Pengembangan sistem deteksi menggunakan kamera untuk manipulator robot pemanen jeruk lemon

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA

UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON

(Citrus medica

)

JAROT PRIANGGONO

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2006

PERNYATAAN MENGENAI DISERTASI DAN

SUMBER INFORMASI

Dengan ini saya menyatakan bahwa disertasi Pengembangan Sistem Deteksi

Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus

Medica) adalah karya saya sendiri dengan arahan komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.

Bogor, Agustus 2006 Jarot Prianggono NIM F126010071

ABSTRAK

JAROT PRIANGGONO. Pengembangan Sistem Deteksi Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus Medica). Dibimbing oleh KUDANG BORO SEMINAR, HADI K. PURWADARIA, USMAN AHMAD, dan I DEWA MADE SUBRATA.

Penelitian ini bertujuan mengembangkan sistem deteksi menggunakan kamera charged coupled device (CCD) sebagai sensor yang hasilnya akan dimanfaatkan oleh manipulator robot pemanen jeruk lemon. Untuk mencapai hal tersebut, dilakukan penelitian untuk merancang algoritma deteksi jeruk lemon, pengembangan rumus posisi tiga dimensi obyek, dan uji coba penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya.

Hasil percobaan menunjukkan bahwa buah jeruk lemon yang sudah matang dapat dipisahkan dari latar belakangnya dengan menggunakan parameter merah, hijau, dan biru (RGB) dan indeks rgb dengan formula { ([R > 200] dan [G > 180]) dan(R = G dan G = B dan R = 248) dan ([2r -0.5g-b ≥ 0.15] dan [2r-0.5g-b ≤ 0.55]) }.

Hasil penelitian juga menunjukkan bahwa posisi tiga dimensi (arah sumbu z, x, dan y) buah jeruk lemon pada tanamannya dapat dihitung dengan formula ( ) ( . 390 1 2 0 i i x x L z − = , 390 . 0 D x x = i ,

390 .

0

D y

y = i ). Hasil validasi menunjukkan, error rata-rata yang dihasilkan akibat pergeseran 1 pixel sebesar 1.21 cm dan pergeseran kamera yang paling optimum adalah 12 cm.

Hasil uji perhitungan jarak dari pusat koordinat sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya yang diletakkan secara random dengan menggunakan sembarang (n cm) pergeseran kamera memiliki akurasi rata-rata 98.45%. Sedangkan untuk hasil uji perhitungan jarak dari titik pusat koordinat sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya yang diletakkan pada posisi tertentu dengan menggunakan pergeseran kamera sebesar 3, 6, 8, 10, dan 12 cm memiliki akurasi rata-rata 98.10%.

Hasil perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya secara random untuk sembarang pergeseran kamera menunjukkan bahwa error rata-ratanya adalah (? z, ? x, ? y) cm = (0.65, 0.56, 0.44) cm. Sedangkan untuk hasil uji perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya yang diletakkan pada posisi tertentu dengan menggunakan pergeseran kamera sebesar 3, 6, 8, 10, dan 12 cm menunjukkan error rata-ratanya masing-masing (? z, ? x, ? y) cm = {(1.13, 0.21, 0.20), (0.83, 0.2, 0.18), (0.84, 0.21, 0.2), (0.87, 0.19, 0.21), dan (0.73, 0.19, 0.20)} cm.

Hasil uji penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya menunjukkan, error yang dihasilkan akibat pergeseran 1 pixel sebesar 1.64 cm. rentang jarak yang dapat dijangkau kamera ini kisarannya antara 15 hingga 72 cm.

Error yang terjadi dapat juga disebabkan keterbatasan alat dan kurang telitinya pengukuran yang dilakukan, namun hal ini masih dapat diterima untuk pemanenan buah jeruk lemon pada tanamannya. Algoritma deteksi yang ditemukan masih dipengaruhi perubahan intensitas cahaya, sehingga perlu dikembangkan penelitian yang berkaitan dengan penggunaan filter untuk mengurangi variasi intensitas cahaya.

ABSTRACT

JAROT PRIANGGONO. Detection System Development Using Camera For Lemon Orange (Citrus Medica) Manipulator. Under the direction of KUDANG BORO SEMINAR, HADI K. PUR WADARIA, USMAN AHMAD, and I DEWA MADE SUBRATA.

This research aim to develop detection system using charged coupled device (CCD) camera as a censor that the results are expected to be used by manipulator of the lemon fruit harvesting robot. To achieve the purpose, the research was made to develop detection algorithm of lemon fruit, formula developing of object three dimensional position, and experiment determination of three dimensional lemon position on the plants.

The experiment result shows that the ripe lemon can be separated from its background with using red, green, and blue parameter (RGB) and rgb index with formula {([R > 200] and [G > 180]) and (R = G and G = B and R = 248) and ([2r-0.5g-b = 0.15]) and [2r-([2r-0.5g-b = 0.55])}.

The research result also shows that three dimensional position (coordinate direction z, x, and y) of the lemon on the plants can be calculated by formula

      ₌ ⋅ ₌ ⋅ − ⋅ = 390 , 390 , 1 390 0 0 2 0 D y y D x x xi x L

z i i

i

. Validation result shows average error caused by 1 pixel shift in the amount of 1.21 cm and optimum camera shift reached by 12 cm.

Distance computation experiment result from camera censor coordinate center to front of core of the lemon on the plants placed at random with using any camera shift has average accuracy 98.45%. While distance computation experiment result from point center of camera censor coordinate to front of core of the lemon on the plants placed in certain position with using camera shift in the amount of 3, 6, 8, 10, and 12 cm has average accuracy 98.10%.

The computation result of three dimensional lemon position at random on the plants with using any camera shift shows that average error is (?z, ?x, ?y) cm = (0.65, 0.56, 0.44) cm. While experiment result for computation of three dimensional lemon position on the plants placed in certain position with using camera shift in the amount of 3, 6, 8, 10, and 12 cm shows that it`s respective average error (?z, ?x, ?y) cm = {(1.13, 0.21, 0.20), (0.83, 0.2, 0.18), (0.84, 0.21, 0.2), (0.87, 0.19, 0.21), and (0.73, 0.19, 0.20)}.

Determination experiment result of three dimensional lemon position on the plants shows, error caused by 1 pixel shift in the amount of 1.64 cm. This camera can reach distance from 15 to 72 cm.

The error can be caused by limited instruments and not accurate enough in measuring. Nevertheless it is still acceptable for lemon harvesting on the plants. Detection algorithm is still influenced by light intensity change, and need to be expanded a research in relation to filter use in order to decrease variation of light intensity.

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA

UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON

(Citrus medica

)

JAROT PRIANGGONO

Disertasi

Sebagai salah satu syarat untuk memperoleh gelar Doktor pada

Program Studi Ilmu Keteknikan Pertanian

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2006

Judul Disertasi : Pengembangan Sistem Deteksi Menggunakan Kamera Untuk Manipulator Robot Pemanen Jeruk Lemon (Citrus

medica)

Nama : Jarot Prianggono

NIM : F126010071

Disetujui, Komisi Pembimbing

Dr. Ir. Kudang B. Seminar, M.Sc. Prof. Dr. Ir. Hadi K. Purwadaria, M.Sc.

Ketua Anggota

Dr. Ir. Usman Ahmad, M.Agr. Dr. Ir. I Dewa Made Subrata, M.Agr.

Anggota Anggota

Diketahui :

Ketua Program Studi Dekan Sekolah Pascasarjana

Ilmu Keteknikan Pertanian

Prof. Dr. Ir. Budi Indra Setiawan, M.Agr. Dr. Ir. Khairil Anwar Notodipuro, M.S.

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 28 Juni 1968 sebagai anak kelima dari Ayahanda Drs.H. Budiyono Surono (alm.) dan Ibunda H. Purwati. Pendidikan sarjana di tempuh di jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Indonesia (ITI), lulus pada tahun 1995. Pendidikan pascasarjana, magister komputer ditempuh di Sekolah Tinggi Teknologi Informasi Benarif (STTIBI) pada tahun 1996 dan lulus pada tahun 1997. Pada tahun 2000, penulis diterima untuk program magister di Program Studi Ilmu Keteknikan Pertanian pada Program Pascasarjana IPB, selanjutnya pada tahun 2001 penulis mendapat kesempatan untuk melanjutkan ke program doktor tanpa menyelesaikan program magisternya (S3 langsung) pada

program studi dan pada perguruan tinggi yang sama. Beasiswa pendidikan pascasarjana diperoleh dari Direktorat Jenderal Pendidikan Tinggi, Departemen Pendidikan Nasional.

Penulis bekerja sebagai dosen di Fakultas Teknik Universitas Islam 45 Bekasi sejak tahun 1997 hingga sekarang. Sejak tahun 1998 penulis juga mengajar di beberapa perguruan tinggi di Jakarta.

x

DAFTAR ISI

Halaman

DAFTAR TABEL………....….…………. ..…... xiv

DAFTAR GAMBAR ………..……….……….……… ..…... xvi

DAFTAR LAMPIRAN..………..………..…………..……….. ..…... xxiii

1 PENDAHULUAN ……….. ….... 1

A. Latar Belakang ……. ………..…..………….….. ……. 1

B. Tujuan Penelitian ………..……..…….…..……….. ….… 5

C. Manfaat Penelitian ………..….………….….…… …... 5

D. Kerangka Penelitian ………..… …… 6

2 KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK LEMON PADA TANAMANNYA………. ….... 9

A. Pendahuluan ………..…...………….………. …... 9

Latar belakang……….. …… 9

Tujuan Penelitian ………. ……. 23

B. Bahan dan Metode ………. …... 23

Waktu dan Tempat Penelitian……… …… 23

Bahan dan Alat………... …… 23

Kerangka Penelitian ……….. …… 25

C. Hasil ………..……… ……… …... 29

Hasil Perhitungan Sebaran Nilai R Tanaman Jeruk Lemon…………... …… 29

Hasil Perhitungan Sebaran Nilai G Tanaman Jeruk Lemon…………... …… 30

Hasil Perhitungan Sebaran Nilai B Tanaman Jeruk Lemon…………... ……. 31

Hasil Perhitungan Sebaran Nilai r Tanaman Jeruk Lemon……… …… 33

Hasil Perhitungan Sebaran Nilai g Tanaman Jeruk Lemon…………... …… 34

Hasil Perhitungan Sebaran Nilai b Tanaman Jeruk Lemon…………... ……. 35

Hasil Perhitungan Sebaran Nilai H Tanaman Jeruk Lemon…………... …… 36

Hasil Perhitungan Sebaran Nilai S Tanaman Jeruk Lemon…………... …… 37

xi

D. Pembahasan ………... …... 39

E. Simpulan ………... ……… …... 48

3 KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK ……… ….... 49

A. Pendahuluan ………..…...………….………. …... 49

Latar Belakang ……….. ……. 49

Tujuan Penelitian ……….. …… 52

B. Bahan dan Metode ………. …... 53

Waktu dan Tempat Penelitian ……….. …… 53

Bahan dan Alat ……….. …… 53

Kerangka Penelitian ………. …… 56

C. Hasil ………..……… ……… …... 62

Hasil Kalibrasi Sensor Kamera ……… ……. 62

a. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 3 Cm………. …… 64

b. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 6 Cm……… …… 65

c. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 8 Cm……… …… 66

d. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 10 Cm…….. …… 67

e. Kalibrasi Dengan Pergeseran Sensor Kamera Sebesar 12 Cm…….. …… 68

f. Perhitungan Statistik Kalibrasi Kamera Untuk Pergeseran Kamera (L) 3, 6, 8, 10, dan 12 Cm ……… ……. 69

