41 Gambar 29. Grafik hubungan indeks warna biru pada citra yang direkam

dari arah samping dengan kekerasan kulit ... 41 Gambar 30. Grafik hubungan indeks warna merah pada citra yang direkam

dari pangkal dengan kekerasan daging ... 42 Gambar 31. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah pangkal dengan kekerasan daging... 42 Gambar 32. Grafik hubungan indeks warna biru pada citra yang direkam

(26)

ix Gambar 33. Grafik hubungan indeks warna merah pada citra yang direkam

dari arah samping dengan kekerasan daging... 43 Gambar 34. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah samping dengan kekerasan daging... 43 Gambar 35. Grafik hubungan indeks warna biru pada citra yang direkam

dari arah samping dengan kekerasan daging... 44 Gambar 36. Grafik hubungan indeks warna merah pada citra yang direkam

dari arah pangkal dengan total padatan terlarut ... 45 Gambar 37. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah pangkal dengan total padatan terlarut ... 45 Gambar 38. Grafik hubungan indeks warna biru pada citra yang direkam

dari arah pangkal dengan total padatan terlarut ... 45 Gambar. 39. Grafik hubungan indeks warna merah pada citra yang direkam

dari arah samping dengan total padatan terlarut ... 46 Gambar 40. Grafik hubungan indeks warna hijau pada citra yang direkam

dari arah samping dengan total padatan terlarut ... 46 Gambar 41. Grafik hubungan indeks warna biru pada citra yang direkam

(27)

DAFTAR LAMPIRAN

Halaman Lampiran 1. Berat buah jeruk manis pacitan pada mutu A, B dan

C (gram) ... 55 Lampiran 2. Rata-rata diameter buah jeruk manis pacitan pada mutu

A, B dan C (cm) ... 56 Lampiran 3. Rata-rata tingkat kekerasan kulit buah jeruk manis pacitan

pada berbagai mutu (kg)... 57 Lampiran 4. Rata-rata tingkat kekerasan daging buah jeruk manis pacitan

pada mutu A, B dan C (kg) ... 58 Lampiran 5. Rata-rata total padatan terlarut buah jeruk manis pacitan pada

mutu A, B, dan C ( °Brix) ... 59 Lampiran 6. Luas buah jeruk manis pacitan hasil pengolahan citra pada

mutu A, B dan C (piksel) ... 60 Lampiran 7. Diameter buah jeruk manis pacitan hasil pengolahan citra

pada mutu A, B dan C (piksel)... 61 Lampiran 8. Indeks warna RGB pada citra yang direkam dari arah pangkal

buah jeruk manis pacitan pada mutu A, B, dan C... 62 Lampiran 9. Indeks warna RGB pada citra yang direkam dari arah samping

buah jeruk manis pacitan pada mutu A, B, dan C... 63 Lampiran 10. Contoh perhitungan nilai ambang batas ... 64

(28)

I. PENDAHULUAN

A. LATAR BELAKANG

Jeruk (Citrus sinensis (L) Osbeck) merupakan salah satu tanaman hortikultura yang saat ini sedang dikembangkan di berbagai daerah di Indonesia karena mempunyai potensi ekonomi tinggi. Peluang pasar domestik untuk komoditi buah tropis seperti jeruk cukup besar, ini dapat terlihat dari besarnya permintaan terhadap buah jeruk segar terutama untuk keperluan konsumsi rumah tangga, supermarket, hotel dan restoran. Adapun pertumbuhan permintaan konsumsi jeruk dan perkiraan permintaan jeruk beberapa tahun mendatang dapat dilihat pada tabel berikut ini.

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

Buah jeruk yang banyak dikonsumsi dalam keadaan segar dan mempunyai nilai ekonomis tinggi antara lain jeruk keprok, jeruk siam, jeruk besar (nambangan) dan jeruk manis.

Indonesia berpotensi dan memiliki peluang untuk melakukan ekspor komoditas buah-buahan tropis. Namun pada kenyataannya andil Indonesia sebagai salah satu negara pemasok buah-buahan tropis segar dunia masih sangat kecil yakni kurang dari satu persen pasokan dunia. Kemampuan suplai yang terbatas dan tidak berkelanjutan serta kualitas produksi yang masih rendah menjadi penyebabnya.

Penanganan pasca panen buah-buahan memiliki peranan penting dalam penentuan mutu buah jeruk, terutama untuk kualitas ekspor. Salah satu tahapan dalam pasca panen buah-buahan yang perlu mendapat perhatian adalah sortasi dan pemutuan. Pada umumnya kegiatan sortasi di pasaran

(29)

2 dilakukan secara manual sehingga produk yang dihasilkan memiliki mutu yang kurang seragam.

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

B. TUJUAN PENELITIAN

1. Menganalisis parameter-parameter mutu beberapa kelas mutu jeruk manis dengan pengolahan citra dan pengukuran langsung.

2. Menentukan parameter-parameter mutu yang diperoleh dengan pengolahan citra sehingga dapat digunakan untuk membedakan jeruk manis pacitan berdasarkan kelas mutunya.

3. Mencari hubungan antara parameter pengolahan citra dengan parameter pengukuran langsung atau manual.

4. Menguji algoritma pengolahan citra yang telah dibangun untuk dapat menggolongkan buah jeruk manis pacitan sesuai dengan kelompok mutunya.

(30)

II. TINJAUAN PUSTAKA

A. BOTANI JERUK MANIS

Jeruk manis merupakan tanaman buah tahunan. Pertama kali dibudidayakan oleh masyarakat Cina bagian selatan (Sudjijo dan Juliati, 1999). Jeruk manis ini rasanya memang manis, tetapi ada pula jeruk manis yang disertai rasa asam sedikit. Saat ini di daerah tropis maupun sub tropis tanaman ini sudah banyak dibudidayakan.

Jeruk manis atau jeruk peras termasuk dalam klasifikasi berikut ini: Kingdom : Plantae (tumbuh-tumbuhan)

Divisio : Spermathophyta (tanaman berbiji) Sub divisio : Angiospermae (biji di dalam buah) Kelas : Dicotyledoneae (biji berkeping dua) Ordo : Rutales

Famili : Rutaceae Genus : Citrus

Species : Citrus Sinensis (L) Osbeck

Varietas jeruk manis dibagi atas empat golongan yakni jeruk manis biasa (common orange, blond orange), jeruk manis pusar (navel orange), jeruk manis darah (pigmental orange) dan jeruk manis tidak asam (acidless orange). Salah satu contoh jeruk manis yang termasuk ke dalam kelompok jeruk manis tidak asam (acidless orange) adalah jeruk manis pacitan atau yang biasa dikenal dipasaran sebagai jeruk manis baby pacitan (Pracaya,1999).

Jeruk manis yang digunakan dalam penelitian ini adalah jeruk manis pacitan yang diperoleh dari daerah Batu, Malang, Jawa Timur.

Buah jeruk manis pacitan ini termasuk dalam varietas jeruk manis yang tingkat keasamannya rendah sekali bahkan bisa dikatakan tidak asam atau yang disebut juga jeruk manis bergula. Jeruk manis pacitan termasuk dalam jenis jeruk manis Sukkari.

(31)

4 Varietas jeruk manis ini cukup banyak, seringkali penamaan jeruk manis ini berdasarkan nama daerah asalnya misalnya jeruk manis batu karena asalnya dari Batu, jeruk manis pacitan karena berasal dari Pacitan, jeruk manis Sunkist karena berasal dari perusahaan Sunkist Growers, Inc. dari California, Amerika Serikat, dan lain-lain.

Persyaratan mutu jeruk manis dapat dibagi atas dua bagian yaitu persyaratan mutu berdasarkan SNI jeruk dan persyaratan mutu berdasarkan segmen pasar. Persyaratan mutu berdasarkan SNI jeruk mengacu pada SNI jeruk keprok. Persyaratan mutu berdasarkan SNI jeruk dan berdasarkan segmen pasar dapat dilihat pada Tabel 2 dan Tabel 3.

Tabel 2. Syarat mutu SNI jeruk keprok

Syarat Karakteristik

Mutu I Mutu II Kesamaan Sifat Varietas Seragam Seragam Tingkat Ketuaan Tua, tapi tidak

terlalu matang

Tua, tapi tidak terlalu matang

Kekerasan Keras Cukup Keras

Ukuran Seragam Seragam

Kerusakan maks. (jml/jml) (%) 5 10

Kotoran Bebas Bebas

Busuk maks (jml/jml) (%) 1 2

Tabel 3. Persyaratan mutu buah jeruk segar sesuai dengan permintaan segmen pasar.

Kelas Mutu Kriteria

Mutu A Mutu B Mutu C Ukuran Bobot (gr/buah) > 151 101-150 < 100 Tingkat Kematangan (%) 90 90 90 Warna Buah Kuning

Merata

Kuning Merata

Kuning Kehijauan Kesegaran (%) 95-100 90-94 80-89 Permukaan Kulit Mulus, tidak

berbintik-bintik

Mulus, tidak berbintik-bintik

Agak mulus

Kotoran (%) 0 0 0

Hama/Penyakit Bebas Bebas Bebas

(32)

5 Buah yang banyak mengandung vitamin C ini memiliki kulit yang tebal dan sukar untuk dikupas sehingga banyak orang lebih memilih memerasnya untuk diambil airnya daripada dimakan sebagai buah segar ataupun makanan pencuci mulut. Kandungan gizi dalam 100 gram buah jeruk manis dapat dilihat pada Tabel 4.

Tabel 4. Kandungan gizi dalam 100 gram buah jeruk manis

Komponen Jumlah Kalori (kal)

Protein (g) Lemak (g) Karbohidrat Kalsium (mg)

Fosfor (mg) Zat Besi (mg) Nilai Vit. A (SI)

Vit. B1 (mg) Vit. C (mg)

Air (%) Bdd (%)

45.00 0.90 0.20 11.20 33.00 23.00 0.40 190.0

0.08 49.00 70 – 92

72.00

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

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

B. PENGOLAHAN CITRA (Image Processing)

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

(33)

6 visual yang berusaha menganalisis dan mengamati suatu objek tanpa merusaknya.

Suatu sistem perekaman data menghasilkan keluaran berupa citra. Citra ini dapat bersifat optik yaitu berupa foto, bersifat analog yang berupa sinyal-sinyal video dan bersifat digital yang dapat langsung disimpan pada suatu pita magnetik. Citra yang bersifat digital saja yang dapat diproses oleh komputer digital. Dalam pengambilan citra, data citra yang masuk merupakan nilai-nilai integer yang menunjukkan nilai intensitas cahaya atau tingkat keabuan setiap piksel. Piksel (pixel atau picture element) berarti elemen citra; yang merupakan satuan terkecil dari citra.

Citra digital diperoleh secara otomatis dari suatu sistem perangkat citra digital yang merupakan bagian terdepan dari suatu sistem pengolahan citra dimana nantinya akan membentuk suatu matriks setelah melakukan penjelajahan citra, elemen-elemen dari matrik ini menyatakan nilai intensitas cahaya pada suatu himpunan diskrit dari titik seperti yang terlihat pada gambar 1. Selain itu diperlukan proses konversi agar citra digital dapat diproses di komputer.

Gambar 1. Sistem terdepan dari pengolahan citra.