Hasil Validasi Sensor Kamera ……….. …… 71

a. Validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dengan Pergeseran Sensor Kamera Sebesar 3 Cm ……… …… 72

b. Validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dengan Pergeseran Sensor Kamera Sebesar 6 Cm ………. ……. 72

c. Validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dengan Pergeseran Sensor Kamera Sebesar 8 Cm ………. ……. 73

xii d. Validasi rumus jarak

) ( . 390 1 2 i i x x L D −

= dengan Pergeseran Sensor

Kamera Sebesar 10 Cm ………... …… 74

e. Validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dengan Pergeseran Sensor Kamera Sebesar 12 Cm ………... …… 74

D. Pembahasan ………... …... 75

Kalibrasi ……… …… 75

Validasi ………. …… 75

Akurasi ……….. …… 80

Error Akibat Pergeseran 1 Pixel ……… …... 85

E. Simpulan ………... ……… …... 86

4 UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA ……… …. 88

A Pendahuluan ………..………..…...……..…….…..…….. …... 88

Latar Belakang ……….. …… 88

Tujuan Penelitian ………... …… 89

B Bahan dan Metode ………. …... 90

Waktu dan Tempat ……… …… 90

Bahan dan Alat ……….. ……. 90

Kerangka Penelitian ………. …… 94

C Hasil ……….. .….. 98

D Pembahasan ………... …… 119

Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon Secara Random dengan Sembarang (n cm) Pergeseran Kamera ……… …… 119

Uji Penentuan Posisi Tiga Dimensi dengan Sembarang Pergeseran Kamera ……… …… 119

a. Jarak Lurus (Arah Sumbu z)………. …… 119

b. Jarak Lateral (Koordinat Sumbu x) ……….. ……. 120

xiii Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon dengan Lokasi

Tertentu dan Pergeseran Kamera Tertentu……… …… 124

Uji Penentuan Posisi Tiga Dime nsi dengan Pergeseran Kamera 3 cm ……. 125

a. Jarak Lurus (Arah Sumbu z)………. …… 125

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 125

c. Jarak Vertikal (Koordinat Sumbu y)………. …… 126

Uji Penentuan Posisi Tiga Dime nsi dengan Pergeseran Kamera 6 cm ……. 127

a. Jarak Lurus (Arah Sumbu z)………. …… 127

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 127

c. Jarak Vertikal (Koordinat Sumbu y)………. ……. 128

Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 8 cm …… 129

a. Jarak Lurus (Arah Sumbu z)………. …… 129

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 129

c. Jarak Vertikal (Koordinat Sumbu y)………. …… 130

Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 10 cm …… 131

a. Jarak Lurus (Arah Sumbu z)………. …… 131

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 131

c. Jarak Vertikal (Koordinat Sumbu y)………. …… 132

Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 12 cm …… 133

a. Jarak Lurus (Arah Sumbu z)………. …… 133

b. Jarak Lateral (Koordinat Sumbu x) ……….. …… 133

c. Jarak Vertikal (Koordinat Sumbu y)………. …… 134

Akurasi ……….. …… 135

Error Akibat Pergeseran 1 Pixel………. …… 136

E. Simpulan ……… …… 137

5 PEMBAHASAN UMUM ……….. .... 138

6 SIMPULAN DAN SARAN………. ... 134

DAFTAR PUSTAKA ………...………. ….... 147

DAFTAR TABEL

Halaman

1 Volume Ekpor Jeruk Tahun 1998-2000 (dalam ton) ………. 2

2 Volume Impor Jeruk Tahun 1998-2000 (dalam ton) ……….. 3

3 Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100 gr

(Sumber : Wills et al. (1978) )……… 13

4 Hasil perhitungan statistik pada data R tanaman jeruk lemon ………… 29

5 Hasil perhitungan statistik pada data sinyal G tanaman jeruk lemon….. 31 6 Hasil perhitungan statistik pada data sinyal B tanaman jeruk lemon….. 32 7 Hasil perhitungan statistik pada data indeks r tanaman jeruk lemon… 33 8 Hasil perhitungan statistik pada data indeks g tanaman jeruk lemon….. 34 9 Hasil perhitungan statistik pada data indeks b tanaman jeruk lemon….. 35 10 Hasil perhitungan statistik pada data nilai H tanaman jeruk lemon … 37 11 Hasil perhitungan statistik pada data nilai S tanaman jeruk lemon……. 37 12 Hasil perhitungan statistik pada data nilai I tanaman jeruk lemon…….. 39

13 Nilai rata-rata R, G, B, r, g, b, 2r-g-b, 2r-0.5g-b ………. 41

14 Hasil perhitungan statistik kalibrasi kamera untuk pergeseran kamera

(L) 3, 6, 8, 10, dan 12 cm ……… 69

15 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran

kamera (L) 3 cm ………. 72

16 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran

kamera (L) 6 cm ……… 73

17 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran

18 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran kamera

(L) 10 cm ……….. 74

19 Selisih antara D aktual dan D hitung hasil pengujian untuk pegeseran kamera

(L) 12 cm ………... 75

20 Nilai rata-rata konstanta d (pixel) untuk semua pergeseran kamera……….. 75

21 Akurasi rumus jarak _{( )}

. 390 1 2 i i x x L D −

= untuk pergeseran kamera 3 cm………….. ₈₂

22 Akurasi rumus jarak _{( )}

. 390 1 2 i i x x L D −

= untuk pergeseran kamera 6 cm……… ₈₂

23 Akurasi rumus jarak _{( )}

. 390 1 2 i i x x L D −

= untuk pergeseran kamera 8 cm……… ₈₃

24

Akurasi rumus jarak

) ( . 390 1 2 i i x x L D −

= untuk pergeseran kamera 10cm…………... ₈₃

25

Akurasi rumus jarak

) ( . 390 1 2 i i x x L D −

= untuk pergeseran kamera 12 cm…...……... ₈₄

26 Hubungan antara pergeseran kamera dalam pixel dan dalam cm ………. 86

27 Akurasi hasil uji penentuan posisi tiga dimensi dengan pergeseran kamera 3, 6,

DAFTAR GAMBAR

Halaman

1 Tahap-tahap kegiatan Penelitian ……….. 8

2 Buah jeruk lemon dalam berbagai usia : (a) umur 100 hsbm.; (b) umur

110 hsbm. ; (c) umur 120 hsbm………... 11

3 Tanaman jeruk lemon dengan (a) profil buah (b) profil bunga ……….. 12

4 Tanaman jeruk lemon di dalam pot ………. 12

5 Penampang buah jeruk lemon (sumber: Hume, 1977)….………… 13

6 perangkat keras dan aliran data pengolahan citra……….………. 16

7 (Proyeksi pembentukan citra untuk citra di belakang pusat proyeksi

(Jain et al, 1995) ……….. 17

8 Proyeksi pembentukan citra untuk citra di depan pusat proyeksi (Jain et

al, 1995)……… 17

9 Tata letak penempatan bahan dan alat saat perekaman citra jeruk lemon

dengan sensor kamera dan komputer image processing ………. 25

10 Diagram alir penelitian untuk mendeteksi buah jeruk lemon pada

tanamannya……….. ……….……… 28

11 Sebaran nilai R untuk daun, tangkai, bunga, buah, dan latar lain………. 30 12 Sebaran nilai G untuk daun, tangkai, bunga, buah, dan latar lain ……... 31 13 Sebaran nilai B untuk daun, tangkai, bunga, buah, dan latar lain………. 32 14 Sebaran nilai indeks r untuk daun, tangkai, bunga, buah, dan latar lain. 34

15 Sebaran nilai indeks g untuk daun, tangkai, bunga, buah, dan latar lain 35 16 Sebaran nilai indeks b untuk daun, tangkai, bunga, buah, dan latar lain 36 17 Sebaran nilai H untuk daun, tangkai, bunga, buah, dan latar lain……... 37 18 Sebaran nilai S untuk daun, tangkai, bunga, buah, dan latar lain …….. 38 19 Sebaran nilai I untuk daun, tangkai, bunga, buah, dan latar lain………. 39 20 Hubungan nilai R dan G pada citra daun, tangkai, bunga, dan buah

lemon……… 40

21 Sebaran nilai kombinasi indeks 2r-0.5g-b tanaman jeruk lemon ……... 42 22 (a) citra lemon asli (b) citra biner hasil thresholding ……….… 43 23 (a) Citra lemon dan daun asli ; (b) citra biner hasil thresholding……… 44 24 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, dan tangkai ;

(b) Citra biner hasil thresholding ………. 44

25 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan potongan kertas putih ; (b) Citra biner hasil thresholding ……….. 45 26 (a) Citra lemon usia ≥ 120 hsbm, lemon < 120 hsbm, daun, tangkai, dan

bunga ; (b) Citra biner hasil thresholding ……… 45

27 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil

thresholding ……….. 46

28 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai; (b) Citra biner hasil

29 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner

hasil thresholding ……… 47

30 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding ……… 47

31 (a) Citra lemon usia ≥ 120 hsbm, daun, dan tangkai ; (b) Citra biner hasil thresholding ……… 47

32 Metode perhitungan lokasi obyek buah dengan kamera stereo (Kawamura et al., 1984 ……… 50

33 Pasangan citra biner (Kawamura et al.,1985) ………. 51

34 Bingkai citra 2 sebagai dasar perhitungan xi dan yi ……… 51

35 Sensor kamera yang terpasang pada manipulator robot ………... 54

36 Skematik perekaman benda uji untuk kalibrasi kamera ……….……… 55

37 Pergeseran kamera dan obyek untuk kalibrasi ……….……… 58

38 Diagram alir penelitian untuk kalibrasi dan validasi sensor kamera ….. 61

39 Contoh citra benda uji yang direkam kamera dari dua jarak yang berbeda……….... 62

40 Contoh citra benda uji yang direkam kamera dari dua jarak yang berbeda dan telah dibinerisasi ………. 63

41 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 3 cm …….……….. 64

42 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 6 cm ………... 65

43 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 8 cm……… 66

44 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor kamera (D) untuk pergeseran kamera sebesar 10 cm ….……… 67

45 Hubungan jarak citra stereo (xi2-xi1) dan jarak benda uji dari sensor

kamera (D) untuk pergeseran kamera sebesar 12 cm ……… 68

46 Hubungan D aktual dan D hitung untuk pergeseran kamera 3 cm …….

76 47 Hubungan D aktual dan D hitung untuk pergeseran kamera 6 cm

…….

77 48 Hubungan D aktual dan D hitung untuk pergeseran kamera 8 cm …… 78 49 Hubungan D aktual dan D hitung untuk pergeseran kamera 10 cm

…...

79 50 Hubungan D aktual dan D hitung untuk pergeseran kamera 12 cm

……

80 51 Tanaman jeruk lemon di depan sensor kamera yang dipasang pada

manipulator robot ……… 91

52 Posisi sensor kamera pada saat merekam obyek jeruk lemon ….…… 91 53 Bingkai citra 2 dengan koordinat (0,0) pixel sebagai dasar

perhitungan xi dan yi ……….. 93

54 Diagram alir langkah-langkah penelitian untuk menentukan posisi

tiga dimensi dari buah jeruk lemon pada tanamannya ……… 97

55 Buah jeruk lemon pada tanamannya dan citra binernya. (a) Citra pada

bingkai citra 1 (b) Citra pada bingkai citra 2……… 98

56 Buah jeruk lemon pada tanamannya dan hasil thresholdingnya dalam bentuk citra biner. (a) bingkai citra 1 (b) bingkai citra 2……… 99 57 Citra asli dan hasil thresholding dalam bentuk citra biner tanaman

jeruk lemon yang tidak utuh karena terhalang daun dan buah yang masih muda. (a) bingkai citra 1 (b) bingkai citra 2……… 101 58

.

Citra asli tanaman jeruk lemon yang sedang berbunga dan ada buahnya yang sudah matang menunjukkan hasil thresholding yang

baik. (a) bingkai citra 1 (b) bingkai citra 2……… 102

59 Citra asli tanaman jeruk lemon yang sedang berbunga dan ada buahnya yang sudah matang dengan kerapatan tanaman yang tinggi menunjukkan hasil thresholding yang baik. (a) bingkai citra 1 (b)

bingkai citra 2………. 103

60 Buah jeruk lemon pada bingkai 2 yang berada pada kuadran 4. (a)

61 Citra buah jeruk lemon yang terhalang daun dan terdapat buah yang masih muda dan daun-daun kering. (a) bingkai citra 1 (b) bingkai citra

2……… 105

62 citra jeruk lemon yang mengandung daun-daun kering dan dideteksi de ngan jarak yang cukup jauh (69 cm). (a) bingkai citra 1 (b) bingkai

citra 2……… 106

63 Citra tanaman jeruk lemon dengan latar daun-daun kering dan operator kebun terdeteksi dengan baik. (a) bingkai citra 1 (b) bingkai citra 2…... 107 64 Citra tanaman jeruk lemon dengan latar tangan operator yang dapat

dieliminasi dengan baik dan hasil thresholding yang bersih dari noise.

(a) bingkai citra 1 (b) bingkai citra 2……… 108

65 Citra tanaman jeruk lemon yang dengan latar yang terdapat benda putih dan latar lain berhasil di trhresholding dengan baik. (a) bingkai citra 1

(b) bingkai citra 2………. 109

66 Citra tanaman jeruk lemon yang dengan latar yang lebih terbuka. (a)

bingkai citra 1 (b) bingkai citra 2………. 110

67 Citra tanaman jeruk lemon dengan jarak dekat. (a) bingkai citra 1 (b)

bingkai citra 2………... 111

68 Citra tanaman jeruk lemon dengan latar belakang yang lebih beragam.

(a) bingkai citra 1 (b) bingkai citra 2……… 113

69 Citra tanaman jeruk lemon tanpa latar kain hitam. (a) bingkai citra 1 (b)

bingkai citra 2………... 114

70 Tanaman jeruk lemon dengan latar yang lebih beragam namun sistem dapat menghasilkan citra biner dengan baik. (a) bingkai citra 1 (b)

bingkai citra 2………... 115

71 Tanaman jeruk lemon dengan latar yang lebih beragam dapat

menghasilkan citra biner dengan baik. (a) bingkai citra 1 (b) bingkai

citra 2……….. 116

72 Tanaman jeruk lemon dengan latar yang beragam termasuk operator yang sedang beraktivitas. (a) bingkai citra 1 (b) bingkai citra 2………. 117

73 Tanaman jeruk lemon dengan latar yang beragam termasuk operator yang sedang beraktiv itas dengan warna yang berbeda: (a) bingkai citra

1 (b) bingkai citra 2………. 118

74 Hubungan jarak obyek ke sensor kamera dengan pengukuran langsung arah sumbu z (z aktual) dan dengan hasil sistem deteksi (z hitung)…... 120 75 Hubungan jarak obyek ke sensor kamera dengan pengukuran langsung

arah sumbu x (x aktual) dan dengan hasil sistem deteksi arah sumbu x

(x hitung) ……… 121

76 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm)………... 122

77 Hubungan jarak obyek dan sensor kamera dengan pengukuran

langsung arah sumbu y (y aktual) dan dengan hasil sistem deteksi arah

sumbu y (y hitung) ………. 123

78 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm)………... 124 79 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 3 cm……… 126

80. Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 3 cm ………... 127

81 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 6 cm……….. 128

82 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 6 cm………. 129

83 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 8 cm……….. 130

84 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 8 cm………. 131

85 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

86 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 10 cm……… 133

87 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari

sensor kamera) dengan pergeseran kamera 12 cm……… 134

88 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari

DAFTAR LAMPIRAN

Halaman

1 Nilai RGB, rgb, dan HSI Untuk Daun Jeruk Lemon ……….. 151

2 Nilai RGB, rgb, dan HSI Untuk Tangkai Jeruk Lemon ………. 157

3 Nilai RGB, rgb, dan HSI untuk buah jeruk lemon ………. 163

4 Nilai RGB, rgb, dan HSI untuk bunga jeruk lemon ………... 169

5 Nilai RGB, rgb, dan HSI untuk latar belakang ………. 175

6 Perhitungan nilai d dengan pergeseran kamera sebesar L= 3 cm ……… 181

7 Perhitungan nilai d dengan pergeseran kamera sebesar L= 6 cm ………. 182

8 Perhitungan nilai d dengan pergeseran kamera sebesar L= 8 cm ……….. 183

9 Perhitungan nilai d dengan pergeseran kamera sebesar L= 10 cm ……… 184

10 Perhitungan nilai d dengan pergeseran kamera sebesar L= 12 cm ………. 185

11 Hasil validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dan selisih antara D aktual dan D hitung untuk pegeseran kamera (L) 3 cm ………. 186

12 Hasil validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dan selisih antara D aktual dan D hitung untuk pegeseran kamera (L) 6 cm ………. 188

13 Hasil validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dan selisih antara D aktual dan D hitung untuk pegeseran kamera (L) 8 cm ………. 190

14 Hasil validasi rumus jarak ) ( . 390 1 2 i i x x L D − = dan selisih antara D aktual dan D hitung untuk pegeseran kamera (L) 10 cm ……… 192

15 Hasil validasi rumus jarak

) (

. 390

1 2 i i x x

L D

−

= dan selisih antara D aktual dan D

hitung untuk pegeseran kamera (L) 12 cm ……… 194

16 Tabel hasil uji penentuan posisi tiga dimensi dengan sembarang pergeseran

kamera ……… 196

17 Tabel hasil uji dengan pergeseran kamera tertentu……… 200

18 Akurasi uji penentuan posisi tiga dimensi………..………. 210

BAB I

PENDAHULUAN

A. Latar Belakang

Potensi buah jeruk termasuk jeruk lemon secara nasional amat besar. Rukmana dan Oesman (2001) menyatakan sebelum tahun 1970 Indonesia pernah berjaya sebagai produsen jeruk, yang akhirnya wabah Citrus Vein Phloem Degeneration (CVPD) menghancurkan tanaman jeruk di berbagai sentrum produksi potensial.

Jeruk lemon sebenarnya bukan merupakan tanaman asli Indonesia. Rukmana dan Oesman (2001) menyatakan bahwa dari beberapa literatur disebutkan bahwa jeruk lemon berasal dari Birma (sekarang Myanmar) Utara dan Cina Selatan. Namun pada abad ke-11 sampai dengan 13, tanaman jeruk lemon ini dibawa oleh orang-orang Arab ke Afrika dan Eropa. Dengan semakin banyaknya pihak yang meminati, dalam perkembangan selanjutnya jeruk lemon dibudidayakan juga di Spanyol, Italia, Sisilia, dan Siprus, lalu juga dikembangkan di California (Amerika Serikat), kepulauan Hindia Barat, dan Argentina .

Di Indonesia sendiri jeruk lemon dikenal oleh masyarakat penggemar tanaman sekitar tahun 1980-an. Tanaman jeruk lemon biasanya dimanfaatkan sebagai tanaman hias dalam pot atau ditanam di pekarangan. Daya tarik jeruk lemon terletak pada perpaduan antara bentuk buah dan warnanya, serta kemampuan berbuah yang terus menerus tanpa mengenal musim, sehingga banyak pihak yang membudidayakan tanaman jeruk lemon baik di dalam pot maupun di alam bebas.

Jeruk lemon yang buahnya berwarna kuning memiliki karakteristik warna yang cukup unik. Perbedaan warna antara buah dan latar belakangnya merupakan fenomena yang menarik untuk diteliti dan dapat digunakan sebagai alat bantu untuk pemanenan persis seperti pemanenan dengan visual mata manusia.

Pemanfaatan buah jeruk lemon amatlah luas, selain dikonsumsi secara langsung juga dapat dimanfaatkan sebagai bahan baku pewangi ruangan. Permintaan produk jeruk dari luar negeri terus meningkat, hal ini ditunjukkan dari data ekspor jeruk pada Tabel 1 yang menunjukkan peningkatan dari tahun 1997

hingga tahun 2000. Selanjutnya dari data ekspor jeruk mulai tahun 2002, 2003, 2004, dan 2005 berturut-turut adalah : (331221, 591195, 591195, 690683) kg (Pusdatin, 2006a).