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

SENSOR

ANALOG KE DIGITAL

KOMPUTER DIGITAL

BINGKAI PENYIMPAN CITRA MONITOR

PERAGA

CITRA DIGITAL CITRA

(34)

7 f(0,0) f(0,1) ……. f(0,n-1)

f(x,y) = f(1,0) f(1,1) ……. f(1,n-1) ……. ……. ….. ……... f(m,0) f(m,1) ….. f(m,n-1)

Setiap elemen dari array di atas disebut sebagai piksel atau elemen citra yang merupakan suatu daerah empat persegi kecil dengan ukuran tertentu dan menunjukkan harga intensitas keabuan piksel pada lokasi yang bersangkutan. Nilai skala keabuan berkisar dari 0 (hitam) hingga maksimum 255 (putih).

Terdapat dua unsur utama penyusun dalam pengolahan citra yaitu perangkat keras dan perangkat lunak. Perangkat keras yang pertama adalah kamera dengan jenis Charge-coupled device (CCD), kamera jenis ini sering digunakan sebagai alat masukan citra dalam proses pengolahan citra untuk keperluan sortasi. Sensor dari alat ini menghasilkan keluaran berupa citra analog sehingga dibutuhkan perangkat digitasi yang terpisah dengan kamera. Selain itu terdapat pula kamera digital yang menghasilkan keluaran langsung berupa citra digital, dengan menggunakan kamera digital ini tidak diperlukan lagi proses digitasi.

Perangkat keras yang kedua adalah komputer, komputer yang digunakan bisa dari jenis komputer multiguna ataupun komputer yang memang dirancang khusus untuk pengolahan citra digital (Arymurthy, 1992). Adapun sistem dari perangkat keras ini terdiri dari beberapa sub sistem yaitu sub sistem komputer, masukan video, kontrol proses interaktif, penyimpan berkas citra dan perangkat keras khusus pengolahan citra.

Perangkat lunak (software) yang digunakan pada pengolahan citra (image processing) tergantung pada jenis image frame grabber. Image frame grabber (penangkap bingkai citra) merupakan rangkaian perangkat keras yang dilengkapi dengan A/D converter dan memori citra. Berdasarkan penggunaannya, sedikitnya terdapat dua jenis image frame grabber yaitu jenis yang dapat diprogram (programabble) dan jenis yang tidak dapat diprogram (non-programabble). Perbedaan diantara kedua jenis ini terdapat pada

(35)

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

C. WARNA

Pada pengolahan citra salah satu komponen yang digunakan adalah warna. Warna bukan merupakan sebuah kualitas inheren dari suatu objek dan tergantung pada iluminasi dimana objek terlihat, tetapi yang inheren adalah kemampuannya menyerap bagian radiasi tertentu dalam spektrum cahaya tampak serta kemampuannya dalam memantulkan bagian yang lain. Sebuah objek yang memantulkan seluruh cahaya datang disebut berwarna “putih”, sedangkan yang menyerap seluruh cahaya disebut berwarna “hitam”, namun dalam prakteknya penyerapan ataupun pemantulan tidak dapat diperoleh 100 persen. Menurut Ahmad (2000) warna tidak lebih dari sekedar respon psycho-physiological dan intesitas yang berbeda.

Pengembangan model-model warna saat ini sudah banyak dilakukan, namun untuk proses pengolahan citra model warna yang sering digunakan adalah model warna RGB (Red, Green, Blue) ini dikarenakan pada komputer umumnya menggunakan model warna RGB dalam mempresentasikan warna, sehingga nantinya nilai pengolahan warna yang akan dihasilkan adalah dalam model warna RGB. Berdasarkan cara pembentukan komponen warna, model warna RGB termasuk warna aditif, sebab warnanya dibentuk dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam berbagai perbandingan.

Model warna RGB dapat dinyatakan dalam bentuk indeks warna RGB yang diperoleh melalui normalisasi setiap komponen warna. R (Red), G

(36)

9 (Green) dan B (Blue) masing-masing merupakan besaran yang menyatakan nilai intensitas warna merah, hijau, dan biru serta r, g dan b adalah nilai-nilai setelah proses normalisasi . Adapun rumus untuk keperluan tersebut adalah sebagai berikut:

Indeks warna merah (Ir) = R/(R+G+B)………...……….(1)

Indeks warna hijau (Ig) = G/(R+G+B)………..(2)

Indes warna biru (Ib) = B/(R+G+B)………..(3)

D. PENELITIAN TERDAHULU

Pengolahan citra dikategorikan dalam tiga kategori, yaitu analisis citra, visi robotik dan untuk pengawasan. Pada umumnya pengolahan citra mengarah kepada pembuktian atau pengujian kualitas dari pembuangan atau pembersihan kerusakan, sortasi dan grading bahan mentah dan produksi makanan.

Qadavy (1998), melakukan penelitian untuk menentukan kematangan durian dengan teknik pengolahan citra. Diperoleh hasil bahwa berat buah durian, kekerasan daging buah durian dan intensitas warna biru pada buah durian matang lebih kecil dari berat, kekerasan daging dan intensitas warna biru buah durian yang belum matang, sedangkan kandungan gula, intensitas warna merah dan hijau pada buah durian matang lebih berat dari pada buah durian yang belum matang.

Gunayanti (2002) malakukan penelitian untuk menentukan mutu buah mangga berdasarkan sifat fisik permukaan buah menggunakan pengolahan citra dengan menggunakan parameter luas area, indeks warna, dan tekstur. Jenis mangga yang digunakan dalam penelitian ini adalah mangga Arumanis dan mangga Gedong. Didapatkan hasil bahwa parameter yang sesuai untuk melakukan pemutuan pada buah mangga Arumanis adalah berdasarkan luas area dan komponen tekstur contrast. Batasan area yang tepat untuk dapat menghasilkan 3 tingkatan kelas yang berbeda yaitu, untuk mutu I dengan luas area lebih besar atau sama dengan 11000 piksel, mutu III dengan luas area di bawah 9300 piksel untuk citra dengan resolusi 256 × 192 piksel. Sedangkan untuk membedakan mutu setiap mangga dengan reject adalah berdasarkan

(37)

10 nilai komponen tekstur contrast, dimana buah reject mempunyai nilai contrast

rata-rata diatas 0.6, sedangkan buah mutu I, II, dan III mempunyai nilai

contrast dibawah 0.6. Pada mangga Gedong parameter yang sesuai untuk melakukan pemutuan adalah indeks warna merah yang dimiliki oleh tiap buah. Batasan nilai indeks warna untuk melakukan pemutuan mangga Gedong tersebut antara lain: untuk mutu I indeks warna merahnya lebih besar atau sama dengan 0.35, sedangkan untuk mutu II indeks warna merahnya antara 0.35 – 0.33 dan bila indeks warna merahnya kurang dari 0.33 akan termasuk buah reject.

Damiri (2003) telah mengidentifikasi tingkat ketuaan dan kematangan jeruk lemon (citrus medica) menggunakan pengolahan citra dan jaringan saraf tiruan dan diperoleh bahwa indeks warna merah dan indeks warna hijau dalam pengolahan citra dapat membedakan tingkat kematangan jeruk lemon pada umur petik 100 hari dengan umur 110 hari, hue (corak) dapat membedakan tingkat kematangan jeruk lemon pada umur petik 100 hari dengan tingkat kematangan pada umur petik 110 hari secara langsung. Sedangkan fitur energi dapat membedakan tingkat kematangan pada umur petik 110 hari dengan tingkat kematangan pada umur petik 120 hari.

Arham (2003) mengembangkan algoritma pengolahan citra untuk menganalisis parameter mutu serta tingkat ketuaan dan kematangan buah jeruk nipis berdasarkan umur petik. Dari analisa ditemukan bahwa indeks warna merah dapat membedakan umur petik 120 hari dengan 140 hari dan umur petik 140 hari dengan 160 hari, indeks warna hijau dapat membedakan umur petik 140 hari dengan 160 hari dan umur petik 160 hari dengan 180 hari sedangkan indeks warna biru dapat membedakan umur petik 120 hari dengan 160 hari dan 180 hari. Didapatkan pula area pada proyeksi samping buah jeruk nipis mempunyai korelasi yang tinggi terhadap berat dengan nilai R2=0.92, sehingga berat buah jeruk nipis dapat ditentukan dengan area sedangkan terhadap kekerasan kulit, kekerasan daging dan total padatan terlarut indeks warna merah, hijau dan biru mempunyai koreksi yang rendah.

(38)

III. METODOLOGI PENELITIAN

A. TEMPAT DAN WAKTU

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

B. BAHAN DAN ALAT

1. Bahan

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

Mutu A Mutu B Mutu C Gambar 2. Jeruk manis pacitan pada berbagai mutu.

(39)

12 2. Alat Penelitian

Peralatan penelitian yang digunakan dibagi atas dua bagian, yaitu: a. Perangkat keras

Peralatan perangkat keras yang digunakan untuk pengolahan citra yaitu kamera digital Kodak CX6330 31MP dengan resolusi 2032 x 1524 piksel, seperangkat komputer dengan prosesor Intel Pentium IV 1.70 GHz dan RAM (Random Process Memory) 256 MB, lampu TL 8 Watt merk Philips, timbangan digital merk METTLER PM-4800 untuk mengukur berat jeruk manis, jangka sorong untuk mengukur diameter buah jeruk manis, Rheometer model CR-30 untuk mengukur kekerasan jeruk manis, dan Refraktometer digital untuk mengukur total padatan terlarut yang terkandung dalam jeruk manis.

b. Perangkat lunak

Dalam penelitian ini digunakan perangkat lunak yaitu program yang ditulis dalam Visual Basic Ver. 6.0 yang dapat beroperasi pada sistem operasi WindowsXP Professional. Program ini terlebih dahulu dibuat dan digunakan untuk menganalisis gambar output dari kamera.

C. METODE PENELITIAN

1. Persiapan

Penelitian ini dimulai dengan mengadakan survey pada pedagang jeruk manis pacitan. Survey ini bertujuan untuk mengetahui karakteristik jeruk manis dan pengklasifikasiannya.

2. Pengangkutan

Bahan penelitian diangkut dengan kendaraan umum dan jeruk manis pacitan dikemas dalam kardus. Tiap tumpukan diberi alas koran untuk mencegah adanya cacat serta memar.

3. Tahapan penelitian

Pada penelitian ini terdapat beberapa tahapan, yaitu: tahap pengambilan citra dan pengolahan citra jeruk manis pacitan, tahap pengolahan secara manual atau langsung yang meliputi pengukuran berat, pengukuran diameter, pengukuran tingkat kekerasan kulit dan daging serta

(40)

13 pengukuran total padatan terlarut, dan tahap pengolahan data hasil pengolahan citra dan data pengukuran langsung.

a. Pengambilan citra dan pengolahan citra

Citra buah jeruk manis direkam dengan menggunakan kamera digital. Sebelum diambil citranya, buah jeruk manis pacitan terlebih dahulu dibersihkan menggunakan lap basah. Pengambilan gambar dilakukan pada dua arah yakni arah pangkal dan arah samping.

Pengambilan citra dilakukan pada kondisi sebagai berikut:

1. Buah jeruk manis pacitan diletakkan di atas kain hitam sebagai latar belakang dan terfokus oleh kamera digital dengan jarak 21.5 cm. 1 buah lampu TL diletakkan pada ketinggian sekitar 41 cm di atas buah jeruk manis dengan sudut pencahayaan 12°.

2. Citra buah jeruk manis direkam dengan resolusi 256 x 192 piksel dan 256 tingkat intensitas cahaya RGB.

3. Kamera dihubungkan dengan komputer sehingga citra buah jeruk manis pacitan terekam pada komputer. Selanjutnya hasil rekaman tersebut disimpan, dengan menggunakan fasilitas Adobe Photoshop 7.0 file diubah menjadi berekstensi JPEG berukuran 30 KB.