Tabel 1 Volume Ekpor Jeruk Tahun 1998-2000 (dalam kg)

No Jenis Volume (kg)

1997 1998 1999 2000

Fresh

- Lemon 132149 108386 444223 537516

- Mandarin - - 10887 32626

- Citrus fruit - - 9463 1346

1

Subtotal 132149 108386 464573 571488

Dried

- Lemon 12516 3,8 32171 5650

- Mandarin - - - 4275

2

Subtotal 12516 3,8 32171 9925

Miccelaneous

- Citrus fruit otherwise prepered for preserved

3375 52416 21455 37795

Subtotal 3375 52416 21455 37795

3

Total 148040 164602 518199 619208

( Sumber : Vademikum Jeruk Direktorat Jenderal Bina Produksi Hortikultura Tahun 2002, diolah )

Kebutuhan konsumsi jeruk di dalam negeri juga mengalami peningkatan, hal ini terlihat dari peningkatan impor dari tahun tahun 1998 hingga tahun 2000 seperti ditunjukkan pada Tabel 2. Selanjutnya dari data impor jeruk mulai tahun 2002, 2003, 2004, dan 2005 berturut-turut adalah : (51813633, 27341506, 59564074, 165670303) kg (Pusdatin, 2006b).

Besarnya potensi jeruk lemon perlu diiringi dengan pengembangan metode dan teknik pemanenan produk tersebut. Hal ini untuk mengantisipasi peningkatan permintaan terhadap mutu dari produk hasil pemanenan tersebut, karena pemanenan merupakan salah satu aspek yang mempengaruhi mutu akhir dari produk pertanian.

Menurut Kondo dan Ting (1998) ada beberapa alasan mengapa

pemanenan dengan manipulator (bioproduction robot) diperlukan, yaitu antara lain : operasi pertanian cenderung bersifat monoton dan tidak sesuai dengan sifat

manusia, meningkatnya biaya buruh, dan meningkatnya kebutuhan akan kualitas produksi pertanian.

Tabel 2 Volume Impor Jeruk Tahun 1998-2000 (dalam kg) Volume (kg)

No Jenis Jeruk

1998 1999 2000

Fresh

- Lemon 177843 161939 152712

- Mandarin 17430.519 27089.723 59619.536

- Orange 6181.374 7392.631 19438.082

- Other citrus 117 36 6817

- Citrus fruit 24771 8312 8224

1

Subtotal 226342.893 204769.354 246810.618

Dried

- Lemon 81 - 2218

- Mandarin 17046 - 20106

- Orange 3681 5801 71964

- Other citrus dried

- 10168 2163

2

Subtotal 53937 16168 96451

Miccelaneous 27935 32120 60093

4

Subtotal 27935 32120 60093

Total

308214.893 253057.354 403354.618

( Sumber : Vademikum Jeruk : Direktorat Jenderal Bina Produksi Hortikultura Tahun 2002, diolah )

Metode pemanenan dengan robot merupakan salah satu cara untuk mengantisipasi kebutuhan akan peningkatan kualitas produk dan kekurangan sumber daya manusia di masa depan. Namun demikian, robot pertanian memiliki kompleksitas yang lebih tinggi dibanding dengan robot industri. Ryuh et al. (1995) dalam Subrata (1998) menyatakan hal ini disebabkan karena lingkungan pertanian memiliki keragaman dan kompleksitas yang tinggi akibat banyaknya kendala -kendala seperti buah yang belum matang, cabang-cabang, dan daun.

Robot untuk aplikasi di bidang pertanian tidak semudah di bidang industri. Seminar (2000) menyatakan kesulitan dalam pemecahan masalah pertanian diakibatkan oleh kenyataan ala mi bahwa sumberdaya utama pertanian

(mikroorganisme, tanaman, hewan, buah-buahan, dan sayuran) merupakan suatu sistem kehidupan (biosystem) yang bersifat kompleks. Hal ini sangat berbeda dengan sistem non-bio (non life system) yang sifatnya lebih sederhana.

Pengembangan sistem berbasis komputer merupakan keniscayaan agar diperoleh hasil yang obyektif dan akurat. Seminar (2000) menyatakan komputer digunakan terutama untuk pengolahan dan manipulasi data secara cepat, akurat, dan obyektif dengan perilaku yang dapat diubah dan diperbaharui sesuai kebutuhan.

Dengan dasar pemikiran bahwa dunia semakin berkembang ke arah kemajuan, maka untuk negara maju yang tenaga kerjanya juga semakin mahal, pengembangan metode pemanenan dengan menggunakan manipulator robot pemanen merupakan hal yang patut dipertimbangkan.

Berdasar alasan tersebut di atas, maka permasalahan dalam bidang pemanenan dapat diangkat menjadi sebuah topik penelitian. Salah satu aspek penting dari pemanenan dengan robot adalah pengembangan sistem deteksi yang dapat digunakan oleh robot untuk mengenali buah jeruk lemon yang akan dipanen yang juga merupakan fokus dari penelitian ini.

Pengertian mendeteksi di sini adalah sistem dapat memisahkan antara buah jeruk lemon dan latar belakangnya selanjutnya sistem dapat menentukan posisi tiga dimensi dari buah jeruk lemon yang telah terdeteksi tadi. Sedangkan buah jeruk lemon yang dideteksi adalah buah jeruk lemon dengan usia ≥ 120 hari setelah bunga mekar (hsbm.). Artinya buah jeruk lemon yang akan dipane n ini memiliki umur petik 120 hsbm.

Menurut beberapa informasi dari beberapa petani pembudidaya jeruk lemon di Bogor dan sekitarnya, pemanfaatan buah jeruk lemon usia ≥ 120 hsbm dapat digunakan untuk konsumsi langsung ataupun untuk industri pengolahan se perti pembuatan sabun pembersih, pewangi ruangan, sari buah jeruk lemon, dan lainnya.

Meskipun penelitian ini merupakan penelitian perintis namun justru hasil penelitian ini dapat digunakan dan dikembangkan sebagai landasan pemanenan dengan robot. Hal ini dikarenakan inti dari pemanenan dengan menggunakan robot adalah kemampuan dari sistem deteksi robot untuk mengenali obyek panen

itu sendiri. Pada akhirnya hasil dari penelitian ini diharapkan dapat dimanfaatkan industri perkebunan jeruk lemon.

B. Tujuan Penelitian

Tujuan penelitian ini adalah mengembangkan sistem deteksi buah jeruk lemon pada tanamannya menggunakan kamera yang hasilnya dapat dimanfaatkan untuk manipulator robot pemanen buah jeruk lemon. Dalam rangka mencapai tujuan tersebut, dilakukan beberapa tahap penelitian yang mempunyai tujuan spesifik, yaitu :

1). Mempelajari, mengkaji, dan menganalisis karakteristik dan keterkaitan antara sinyal-sinyal warna merah (R), hijau (G), biru (B), dan komponen warna lain, seperti indeks warna merah (r), indeks warna hijau (g), indeks warna biru (b), serta komponen warna hue (H), saturasi (S), dan intensitas (I) yang dipantulkan oleh buah jeruk lemon 120 hari setelah bunga mekar (hsbm.) pada tanamannya.

2). Mengembangkan metode dan algoritma untuk mengeliminasi latar belakang tanaman jeruk lemon tersebut, sehingga buah jeruk lemon yang siap panen pada tanamannya dapat terdeteksi keberadaannya.

3). Mengembangkan metode kalibrasi sensor kamera yang dapat digunakan sebagai sarana untuk mengembangkan formula penentuan posisi tiga dimensi obyek.

4) Melakukan validasi formula penentuan posisi tiga dimensi dari obyek.

5) Mendapatkan formulasi yang dapat diterapkan untuk penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya

6) Menguji dan mengeva luasi sistem deteksi posisi tiga dimensi buah jeruk lemon pada tanamannya.

C. Manfaat Penelitian

Berdasarkan tujuan penelitian tersebut diharapkan dapat diperoleh manfaat sebagai berikut :

1). Mendapatkan data dasar tentang karakteristik sinyal-sinyal warna dalam model warna RGB dan HSI pada citra tanaman jeruk lemon, sehingga dapat

digunakan untuk pengembangan algoritma deteksi buah jeruk lemon pada tanamannya.

3). Mendapatkan data dasar hubungan antara jarak pergeseran obyek pada citra stereo dan jarak riil obyek terhadap sensor kamera, yang digunakan sebagai dasar kalibrasi sistem perhitungan jarak, sehingga dapat digunakan untuk membangun sebuah formulasi penentuan posisi tiga dimensi obyek.

4). Menyediakan rancangan dasar sistem deteksi menggunakan kamera untuk pemanenan buah jeruk lemon menggunakan manipulator robot pemanen.

D. Kerangka Penelitian

Penelitian yang telah dilaksanakan ini difokuskan pada pengembangan sistem deteksi jeruk lemon untuk manipulator robot pemanen. Uji penelitian dibatasi dalam skala laboratorium, dengan sampel uji berupa tanaman jeruk lemon dalam pot.

Penelitian dilaksanakan melalui tahapan sebagaimana ditampilkan pada Gambar 1. Bahan utama yang digunakan untuk penelitian ini adalah tanaman jeruk lemon yang ditanam di dalam pot. Dari gambar tersebut tampak bahwa penelitian ini mencakup tiga bagian.

Bagian pertama adalah penelitian yang bertujuan untuk mendeteksi buah jeruk lemon pada tanamannya. Pengertian mendeteksi di sini belum melibatkan faktor jarak, hanya memisahkan antara obyek buah jeruk lemon dan latar belakangnya. Pada bagian ini penelitian dilakukan dengan menyelidiki nilai-nilai karakteristik warna pada tanaman jeruk lemon dan mendapatkan parameter warna yang dapat digunakan untuk memisahkan buah jeruk lemon dengan latar belakangnya.

Bagian kedua penelitian ini ditujukan untuk mengkalibrasi sensor kamera yang digunakan untuk melihat konsistensi alat yang digunakan. Hasil kalibrasi tersebut digunakan untuk mengembangkan formula perhitungan jarak antara sensor kamera ke obyek. Setelah formula perhitungan jarak didapat, selanjutnya dilakukan validasi terhadap formula tersebut. Hal ini dilakukan untuk menjamin formula yang dikembangkan dapat digunakan pada penelitian selanjutnya.

Pada bagian ketiga penelitian ini prinsipnya menggabungkan hasil penelitian tahap pertama dan kedua. Yang dilakukan pada tahap ini adalah dilakukan uji coba terhadap sistem deteksi untuk mendeteksi posisi tiga dimensi obyek. Uji dilakukan dengan menerapkan algoritma deteksi buah jeruk lemon pada tanamannya sehingga hasilnya dapat menampilkan hanya citra biner buah jeruk lemon saja. Selanjutnya, dengan menggunakan formula yang telah didapat pada tahapan penelitian sebelumnya, dilakukan perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya. Perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya dengan sistem deteksi ini kemudian dibandingkan dengan hasil pengukuran secara langsung dan hasilnya dianalisis dan dievaluasi.