Pengolahan citra jeruk manis pacitan dilakukan dengan program komputer yang telah dibuat terlebih dahulu dengan menggunakan bahasa pemrograman Visual Basic Ver. 6.0. Adapun program yang dibuat yaitu memiliki kemampuan untuk menghitung luas objek, diameter objek dan nilai intensitas warna objek.

Perhitungan luas objek dilakukan dengan cara mengubah terlebih dahulu citra warna menjadi citra biner melalui proses

thresholding dengan nilai threshold tertentu. Objek diset berwarna putih, sedangkan latar belakang diset berwarna hitam. Area dihitung dengan cara menghitung jumlah piksel berwarna putih. Sedangkan diameter akan dihitung dengan menghubungkan piksel-piksel yang memiliki nilai jarak terjauh pada citra objek.

Intensitas warna yang diukur adalah warna merah, hijau, dan biru (RGB). Untuk mendapatkan nilai RGB, dilakukan proses analisis

(41)

14 warna yang dilanjutkan dengan perintah pengukuran intensitas warna. Pengukuran RGB dilakukan dengan cara membentuk sebuah jendela objek sebagai sampel dengan ukuran 50 x 50 piksel.

b. Pengukuran secara langsung 1. Pengukuran berat

Pengukuran berat buah jeruk manis pacitan adalah dengan menggunakan timbangan digital.

2. Pengukuran diameter

Pengukuran diameter jeruk manis pacitan adalah dengan menggunakan jangka sorong. Pengukuran diameter ini dilakukan di tiga titik yang berbeda. Nilai dari hasil pengukuran tersebut dirata-ratakan.

3. Pengukuran kekerasan

Berikutnya dilakukan pengujian kekerasan buah jeruk manis pacitan dengan menggunakan alat Rheometer, pengujian dilakukan pada tiga titik yang berbeda yaitu atas, tengah dan bawah. Setelah diperoleh data pada masing-masing pengukuran, kemudian dirata-ratakan sehingga diperoleh tingkat kekerasan masing-masing jeruk manis.

4. Pengukuran total padatan terlarut

Pengukuran total padatan terlarut buah jeruk manis yaitu dengan menggunakan alat Refraktometer. Dilakukan dengan cara mengiris daging buah, kemudian cairan jeruk manis pacitan diteteskan pada Refraktometer yang telah dibersihkan dengan aquades. Pengukuran dilakukan sebanyak tiga kali pengulangan untuk setiap sampel jeruk manis pacitan ini. Nilai dari tiga kali pengulangan tersebut dirata-ratakan. Adapun satuan dari total padatan terlarut adalah ° Brix.

c. Pengolahan data citra dan data pengukuran secara langsung

Data yang didapatkan dari pengolahan citra dan pengukuran secara langsung kemudian diolah. Adapun pengolahan data-data tersebut adalah sebagai berikut:

(42)

15 1. Pengolahan data citra untuk menentukan perbedaan tiap mutu

a. Perbedaan nilai luas objek untuk setiap mutu dari citra yang direkam dari arah pangkal.

b. Perbedaan nilai luas objek untuk setiap mutu dari citra yang direkam dari arah samping.

c. Perbedaan nilai diameter untuk setiap mutu dari citra yang direkam dari arah pangkal.

d. Perbedaan nilai indeks warna merah (r), indeks warna hijau (g) dan indeks warna biru (b) untuk setiap mutu dari citra yang direkam dari arah pangkal.

e. Perbedaan nilai indeks warna merah (r), indeks warna hijau (g) dan indeks warna biru (b) untuk setiap mutu dari citra yang direkam dari arah samping.

2. Pengolahan data pengukuran secara langsung untuk menentukan perbedaan tiap mutu

a. Perbedaan berat buah jeruk manis pacitan untuk setiap mutu. b. Perbedaan diameter buah jeruk manis pacitan untuk setiap

mutu.

c. Perbedaan tingkat rata-rata kekerasan kulit buah jeruk manis pacitan untuk setiap mutu.

d. Perbedaan tingkat rata-rata kekerasan daging buah jeruk manis pacitan untuk setiap mutu.

e. Perbedaan total padatan terlarut buah jeruk manis pacitan untuk setiap mutu.

Proses grading dilakukan setelah didapatkan interval atau batasan nilai tertentu berdasarkan analisis statistik data parameter mutu yang telah didapat. Batasan nilai ini diharapkan dapat mengklasifikasikan buah pada tingkatan kelas yang berbeda-beda.

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

(43)

16 d. Menentukan hubungan antara hasil pengolahan citra dan pengukuran

secara langsung

1. Analisis korelasi antara berat buah dengan luas objek dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear.

2. Analisis korelasi antara berat buah dengan luas objek dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear.

3. Analisis korelasi antara diameter pengukuran langsung dengan diameter objek hasil pengolahan citra dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear.

4. Analisis korelasi antara kekerasan kulit dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear.

5. Analisis korelasi antara kekerasan kulit dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear.

6. Analisis korelasi antara kekerasan daging dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear.

7. Analisis korelasi antara kekerasan daging dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear.

8. Analisis korelasi antara total padatan terlarut dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah pangkal berbagai mutu menggunakan regresi linear.

9. Analisis korelasi antara total padatan terlarut dengan indeks warna merah, hijau dan biru dari citra yang direkam dari arah samping berbagai mutu menggunakan regresi linear.

(44)

17 e. Membandingkan antara pemutuan menggunakan pengolahan citra

dengan pemutuan secara pengukuran langsung

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

(45)

Gambar 3. Diagram alir pelaksanaan penelitian.