Bagian akhir penelitian ini adalah melakukan pembahasan secara menyeluruh terhadap semua hal yang telah dilakukan mulai bagian pertama hingga bagian ketiga.

Mulai Survey lapang

Studi literatur

Penelitian untuk mendeteksi jeruk

lemon

Konsisten

dengan Teori ? Studi literatur Lebih dalam

Penelitian untuk kalibrasi & validasi sensor kamera

ya

Konsisten

dengan Teori ? Studi literatur Lebih dalam tidak

Penelitian untuk penentuan lokasi tiga

dimensi jeruk lemon

sampel uji

Pembahasan umum ya

sampel uji

Selesai

BAGIAN I

BAGIAN II

BAGIAN III

Rumus penentuan posisi tiga dimensi termodifikasi

tidak

Konsisten

dengan Teori ? Studi literatur Lebih dalam tidak

Keterangan :

: Dapat dibreakdown

Persiapan sampel uji awal

ya

BAB II

KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK

LEMON PADA TANAMANNYA

A. Pendahuluan

Latar Belakang

Di alam bebas tanaman jeruk lemon berupa perdu dengan ketinggian 2 hingga 3.5 meter dengan diameter buah rata -rata 4.4 sampai 6.4 cm. Kandungan asam sitrat jeruk lemon menurut Hume (1957) berkisar antara 7 – 8 %. Morfologi jeruk lemon berbentuk bulat telur dan memiliki puting di ujungnya. Sebagai tanda bahwa buahnya telah masak adalah dengan perubahan warna kulitnya yang menjadi kuning dari sebelumnya berwarna hijau. Buahnya ketika masih muda bergerombol berjumlah 2 sampai 5, namun setelah matang buah yang tersisa biasanya tinggal satu saja.

Menurut Hume (1957) jeruk lemon terbagi menjadi beberapa varietas yaitu : 1. Eureka, berbentuk membujur dengan ukuran sedang. Panjang 72 cm, diameter

50 mm, jika telah matang berwarna kuning lemon, puncak berputing dengan bentuk puting kecil dan kasar.

2. Everbearing, berbentuk membujur, memiliki dua ujung, ukurannya sedang. Panjang 89 mm, diameter 50 mm, jika telah matang berwarna kuning, puncak berujung dengan panjang sekitar 15 mm.

3. Genoa, berbentuk membujur, memiliki dua ujung, berukuran sedang. Panjang 84 mm,diameter 50 mm berwarna kuning lemon terang, puncak berputing dengan puting kecil dan ujungnya tajam.

4. Lisbon, bentuknya membujur, ukurannya sedang berukuran panjang 81 mm, diameter 56 mm, berwarna kuning lemon, puncak berputing, dengan kulit halus, seragam dalam ukuran jika kematangan dipelihara dengan baik.

5. Meyer, berbentuk lonjong sampai bulat, ukuran sedang. Panjang 65 – 81 mm, diameter 65 mm, berwarna kuning terang, puncaknya membengkok dan berkulit halus.

6. Panderosa, berbentuk leher dan membujur, berukuran besar. Panjang 109 mm, diameter 112 mm, berwarna kuning puncak rata dengan sedikit indikasi putting dan pangkal leher.

7. Otohite, berbentuk bulat, berukuran panjang 53 mm, diameter 53 mm berwarna agak kuning, puncak sedikit berujung dan agak kasar.

8. Rough, bentuknya bermacam-macam dengan ukuran sedang sampai besar dengan panjang 61 mm, diameter 61 mm, warna kuning lemon.

9. Sicily, bentuknya membujur, ukuran sedang dengan panjang 62 mm, diameter 81 mm, warna kuning terang bercahaya, ujung berputing dengan puting pendek dan kasar, kulit tipis, halus, manis, sel-sel minyak biasanya banyak terdapat di permukaan.

10. Sweet, bentuknya rata, ukuran sangat kecil dengan panjang 50 mm, diameter 53 mm, warna berbintik-bintik kuning keabuan, daging buah gelap, kasar berpasir.

11. Villafranca, bentuknya bulat membujur, ukuran sedang sampai besar dengan panjang 73 mm, diameter 58 mm, warna buah matang kuning cerah, puncak berujung tumpul dan kasar.

Gambar 2 menampilkan profil buah lemon dengan usia 100 hsbm, 110 hsbm., dan 120 hsbm. Gambar 3 menampilkan profil tanaman jeruk lemon di alam bebas, sedangkan pada Gambar 4 tampak profil tanaman jeruk lemon di dalam pot.

Berdasarkan taksonominya, jeruk lemon diklasifikasikan sebagai berikut :

Kingdom : Plantae ( tumbuhan )

Divisi : Spermatophyta ( tumbuhan berbiji )

Sub divisi : Angiospermae ( berbiji tertutup )

Kelas : Dicotyledonae (biji berkeping dua)

Ordo : Ru tales

Keluarga : Rutaceae

Genus : Citrus

Spesies : Citrus Medica varietas limon burn

Tanaman jeruk lemon termasuk tanaman klimakterik, artinya buah jeruk lemon apabila cukup tua dipetiknya maka dapat memasuki stadium matang dalam beberapa hari secara alamiah tanpa perlu direkayasa (diperam). Kualitas buah

jeruk lemon secara visual dapat dilihat dari warnanya yang cerah (tidak belang) dan bentuknya yang menarik serta proposional (agak lonjong dengan puting diujungnya).

(a)

(a) (b)

Gambar 2 Buah jeruk lemon dalam berbagai usia : (a) umur 100 hsbm.; (b) umur 110 hsbm. ; (c) umur 120 hsbm.

Dari pengamatan di lapang, buah jeruk lemon pada saat muda bergerombol berjumlah antara 2 sampai 4, namun pada saat mau matang jumlah tadi berkurang hingga hanya dua buah saja. Dan pada saat matang (usia ≥ 120 hsbm.) buah tersebut hanya tinggal satu buah saja. Hal ini terjadi secara alamiah tanpa diberi perlakuan apapun. Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100 gr dirin ci dalam Tabel 3.

(a) (b)

Gambar 3 Tanaman jeruk lemon dengan (a) profil buah (b) profil bunga

Gambar 4 Tanaman jeruk lemon di dalam pot

Bagian utama jeruk lemon menurut Hume (1977) terdiri dari kulit yang tersusun atas epidermis, flavedo, kelenjar minyak dan ikatan pembuluh. Bagian dalam buahnya terdiri atas segmen buah, rongga yang berisi cairan, biji, dan inti (core) yang terdiri atas ikatan pembuluh dan parenkim. Gambar 5 memperlihatkan penampang buah jeruk lemon beserta bagian-bagian buah jeruk lemon.

Tabel 3 Komposisi buah jeruk lemon yang dapat dikonsumsi tiap 100 gr (Sumber : Wills et al. (1978) dalam Damiri (2003)).

Komposisi Jumlah

Bagian yang dapat dikonsumsi (%) 66

Air (gr) 89

Protein (gr) 0.6

Lemak (gr) 0.2

Gula (gr)

- Glukosa 0.8

- Fruktosa 0.6

- Sukrosa 0.4

Asam Organik (gr)

- Serat Diet 2.5

- Asam Malat 0.32

- Asam Sitrat 4.51

Gambar 5 Penampang buah jeruk lemon (sumber: Hume, 1977)

Flavedo adalah kulit bagian luar yang berbatasan dengan epidermis, merupakan lapisan kedua yang ditandai dengan warna hijau, kuning, oranye. Juga terdapat kelenjar minyak dan tidak ada ikatan pembuluh. Pada

bagian ini terdapat pigmen berupa kloroplas dan karotenoid. Epidermis sebagai lapisan luar kulit merupakan bagian yang melindungi buah jeruk yang terdiri dari lapisan lilin, matriks kulin, dinding sel primer dan sel epidermal. Pertumbuhan dan kematangan buah sejalan dengan membesarnya kelenjar minyak.

Albedo merupakan jaringan yang berhubungan dengan core di tengah-tengah buah, berfungsi untuk mensuplai air dan nutrisi dari pohon untuk pertumbuhan dan perkembangan buah. Pada albedo banyak terdapat selulosa, hemiselulosa, lignin, senyawa pektat, hesteperiodes serta senyawa-senyawa limonim yang menyebabkan timbulnya rasa pahit pada buah.

Jeruk lemon dapat menghasilkan beberapa jenis jeruk baru setelah dikawin-silangkan dengan beberapa jenis jeruk lain. Di Indonesia jenis tanaman jeruk lemon yang dikembangkan antara lain adalah : lemon tea, lemon squash, lemon cui, lemon eureka.

Karakteristik citra merupakan hal yang penting di dalam pemrosesan citra digital. Untuk mendapatkan informasi mengenai karakteristik dari sebuah citra perlu digunakan teknologi yang tepat. Teknik image processing (citra digital) adalah suatu teknologi yang dikembangkan untuk mendapatkan informasi dari citra (image) dengan cara memodifikasi bagian dari citra yang diperlukan sehingga menghasilkan citra dalam bentuk lain yang lebih informatif (Jain et al., 1995).

Citra digital merupakan representasi model nyata dari sebuah obyek. Teknik pengolahan citra digital ini dapat memeriksa kondisi obyek melalui penampilannya, secara non destruktif. Ahmad (2002) menggunakan teknik ini

untuk memeriksa mutu buah mangga. Sedangkan Wulfhson et al (1993)

menggunakan teknik ini untuk sortasi buah kurma.

Citra digital (non fisik) tentu berbeda dengan gambar foto, gambar cetak yang bersifat fis ik. Citra dalam bentuk data digital akan lebih mudah untuk dimodifikasi sesuai dengan kebutuhan tertentu. Sehingga teknik ini amat praktis untuk diterapkan dalam bidang pertanian khususnya bidang pasca panen.

Citra diperoleh dengan menggunakan sensor citra (kamera) yang dilengkapi dengan lensa. Lensa ini berfungsi untuk memproyeksikan bayangan dari

benda-benda yang berada di depannya. Fungsi lensa sebenarnya mirip dengan retina pada mata manusia, sehingga bayangan yang dihasilkan pada bidang citra bersifat sejati, terbalik, dan diperkecil, seperti pada Gambar 7.

Sensor citra (image sensor) jenisnya antara lain adalah : vidicon tube, image orthicon tube, image dissector tube, dan solid-state image sensor. Solid -state image sensor banyak digunakan karena beberapa kelebihan dibandingkan dengan alat yang lain. Kelebihannya adalah antara lain konsumsi daya listrik yang minim, ukuran kecil dan kompak, tahan guncangan, mudah pengoperasiannya, dan lain-lain.

Model solid-state image sensor mempunyai sebuah array elemen foto-elektrik yang dapat membangkitkan tegangan listrik dan photon. Model sensor ini berdasarkan caranya scanning dibedakan menjadi dua bagian, yaitu : charged-coupled device (CCD) dengan keunggulan memiliki resolusi yang tinggi dan metal-oxide semiconductor (MOS) yang mempunyai kelebihan pada hasil citra yang tajam.

Sensitivitas kamera yang digunakan akan sangat menentukan hasil yang diperoleh. Sehingga dalam proses pengambilan data perlu dipertimbangkan tingkat sensitivitas kamera yang digunakan. Sebagaimana dilaporkan oleh Throop et al.(1994), bahwa kamera dengan sensitivitas yang tinggi dapat memisahkan apel yang rusak dengan akurasi 99,9 %. Sedang kamera dengan sensitivitas yang rendah dapat memisahkan apel yang rusak dengan akurasi 95 %.

Meskipun pada saat ini sudah banyak kamera digital, namun bisa juga citra diambil dengan menggunakan kamera analog. Karena komputer bekerja dalam mode digital, maka diperlukan sebuah mekanisme untuk merubah sinyal analog tersebut ke dalam sinyal digital. Mekanisme untuk merubah sinyal analog menjadi sinyal digital adalah dengan melakukan konversi sinyal analog tersebut menjadi sinyal digital dengan menggunakan sebuah alat analog-digital (A/D) converter.

Proses pengolahan citra diawali dengan pengambilan gambar dengan menggunakan kamera, selanjutnya gambar dalam mode analog tersebut diteruskan ke dalam image frame grabber. Dalam image frame grabber sinyal analog tersebut masuk ke dalam A/D converter dan diubah menjadi sinyal digital. Sinyal digital keluaran dari A/D converter lalu ditransmisikan ke dalam memori citra

digital. Selanjutnya dengan menggunakan algoritma pengolahan citra dan perangkat komputer, sinyal digital tersebut diolah sesuai keperluan. Gambar 6 menunjukkan perangkat keras dan aliran data pengolahan citra.

Proses pembentukan sebuah citra terdiri dari dua bagian :

1). Geometri formasi citra, yang menentukan posisi di mana di dalam bidang citra proyeksi sebuah titik pemandangan akan ditempatkan. Teknik ini mengkonversi posisi 3 dimensi obyek di lapang ke dalam posisi 2 dimensi citra di layar komputer.

2). Fisik cahaya, yang menentukan kecerahan sebuah titik di dalam bidang citra sebagai fungsi dari pencahayaan pemandangan dan sifat-sifat permukaan.

Algoritma Pengolahan

Citra Kamera CCD

obyek Lampu

Computer A/D Converter Image Memory

Image frame grabber

Gambar 6 Perangkat keras dan aliran data pengolahan citra.

Pada Gambar 7, diperlihatkan model yang mendasar dari proyeksi sebuah titik pada pemandangan ke dalam bidang citra. Pada model ini pusat sistem pembentukan citra berpotongan dengan titik awal koordinat sistem tiga dimensi (x, y, z). Posisi horisontal ditunjukkan oleh x, posisi vertikal ditunjukkan oleh y, sedang jarak dari kamera ke suatu titik obyek ditunjukkan oleh z. Yang dimaksud dengan garis pemandangan dari suatu titik di dalam pemandangan adalah sebuah garis yang menyentuh titik tersebut dan titik pusat proyeksi, sedang jarak dari suatu titik ke kamera dinyatakan dengan z, yang sejajar dengan sumbu z.

Pada kamera yang sebenarnya, citra hasil bentukan berada di belakang pusat proyeksi dengan jarak f. Meskipun pada kamera yang sebenarnya bidang citra berada di belakang pusat proyeksi seperti pada Gambar 7, namun demi kemudahan dalam memahami maka bidang citra dianggap berada di depan pusat proyeksi, seperti pada Gambar 8.

y'

x

z

r

f

z

r'

(x’,y’) x'

Bidang citra (terbalik)

Titik obyek

(x,y,z) y

Gambar 7 Proyeksi pembentukan citra untuk citra di belakang pusat proyeksi (Jain et al, 1995)

y' x

r

z x'

y

(x’,y’)

r'

y

x x'

y'

Bidang citra

(terbalik) Titik obyek_(x,y,z)

Gambar 8 Proyeksi pembentukan citra untuk citra di depan pusat proyeksi (Jain et al, 1995)

Dari Gambar 8 selanjutnya dicoba menurunkan beberapa rumusan dasar yang dapat dipergunakan untuk perhitungan-perhitungan utama di dalam pengolahan citra. Seperti dijelaskan di atas bahwa jarak dari suatu titik (x , y , z)

dalam sebuah pemandangan ke sumbu z dinyatakan dengan r = (x2+y2), sedang jarak titik hasil proyeksi pada citra ( x’ , y’ ) dinyatakan dengan

) ' ' (

' x 2 y 2

r = + .

Dari kedua rumus di atas didapat hubungan :

r r z

f '

= ……… …..(1)

r r y y x

x' ' ' =

= ………..… (2)

Dan substitusi persamaan (1) ke dalam persamaan (2) menghasilkan :

z f x x' ₌

dan z f y y = ' ………..… (3) Sehingga posisi suatu titik di dalam bidang citra diberikan dengan persamaan berikut :

x z f

x' = ………. …(4)

y z

f

y'= ……… (5)

Satuan citra terkecil disebut pixel ( picture element ), yang berarti elemen citra. Sedangkan sebuah citra merupakan kumpulan dari kotak-kotak segiempat yang teratur sehingga jarak horisontal dan vertikal antar pixel adalah sama pada seluruh bagian citra. Selanjutnya di dalam memori komputer setiap pixel diwakilkan oleh sebuah nilai dalam bilangan bulat. Seringkali sebuah pixel merupakan representasi dari 8-bit bilangan bulat (integer) dengan rentang [0,255], dengan 0 untuk warna hitam, 255 untuk warna putih dan tingkat abu-abu berada diantara nilai tersebut.

Selanjutnya untuk keperluan analisis dalam pengolahan citra seperti penghitungan luas area suatu obyek, orientasi, dan sifat-sifat geometri lainnya diperlukan cara untuk mendapatkan citra biner dari suatu obyek. Citra biner bisa

diperoleh dengan cara melakukan segmentasi citra dengan dasar perbedaan sinyal warnanya.

Setiap citra dengan karakteristik nilai pencahayaan tertentu memerlukan nilai threshold tertentu yang mungkin tidak cocok untuk citra lainnya. Sehingga sebenarnya meskipun nilai thresholdnya sama namun tidak dapat digunakan untuk citra yang berbeda. Oleh karena itu peranan pengaturan cahaya dalam perekaman citra penting sekali. Seperti dillaporkan Wulfhson et al.(1993), bahwa penerangan merupakan hal yang kritis dalam pemrosesan citra digital. Sehingga tingkat cahaya yang berbeda dapat menghasilkan kualitas citra yang berbeda pula.

Hal yang penting dalam pengolahan citra setelah kita dapat menghasilkan obyek adalah mengenali dan menentukan lokasi obyek tersebut. Untuk mengenali obyek biasanya dengan mengetahui ukuran, posisi, dan orientasi obyek. Untuk menghitung ukuran (area) suatu obyek A digunakan persamaan (Jain et al.,1995) :

∑∑

= = = n i m j j i B A 1 1 ] ,

[ ………….………(6)

dimana B[i,j] adalah citra biner pada koordinat pixel (i,j). Selanjutnya setelah kita mengetahui luas area (A) suatu obyek, maka biasanya mengetahui posisi obyek di dalam sebuah citra digunakan untuk melengkapi informasi yang digunakan untuk analisis citra digital. Posisi obyek direpresentasikan dengan sumbu x dan sumbu y, dan dilambangkan dengan x dan y. Formula untuk posisi obyek ditampilkan pada persamaan berikut :

A j i B j x m j n i

∑

∑

= =

= 1 1

] , [ ……….………. (7) A j i B i y m j n i

∑

∑

= =

= 1 1

] , [

……….………(8) dengan x dan y adalah koordinat titik pusat dari region.

Warna merupakan jumlah relatif dari tiga warna pokok merah (R), hijau (G), dan biru (G). Dengan menggabungkan ketiga intensitas warna tersebut, maka didapat citra berwarna. Untuk mempermudah penafsiran hasil dari model warna RGB adalah dengan melakukan normalisasi terhadap ketiga komponen warna tersebut menjadi indeks warna merah (r), indeks warna hijau (g), dan indeks

warna biru (b). Sedangkan model warna yang paling sesuai untuk dipersepsi oleh manusia adalah corak (hue) disingkat H, kejenuhan (saturation) disingkat S, dan intensitas (intensity) disingkat I.

Persepsi warna dalam pengolahan citra tergantung pada tiga faktor (Jain et al, 1995) :

1. Spectral reflectance dari permukaan. Hal ini menentukan bagaimana suatu permukaan memantulkan warna,

2. Spectral content dari penyinaran. Artinya adalah kandungan warna dari cahaya yang menyinari permukaan,

3. Spectral response. Artinya adalah kemampuan merespons warna dari sensor dalam imaging system.

Pengolahan citra dengan menggunakan warna merupakan salah satu teknik yang sering digunakan untuk membedakan status dari citra tersebut. Cara yang sering digunakan dalam mengklasifikan warna selain dengan model CIE adalah dengan menggunakan model warna red, green, blue (RGB), dan hue, saturation, intensity (HSI).

Jain et al(1995) merumuskan untuk menormalisasikan nilai RGB hasil dari pembacaan citra dapat digunakan rumus berikut ini :

B G R R r + +

= ………(9)

B G R G g + +

= ………(10)

B G R B b + +

= ……….………(11)

dengan r, g, dan b adalah nilai indeks warna merah, hijau, dan biru.

Model warna HSI diperoleh dengan cara melakukan konversi dari warna-warna RGB, dengan menggunakan persamaan-persamaan berikut (Jain et al., 1995) : ) )( ( ) ( 2 2 cos 2 B G B R B G B G R H − − + − − − = ….………...(12) Sehingga :

) ) )( ( ) ( 2 2 ( 2 1 B G B R B G B G R Cos H − − + − − −

= − _{………(13)}

) , , ( min 3

1 RG B

B G R S + + − = .………..(14) ) ( 3 1 B G R

I = + + ……….…(15)

dengan H, S, dan I adalah corak (hue), kejenuhan (saturation), dan intensitas (intensity).

Dengan menggunakan rumusan di atas kita dapat menganalisis perbedaan warna pada permukaan sebuah citra digital. Perbedaan warna ini dapat digunakan untuk memisahkan antara obyek dan selainnya. Pengembangan algoritma yang menggunakan batas ambang (thresholding) dengan warna merupakan hal yang dapat diterapkan dalam bidang keteknikan pertanian khususnya bidang pasca panen.