Pengambilan Sampel Jeruk Manis Pacitan

Pengukuran Langsung Pengukuran Tidak Langsung

Pengambilan Citra Jeruk Pacitan dengan Kamera Digital

Pemindahan Gambar ke Komputer

Pengolahan Citra Jeruk Pacitan

Proses Thresholding

Citra Biner

Perhitungan Diameter Perhitungan Luas

Perhitungan indeks warna RGB dengan membuat jendela objek berukuran 50 x 50

piksel pada citra jeruk manis pacitan

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

• Parameter Berat

• Parameter Diameter

• Parameter Kekerasan Kulit dan Daging

• Parameter Total Padatan Terlarut

Mulai

(46)

IV. HASIL DAN PEMBAHASAN

A. PEMUTUAN BUAH JERUK MANIS PACITAN DENGAN METODE PENGOLAHAN CITRA (PENGUKURAN TIDAK LANGSUNG)

Pemutuan buah jeruk manis pacitan dengan metode pengolahan citra adalah dengan membuat algoritma pengolahan citra yang dibangun dengan menggunakan bahasa pemrograman Visual Basic 6.0. Program yang digunakan berfungsi untuk menghitung luas objek, diameter dan indeks warna RGB.

Tampilan awal program pengolahan citra dapat dilihat pada Gambar 4.

Gambar 4. Tampilan awal program pengolahan citra.

Citra dipanggil dengan memilih directori penyimpanan objek, kemudian semua file objek akan tampil pada kotak nama file. File yang dipilih akan tampil pada kotak citra setelah mengklik file pada kotak nama file.

1. Luas objek

Penghitungan luas dari buah jeruk manis pacitan dilakukan dengan terlebih dahulu mengubah citra buah jeruk manis pacitan menjadi citra biner. Thresholding dilakukan menggunakan nilai batas intensitas warna merah 70. Operasi thresholding akan berjalan dengan menekan tombol

(47)

threshold. Maka citra jeruk yang sudah dithresholding akan tampil pada kotak citra yang kedua.

Citra yang sudah dithresholding dapat dilihat pada Gambar 5 berikut ini.

Gambar 5. Tampilan citra buah jeruk manis pacitan yang sudah dithresholding.

Apabila masih ada noise atau piksel yang berada di luar objek maka setelah menekan tombol noise removeable citra yang berwarna putih yang berukuran lebih kecil dari 20 piksel akan dihitamkan sehingga sama dengan latar belakang maka hanya akan terdapat objeknya saja. Bersamaan dengan berjalannya pembersihan noise tersebut luas dari citra biner jeruk manis pacitan akan dihitung, begitu pula dengan panjang diameternya. Nilai dari luas dan diameter akan tampil pada kotak pengukuran.

Pada jeruk manis pacitan rata-rata luas objek untuk citra yang direkam dari arah pangkal adalah 11716 piksel untuk mutu A, 9366 piksel untuk mutu B dan 8410 piksel untuk mutu C sedangkan untuk citra yang direkam dari arah samping memiliki rata-rata luas objek 12041 piksel, 9541 piksel dan 8287 piksel masing-masing untuk mutu A, B dan C. Dari nilai-nilai tersebut dapat dilihat bahwa luas objek untuk citra yang direkam

(48)

21 dari arah samping lebih besar dibandingkan dengan luas objek untuk citra yang direkam dari arah pangkal, hal ini disebabkan karena bentuk citra yang direkam dari arah samping cenderung berbentuk tidak bulat atau lonjong dibandingkan dengan citra yang direkam dari arah pangkal yang pada umumnya berbentuk bulat.

Sebaran nilai luas objek jeruk manis pacitan pada mutu A, B dan C untuk citra yang direkam dari arah pangkal secara berturut-turut adalah 10544 - 12888 piksel, 8903 – 9829 piksel, dan 7766 – 9054 piksel, sedangkan untuk citra yang direkam dari arah samping mutu A 10808 – 13274 piksel, mutu B 8668 – 10414 piksel dan mutu C 7646 – 8928 piksel. Dari nilai sebaran di atas dapat dilihat bahwa berdasarkan luas objek beberapa dari jeruk manis pacitan mutu B masih terdapat dalam golongan mutu C.

Berdasarkan uji statistik pada taraf 0.01 untuk luas objek, antara mutu A, B dan C terlihat perbedaan yang cukup signifikan atau nyata. Dengan demikian luas objek dapat dijadikan sebagai parameter untuk pemutuan jeruk manis pacitan. Sebaran nilai luas objek pada berbagai tingkat mutu buah jeruk manis dapat dilihat pada Gambar 6 dan Gambar 7.

Tabel 5. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data luas objek pada citra yang direkam dari arah pangkal dan samping.

Luas Pangkal (Piksel) Luas Samping (Piksel) Parameter

Mutu A Mutu B Mutu C Mutu A Mutu B Mutu C Rata-rata 11716 9366 8410 12041 9541 8287 Standar

deviasi

1172 463 644 1233 873 641

Maksimum 15534 10348 9813 15864 13245 9451

Minimum 9859 8579 7178 9956 8564 6867

Ambang bawah

10187 8979 - 10611 8798 -

Ambang atas

(49)

22 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

0 1 2 3 4

Tingkat Mutu Lu as P roy ek s i P angk al ( ri bu p ik s e l)

Mutu A Mutu B Mutu C

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

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

0 1 2 3 4

Tingkat Mutu L uas P ro y ek s i S am p ing ( ri bu pi k s el )

Mutu A Mutu B Mutu C

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

(50)

2. Diameter

Diameter buah dihitung dengan mencari jarak terpanjang antara dua piksel yang diambil dari tiga titik pengukuran yang berbeda dan kemudian dirata-ratakan. Jarak antara dua piksel tersebut dihubungkan oleh garis lurus seperti terlihat pada Gambar 5 yaitu pada kotak citra yang keempat.

Diameter dapat dijadikan salah satu parameter penentu mutu buah jeruk manis pacitan karena berdasarkan hasil uji statistik pada taraf 0.01 terdapat perbedaan yang cukup signifikan untuk diameter mutu A, B dan C.Nilai rata-rata diameter jeruk manis pacitan hasil pengolahan citra pada mutu A, mutu B, dan mutu C masing-masing 123 piksel, 110 piksel dan 104 piksel. Sebaran nilai diameter objek jeruk manis pacitan pada mutu A 117 – 129, mutu B 107 - 113 piksel dan mutu C 100 – 108 piksel seperti terlihat pada Gambar 8.

Tabel 6. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data diameter.

Tingkat Pemutuan (Piksel) Parameter Mutu A Mutu B Mutu C

Rata-rata 123 110 104

Standar deviasi 6 3 4

Maksimum 141 115 110

Minimum 114 105 96

Ambang bawah 115 108 -

(51)

90 95 100 105 110 115 120 125 130 135 140 145

0 1 2 3 4

Tingkat Mutu

iam

(

Mutu A Mutu B Mutu C

Gambar 8. Grafik hubungan antara diameter objek pada citra yang direkam dari arah pangkal dengan tingkat mutu.

3. Nilai indeks warna merah, hijau dan biru (RGB)

Jendela objek berukuran 50×50 piksel dibuat pada permukaan buah yang akan dicari nilai indeks warna merah (r), hijau (g) dan biru (b)nya, penempatan koordinat jendela objek ini sudah ditentukan terlebih dahulu, sehingga area permukaan citra yang akan dicari nilai indeks warnanya akan tetap sama untuk setiap sampel. Nilai indeks warna dari masing masing warna tersebut didapatkan setelah menekan tombol check RGB

(52)

25 Gambar 9. Tampilan citra buah jeruk manis pacitan dengan hasil indeks

warna.

Nilai rata-rata indeks warna merah mutu A, mutu B dan mutu C untuk citra yang direkam dari arah pangkal masing-masing 0.447, 0.461 dan 0.469, sedangkan untuk citra yang direkam dari arah samping yaitu 0.474, 0.485 dan 0.496 masing-masing untuk mutu A, mutu B dan mutu C. Sebaran nilai indeks warna merah jeruk manis pacitan pada citra yang direkam dari arah pangkal untuk mutu A 0.427 – 0.467, mutu B 0.443 – 0.479 dan mutu C 0.453 – 0.485, sedangkan untuk citra yang direkam dari arah samping mutu A, B dan C secara berturut-turut adalah 0.456 – 0.492, 0.472 – 0.498, dan 0.481 – 0.511. Dari nilai sebaran di atas dapat dilihat bahwa berdasarkan indeks warna beberapa dari jeruk manis pacitan mutu A masih terdapat dalam golongan mutu B dan beberapa dari jeruk manis pacitan mutu B masih termasuk dalam golongan mutu C.

Berdasarkan hasil uji statistik pada taraf 0.01 untuk indeks warna merah pada citra buah jeruk manis pacitan pada citra yang direkam dari arah pangkal dan citra yang direkam dari arah samping menunjukkan bahwa indeks warna merah dapat membedakan tingkat mutu dari jeruk manis pacitan. Indeks warna merah pada citra yang direkam dari arah pangkal dapat membedakan tingkat mutu A pada ambang batas atas 0.455 dengan tingkat mutu B, sedangkan pada tingkat mutu B pada ambang

(53)

26 batas atas 0.466 dengan tingkat mutu C. Untuk indeks warna merah pada citra yang direkam dari arah samping dapat membedakan tingkat mutu A dengan tingkat mutu B pada ambang batas atas 0.482 dan tingkat mutu B dengan tingkat mutu C pada ambang batas atas 0.490. Tabel 7, Gambar 10 dan Gambar 11 memperlihatkan ambang batas dan sebaran nilai indeks warna merah dengan tingkat mutu.

Tabel 7. Hasil perhitungan statistik pemutuan jeruk manis pacitan pada data indeks warna merah pada citra yang direkam dari arah pangkal dan samping.

Pangkal Samping Parameter

Mutu A Mutu B Mutu C Mutu A Mutu B Mutu C Rata-rata 0.447 0.461 0.469 0.474 0.485 0.496 Standar

deviasi

0.02 0.018 0.016 0.018 0.013 0.015

Maksimum 0.482 0.523 0.51 0.521 0.505 0.521

Minimum 0.407 0.43 0.443 0.432 0.456 0.459

Ambang bawah

- 0.455 0.466 - 0.482 0.490

Ambang atas

0.455 0.466 - 0.482 0.490 -

0,3 0,33 0,36 0,39 0,42 0,45 0,48 0,51 0,54 0,57 0,6

0

1

2

3

4

Tingkat Mutu

a M

Mutu A Mutu B Mutu C

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

(1)

Lampiran 7. Diameter buah jeruk manis pacitan hasil pengolahan citra pada mutu

A, B dan C (piksel).

No. Sampel

Mutu A

Mutu B

Mutu C

1 129

112

110 2 132

111

108 3 122

107

106 4 117

113

110 5 125

109

102 6 123

111

107 7 129

112

107

8

124

110

103 9 115

112

107 10 117

112

105

11

120

111

102 12 119

113

106

13

122

106

97

14

123

106 15 114

105

101 16 119

111

105

17

129

115

107 18 120

115

102

19

133

111

102 20 122

107

101 21 121

110

99 22 124

109

103

23

123

109

105

24

116

108

102 25 118

108

104 26 117

107

96 27 141

115

97

28

126

106

103 29 119

108

107

(2)

62 Lampiran 8. Indeks warna RGB pada citra yang direkam dari arah pangkal pada

mutu A, B, dan C.

Indeks Warna RGB No.