Penerapan penggunaan warna ini bisa untuk sortasi produk pertanian, seperti Sarkar and Wolfe (1985a; 1985b) dalam Choi et al.(1995) yang mengembangkan algoritma klasifikasi menggunakan analisis citra digital dan teknik pengenalan pola untuk mensortir buah tomat. Juga Shearer dan Payne (1990) dalam Choi et al.(1995) mengembangkan sistem vision untuk menyortir biji lada (bell peppers) dengan memetakan nilai RGB ke dalam hue dan secara statistik mengklasifikasikan distribusi frekuensinya dengan hasil cukup memuaskan.

Sedangkan Slaughter dan Harrel (1987) dalam Choi et al.(1995)

menunjukkan bahwa threshold dengan Hue (panjang gelombang dominan) dan saturation (tingkat kejenuhan) dapat digunakan untuk membedakan buah jeruk (orange) dari latar belakangnya seperti daun-daunan, langit, awan, dan tanah.

Selain itu, Wiggers et al. (1988) dalam Choi et al. (1995) menggunakan sistem pengolahan citra warna untuk mendeteksi dan mengklasifikasikan kacang kedelai yang rusak oleh cendawan dengan menggunakan hue dan rasio sinyal red, green, dan blue. Mereka melaporkan bahwa rasio warna lebih handal dari metode hue untuk mendeteksi perbedaan warna.

Varghese et al. (1991) dalam Choi et al. (1995) mengembangkan sistem mesin vision (machine vision) untuk menginspeksi dan menilai buah apel segar

berdasar warna, defect, bentuk, dan ukuran. Buah apel yang diklasifikasikan berdasar warna mendapat akurasi yang sangat tinggi menggunakan histogram hue.

Thomas dan Connoly (1986) dalam Tao et al.(1995) membandingkan

persepsi warna pada manusia dan kemampuan sensor warna ya ng ada. Mereka melaporkan pengolahan citra digital menggunakan sinyal RGB sangat tidak efisien, tetapi lebih mudah ditransformasikan ke dalam sistem koordinat yang berguna dimana satu sumbu merepresentasikan warna dari obyek sesungguhnya atau hue.

Morrisey (1988) dalam Tao et al. (1995) melaporkan keunggulan dari pengolahan citra berwarna menggunakan atribut hue, saturation, dan intensitas. Dia menyatakan bahwa atribut-atribut tersebut merupakan aproksimasi yang dekat dengan interpretasi manusia terhadap warna.

Tao et al. (1995), melaporkan representasi warna dengan HSI memberikan skema yang efisien untuk pembedaan warna secara statistik. Metode pembedaan linier didasarkan pengujian pada citra buah kentang dan apel. Dengan representasi histogram hue sebagai fiturnya, mesin vision dapat mencapai akurasi sebesar 90% dalam inspesi warna kentang dan apel.

Damiri (2003), melaporkan bahwa indeks warna merah dan indeks warna hijau pada pengolahan citra dapat membedakan tingkat kematangan jeruk lemon pada umur petik 100 hsbm. dan umur 110 hsbm. sedang fitur energi pada teknik pengolahan citra dapat membedakan tingkat kematangan pada umur 110 hsbm. dan umur 120 hsbm.

Fujiura et al. (1990) dalam Kondo dan Ting (1998) melaporkan Untuk membuat citra biner jeruk orange mandarin digunakan sinyal merah (R) dan hijau (G). Juga dilaporkan sensor kamera yang digunakan di alam bebas menggunakan filter optik (neutral-density optical filter) untuk menetralkan cahaya matahari yang masuk ke dalam lensa kamera.

Woebbecke et al.(1995) melaporkan untuk membedakan gulma (weed) terhadap latar belakangnya (yang bukan tanaman hidup) dapat digunakan kombinasi indeks r-g, g-b, (g-b)/|r-g|, 2g-r-b, dan hue yang dimodifikasi. Dan hasilnya hue yang dimodifikasi dan indeks 2g-r-b dapat membedakan gulma (weed) terhadap latar belakangnya lebih baik dari yang lainnya.

Tujuan Penelitian

Tujuan penelitian ini adalah untuk memisahkan citra buah lemon dari latarnya, sehingga buah jeruk lemon ini dapat terdeteksi di layar citra. Fokus penelitian ini adalah mengetahui parameter warna apa yang dapat digunakan untuk mengeliminasi latar jeruk lemon dan dilanjutkan dengan pengembangan algoritmanya tanpa memperhitungkan faktor jarak. Hasil akhir yang diharapkan dari penelitian ini adalah didapat metode yang dapat menghasilkan citra biner buah jeruk lemon yang terpisah dengan latarnya.

B. Bahan dan Metode Waktu dan Tempat Penelitian

Dalam penelitian ini, untuk mendapatkan data dan melihat kondisi riil tanaman jeruk lemon di perkebunan, maka dilakukan pengamatan lapang di perkebunan jeruk lemon di sekitar Bogor. Pengembangan dan uji program komputer image processing dilakukan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penelitian dilaksanakan mulai bulan Januari 2004 sampai Agustus 2004.

Bahan dan Alat

Bahan dan alat yang digunakan dalam penelitian ini adalah sampel tanaman jeruk lemon (Citrus medica) yang ada buahnya usia 120 hsbm. Sampel ini kemudian diletakkan di depan kamera untuk dapat menghasilkan citra di layar komputer. Latar kain hitam digunakan sementara untuk menangkap citra dengan harapan setelah didapat parameter warna yang dapat digunakan sebagai pemisah antara citra buah dan citra latar belakang, maka latar kain hitam ini dapat dilepas.

Untuk dapat merekam dan memproses citra yang ditangkap, maka

digunakan sensor kamera charge coupled device (CCD) dan seperangkat

komputer yang dilengkapi dengan image frame grabber. Selain itu komputer ini juga menggunakan program bahasa C sebagai program akuisisi dan pengolahan citra digital.

Agar dapat mendukung hasil citra yang sesuai dengan keadaan di lapang, maka digunakan lampu penerang yang mencukupi. Perlengkapan lain yang

diperlukan untuk mengukur tingkat cahaya dan jarak digunakan luxmeter dan penggaris.

Spesifikasi teknis secara rinci alat yang digunakan dalam penelitian ini adalah :

1. Perangkat keras a. Kamera CCD

Model : OC-305 D (Digital video camera) Input : DC 12 V/120 MA

Output : PAL/1.0 VP-P/75 Ohm

Resolusi : Normal : 582(H) x 512 (V) ; Tinggi : 752(H) x 582 (V) Manufacture : Japan Technology

b. Perangkat komputer (personal computer) Processor : Intel Pentium III

RAM : Visipro 128 MB

VGA Card : 8 MB AGP Onboard

c. 4 buah lampu penerang (2 buah : 75 W/ 220 V/ 50Hz ; 2 buah : 25 25 W/ 220 V/50Hz)

d. kertas milimeter block, Jangka sorong, penggaris, dan penggaris busur e. Pengukur tingkat cahaya : Luxmeter

model : DM-28

Merek : Takemura, Electric Work Ltd. Japan. 2. Perangkat lunak

a. Microsoft Windows 98

b. Adobe Photo Shop Ver 7, Paint Shop Ver. 6, Microsoft Excell 2000 d. Microsoft Visual C++ ver. 4.5 , Turbo C ver. 3

Tata letak penempatan bahan dan alat untuk penelitian ditampilkan pada Gambar 9. Sensor kamera dihubungkan dengan unit komputer pemrosesan citra digital sedemikian rupa sehingga obyek dapat diletakkan secara vertikal ke arah bawah. Lampu diatur tingkat cahayanya agar dapat menghasilkan citra ya ng terbaik sehingga informasi yang dihasilkan dapat tetap konsisten. Kain hitam diletakkan di bawah obyek tanaman jeruk lemon kemudian jarak antara sensor kamera dan obyek tanaman jeruk lemon diukur dan dicatat.

Algoritma Thresholding Kamera CCD

Lampu Penerangan

A/D Converter Image Memory

Image frame grabber

Penggaris

Hasil Thresholding

Gambar 9 Tata letak penempatan bahan dan alat saat perekaman citra jeruk lemon dengan sensor kamera dan komputer image processing

Kerangka Penelitian

Dalam penelitian ini digunakan metode eksperimental yang dilaksanakan di laboratorium. Sifat-sifat pengolahan data dan penyimpulannya menggunakan pendekatan kuantitatif.

Tahap pertama adalah pengesetan sensor kamera. Karena belum ada literatur tentang metode baku untuk aplikasi tanaman jeruk lemon, maka dicoba untuk mengacu dari literatur -literatur aplikasi pengolahan citra untuk obyek lain atau yang relevan.

Alat yang diperlukan adalah sensor kamera yang terhubung dengan bingkai penangkap citra yang terpasang pada komputer untuk pengolahan citra digital. Sedang bahan yang digunakan adalah sampel daun, tangkai, bunga, dan buah jeruk lemon yang matang (usia ≥ 120 hsbm.), dengan menggunakan latar belakang kain hitam. Untuk mendapatkan citra jeruk lemon pada tanamannya, maka daun, tangkai, dan buah jeruk lemon direkam untuk kemudian dianalisis warnanya. Latar belakang yang digunakan adalah kain hitam dengan pencahayaan yang diatur sehingga warna dari citra buah, daun, dan tangkai tidak terdistorsi dan tetap seperti dalam keadaan alami. Sedang jarak dari kamera ke obyek tersebut diatur 25 - 40 cm, diukur dengan penggaris. Obyek diletakkan secara vertikal atau horisontal terhadap kamera seperti pada Gambar 9.

Sebelum dilakukan perekaman secara real time, maka sensor kamera dan program pengolahan citra dinyalakan terlebih dahulu. Hal ini bertujuan agar dapat merekam data awal citra tanaman jeruk lemon. Perekaman tahap awal ini targetnya hanya mendapat citra berwarna dengan tingkat cahaya ± 50 lux yang diukur dengan luxmeter. Resolusi layar yang digunakan untuk merekam citra jeruk lemon ini tingginya 255 pixel dan lebar nya 192 pixel.

Setelah program perekaman citra real time siap digunakan, maka perekaman terhadap citra tanaman jeruk lemon dilakukan. Citra yang sudah direkam disimpan ke dalam memori untuk kemudian digunakan sebagai bahan untuk dianalisis. Analisis terha dap warna citra menggunakan perangkat lunak Paint Shop ver 6.0 dan Adobe Photoshop ver 7.0.