Sampel RED A GREEN A BLUE A RED B GREEN B BLUE B RED C GREEN C BLUE C 1 0,437 0,445 0,159 0,475 0,476 0,09 0,51 0,482 0,048 2 0,449 0,446 0,145 0,443 0,445 0,152 0,462 0,454 0,125 3 0,439 0,445 0,156 0.476 0.462 0.102 0,481 0,465 0,095 4 0,47 0,478 0,093 0,477 0,476 0,088 0,45 0,445 0,145 5 0,411 0,417 0,213 0,466 0,46 0,114 0,474 0,472 0,095 6 0,407 0,387 0,247 0,432 0,477 0,132 0,49 0,47 0,081 7 0,462 0,471 0,108 0,444 0,438 0,159 0,463 0,456 0,122 8 0,456 0,491 0,094 0,46 0,471 0,11 0,459 0,428 0,153 9 0,444 0,472 0,124 0,459 0,476 0,105 0,465 0,465 0,11 10 0,47 0,482 0,089 0,454 0,452 0,134 0,468 0,477 0,096 11 0,437 0,448 0,155 0,466 0,448 0,127 0,465 0,447 0,128 12 0,455 0,443 0,143 0,439 0,43 0,171 0,443 0,463 0,135 13 0,445 0,449 0,147 0,45 0,436 0,155 0,48 0,462 0,098 14 0,462 0,452 0,126 0,472 0,458 0,111 0,45 0,44 0,151 15 0,473 0,476 0,091 0,477 0,459 0,107 0,456 0,439 0,145 16 0,444 0,448 0,148 0,475 0,462 0,104 0,449 0,449 0,143 17 0,454 0,429 0,157 0,475 0,450 0,133 0,454 0,471 0,116 18 0,46 0,466 0,115 0,477 0,472 0,092 0,473 0,472 0,096 19 0,411 0,421 0,208 0,46 0,462 0,119 0,465 0,459 0,116 20 0,425 0,418 0,197 0,46 0,458 0,123 0,478 0,462 0,101 21 0,433 0,431 0,177 0,463 0,477 0,1 0,471 0,452 0,118 22 0,414 0,416 0,211 0,452 0,46 0,129 0,47 0,467 0,103 23 0,441 0,437 0,162 0,471 0,453 0,116 0,448 0,471 0,122 24 0,431 0,421 0,189 0,445 0,456 0,14 0,45 0,459 0,131 25 0,482 0,476 0,082 0,441 0,448 0,151 0,49 0,444 0,107 26 0,461 0,43 0,149 0,456 0,458 0,126 0,486 0,48 0,074 27 0,446 0,434 0,16 0,523 0,445 0,072 0,485 0,451 0,105 28 0,455 0,457 0,129 0,43 0,414 0,197 0,466 0,463 0,112 29 0,471 0,485 0,085 0,443 0,443 0,154 0,480 0,437 0,124 30 0,467 0,458 0,116 0,472 0,467 0,102 0,485 0,480 0,076

(3)

Lampiran 9. Indeks warna RGB pada citra yang direkam dari arah samping pada

mutu A, B, dan C.

Indeks Warna RGB No.

Sampel RED A GREEN A BLUE A RED B GREEN B BLUE B RED C GREEN C BLUE C 1 _{0,445 0,47 0,126 0,497 0,485 0,059 0,5 0,477 0,063} 2 0,494 0,489 0,058 0,456 0,476 0,109 0,477 0,495 0,069 3 _{0,453 0,478 0,11 0,505 0,504 0,032}_{0,507 0,496 0,037} 4 0,47 0,472 0,098 0,483 0,501 0,057 0,502 0,495 0,044 5 _{0,475 0,485 0,081 0,487 0,491 0,062 0,5 0,493 0,048} 6 0,466 0,478 0,097 0,49 0,483 0,067 0,508 0,476 0,057 7 _{0,464 0,473 0,104 0,469 0,491 0,08 0,498 0,498 0,044} 8 _{0,464 0,495 0,082}_{0,477 0,5 0,064}_0,496_{0,484 0,06} 9 _{0,475 0,48 0,086 0,465 0,488 0,088}_{0,492 0,493 0,055} 10 _{0,484 0,489 0,068 0,497 0,484 0,06 0,502 0,495 0,043} 11 _{0,472 0,489 0,08 0,494 0,489 0,057}_{0,521 0,471 0,048} 12 _{0,472 0,486 0,083 0,489 0,491 0,06 0,51 0,493 0,037} 13 _{0,432 0,462 0,146 0,478 0,487 0,076}_{0,508 0,497 0,035} 14 _{0,504 0,493 0,044 0,483 0,484 0,074}_{0,485 0,493 0,062} 15 _{0,475 0,481 0,085 0,487 0,492 0,061 0,51 0,491 0,039} 16 _{0,469 0,483 0,089 0,499 0,486 0,055}_{0,487 0,506 0,047} 17 _{0,488 0,491 0,062 0,475 0,481 0,085}_{0,491 0,505 0,044} 18 _{0,465 0,476} _{0,1 0,503 0,497 0,04 0,471 0,492 0,078} 19 _{0,485 0,489 0,067 0,497 0,494 0,049}_{0,487 0,5 0,054} 20 _{0,465 0,485 0,091 0,495 0,493 0,052}_{0,517 0,492 0,032} 21 _{0,486 0,481 0,073 0,484 0,495 0,061}_{0,482 0,49 0,068} 22 _{0,468 0,489 0,083 0,479 0,49 0,072}_{0,484 0,482 0,075} 23 _{0,479 0,483 0,078 0,502 0,504 0,034}_{0,459 0,507 0,074} 24 _{0,478 0,500 0,063 0,481 0,486 0,073}_{0,495 0,502 0,044} 25 _{0,485 0,482 0,074 0,491 0,501 0,048}_{0,508 0,462 0,07} 26 _{0,49 0,477 0,074 0,482 0,497 0,061}_{0,503 0,498 0,039} 27 _{0,449 0,455 0,137 0,461 0,422 0,138}_{0,517 0,483 0,04} 28 _{0,464 0,492 0,085 0,474 0,484 0,082}_{0,472 0,508 0,061} 29 0,476 0,475 0,09 0,487 0,483 0,071 0,506 0,495 0,039 30 _{0,483 0,477 0,08 0,472 0,467 0,101}_{0,479 0,484 0,078}