Data citra yang sudah direkam diolah untuk mendapat nilai RGB. Beberapa sampel citra yang sudah direkam tadi dilakukan pengolahan data untuk mendapatkan nilai parameter warna RGB pada tiap titik pixel citra tadi. Jumlah titik pixel yang ingin diketahui nilainya ditentukan sebanyak 250 titik secara acak untuk setiap obyek, dengan asumsi jumlah tersebut dapat mewakili sebaran warna yang ada pada sebuah obyek. Artinya tiap-tiap obyek daun, tangkai, bunga, buah jeruk lemon didapatkan nilai RGB nya masing-masing 250 nilai.

Yang dimaksud dengan buah jeruk lemon di sini adalah buah yang telah matang (usia ≥120 hsbm.), yang merupakan obyek panen. Sedangkan untuk citra buah jeruk lemon yang belum matang (usia<120 hsbm.) datanya dimasukkan dalam kelompok latar belakang.

Setelah didapat nilai RGB pada 250 titik secara acak pada masing-masing obyek daun, tangkai, bunga, dan buah jeruk lemon, maka nilai ini kemudian diolah untuk mendapatkan nilai indeks rgb dan model HSI (hue, saturation, dan intensity) yang selanjutkan digunakan untuk keperluan analisis. Rumus yang digunakan adalah rumus (1) hingga (7).

Tahap selanjutnya adalah dilakukan analisis untuk mendapatkan keterkaitan antara parameter warna RGB, rgb, dan HSI pada citra tanaman lemon. Keterkaitan ini digunakan untuk mendapatkan parameter warna apa saja yang dapat digunakan sebagai alat bantu memisahkan antara citra buah jeruk lemon dan latar belakangnya. Pemisahan dilakukan dengan membuat citra berwarna tadi menjadi

citra biner, terdiri dari dua warna, putih bagi buah jeruk lemon dan hitam bagi latar belakangnya.

Setelah tahap analisis dilakukan, maka hasilnya yaitu berupa parameter warna yang akan digunakan sebagai alat bantu untuk memisahkan antara citra buah jeruk lemon dan latar belakangnya. Parameter warna citra yang didapat digunakan sebagai dasar untuk mengembangkan program sistem deteksi secara real time.

Selanjutnya perekaman citra dapat dilakukan denga n menggunakan parameter warna tersebut sebagai nilai ambang (threshold) antara buah jeruk lemon dan latar belakangnya. Lalu dilihat citra biner hasil thresholdingnya, jika belum dapat memisahkan antar buah jeruk lemon dan latar belakangnya maka tahap analisis terhadap parameter warna tanaman jeruk lemon dilakukan lagi. Hal ini dilakukan berulang-ulang, hingga program ini dapat memisahkan citra buah jeruk lemon dan latar belakangnya.

Jika citra biner yang dihasilkan telah dapat menunjukkan antara citra buah jeruk lemon dan latar belakangnya dapat terpisah maka tahapan selanjutnya adalah pembahasan dan evaluasi terhadap kegiatan yang sudah dilakukan. Pembahasan ini perlu dilakukan untuk mendapatkan argumentasi yang ilmiah dengan bersandar pada fakta empiris dan teori yang digunakan. Diagram alir langkah-langkah penelitian tahap ini secara rinci ditampilkan pada Gambar 10.

Mulai

Selesai

- Pengembangan awal program pengolahan citra - Penentuan Resolusi layar citra 255 x 192 pixel - Penentuan tingkat cahaya

- Persiapan sensor kamera dan alat bantu lainnya

Pengolahan data untuk mencari hubungan antara parameter RGB, rgb, dan HSI

Analisis terhadap hubungan parameter RGB, rgb, HSI untuk mencari formula yang digunakan untuk

memisahkan(thresholding) antara obyek dan latarnya

Thresholding berhasil ?

Merekam citra tanaman jeruk lemon

tidak

Analisis dan evaluasi terhadap hasil dan temuan penelitian

ya

Perekaman citra tanaman jeruk lemon

Pengembangan dan modifikasi program real time untuk thresholding buah jeruk lemon dari latarnya

Konsisten ?

Penelitian terhadap data citra digital

Analisis warna dengan perangkat lunak

ya

Tidak

Tentukan parameter thresholding

Tentukan nilai thresholding

Data grafis Data

statistik Hitung nilai rgb dan HSI

Studi lanjut terhadap literatur yang relevan

Gambar 10. Diagram alir penelitian untuk mendeteksi buah jeruk lemon pada tanamannya

C. Hasil

Pada penelitian ini citra hasil perekaman dengan sensor kamera yang disimpan di dalam memori ditampilkan untuk dianalisis. Citra yang berhasil direkam dengan baik, kemudian menggunakan perangkat lunak bantu Adobe photoshop diambil data -data nilai RGB untuk tiap titik pixel. Untuk mendapatkan data tiap pixel pada citra, maka citra masing-masing obyek (daun, tangkai, bunga, buah, dan latar lain) yang ada di bingkai citra dipilih dengan menggunakan mouse secara acak sebanyak 250 kali. Untuk obyek daun, tangkai, bunga, buah, dan latar belakang jumlah totalnya 1250 titik (pixel). Data hasil pengukuran dan perhitungan RGB, rgb, dan HSI untuk daun, tangkai, buah, bunga, dan latar masing-masing di lampirkan pada Lampiran 1, 2, 3, 4 dan 5.

Hasil Perhitungan Sebaran Sinyal Warna Merah (R) Tanaman Jeruk Lemon Hasil perhitungan statistik data nilai R pada tanaman jeruk lemon dan latarnya tampak hasilnya memiliki perbedaan yang signifikan. Sebaran pada citra buah tampak berbeda dibandingkan dengan daun, tangkai, dan latar. Sebaran nilai rata-rata R daun, tangkai, dan latar adalah 124, 108, dan 104, jauh di bawah nilai rata-rata untuk buah yaitu 226. Sedang nilai rata-rata bunga sebesar 246 jauh di atas nilai rata-rata buah. Artinya untuk memisahkan citra buah lemon terhadap citra latar juga sebagian citra daun dan tangkai dapat digunakan sembarang nilai ambang di atas rata -rata terbesar dari nilai rata -rata R untuk daun, tangkai, dan latar.

Tabel 4 Hasil perhitungan statistik sinyal warna merah (R) tanaman jeruk lemon

Statistik Bagian Tanaman

daun Tangkai buah bunga Latar

Rata-rata 124 108 226 246 104

Standard Deviasi 44 33 20 9 32

Maksimum 208 200 248 248 140

Minimum 48 48 168 176 32

Dari Gambar 11, terlihat bahwa sebaran nilai R untuk daun dan tangkai tam pak sedikit tumpang tindih (overlapping) dengan sebaran nilai buah, sedangkan sebaran nilai R untuk latar terlihat terpisah dengan sebaran R untuk

buah. Sehingga dengan mengambil nilai R > 200, secara logika dapat menghilangkan citra latar juga sebagian besar citra daun dan tangkai. Hasil perhitungan statistik dari nilai R dapat dilihat pada Tabel 4, sedangkan sebaran nilai R dapat dilihat pada Gambar 11.

20 40 60 80 100 120 140 160 180 200 220 240 260

0 10 20 30 40 50

Bagian tanaman R

Daun Tangkai bunga buah latar

Gambar 11 Sebaran sinyal warna merah (R) untuk daun, tangkai, bunga, buah, dan latar lain

Hasil Perhitungan Sinyal Warna Hijau (G) Tanaman Jeruk Lemon Hasil perhitungan statistik pada data nilai G pada tanaman jeruk lemon dan latarnya tampak hasilnya memiliki perbedaan yang signifikan. Sebaran pada citra buah tampak berbeda dibandingkan dengan daun, tangkai, dan latar. Rata -rata nilai G untuk daun, tangkai, dan latar adalah 158, 114 dan 93, jauh di bawah nilai rata-rata G untuk buah sebesar 208. Sedang nilai rata-rata bunga sebesar 247 jauh di atas nilai rata-rata buah. Artinya untuk memisahkan citra buah lemon terhadap citra latar juga sebagian citra daun dan tangkai dapat digunakan sembarang nilai ambang di atas rata -rata terbesar dari nilai rata -rata G untuk daun, tangkai, dan latar.

A. Akurasi uji penentuan posisi tiga dimensi dengan sembarang pergeseran

kamera (lanjutan)

No z aktual (cm) z hitung (cm) ? z (cm) Akurasi (%)

42 52 52.00 0 98.75

43 49 48.25 0.75 98.67

44 53 52.00 1.00 98.77

45 55 55.71 0.71 98.82

46 52.5 51.43 1.07 98.76

47 53 52.00 1.00 98.77

48 53.8 52.58 1.22 98.79

49 53.7 52.58 1.12 98.79

50 68 68.82 0.82 99.04

51 56 55.71 0.29 98.84

52 57.7 57.07 0.63 98.87

53 57.7 57.07 0.63 98.87

54 58 57.07 0.93 98.88

55 57 57.07 0.07 98.86

56 55.5 55.06 0.44 98.83

57 53 53.18 0.18 98.77

58 46.5 45.44 1.06 98.60

59 47.8 47.27 0.53 98.64

60 45 45.88 0.88 98.55

61 59 59.24 0.24 98.90

62 48 47.76 0.24 98.64

63 42 43.33 1.33 98.45

64 44.5 45.44 0.94 98.54

65 42.5 43.33 0.83 98.47

66 71 69.85 1.15 99.08

67 59 60.94 1.94 98.90

68 59.5 59.09 0.41 98.90

69 60 60.00 0 98.91

70 38.5 39.33 0.83 98.31

71 39.5 40.70 1.20 98.35

72 40 39.33 0.67 98.37

73 43.8 43.74 0.06 98.51

74 57 57.07 0.07 98.86

75 58 56.39 1.61 98.88

76 43 42.94 0.06 98.48

77 45 45.00 0 98.55

78 41 41.05 0.05 98.41

79 40 39.33 0.67 98.37

212

3, 6, 8, 10, dan 12 cm

B.1 Akurasi hasil uji penentuan posisi tiga dimensi dengan pergeseran kamera

3 cm

N o Seri z aktual(cm) z hitung(cm)

? z(cm)

Akurasi (%)

1 2 40 40.34 0.34 97.18

2 3 50 50.87 0.87 97.74

3 4 60 61.58 1.58 98.12

4 1 30 30.79 0.79 96.24

5 2 40 41.79 1.79 97.18

6 3 50 50.87 0.87 97.74

7 4 60 61.58 1.58 98.12

8 1 30 29.25 0.75 96.24

9 2 40 39.00 1.00 97.18

10 3 50 48.75 1.25 97.74

11 4 60 58.50 1.50 98.12

12 1 30 29.25 0.75 96.24

13 2 40 39.00 1.00 97.18

14 3 50 48 .75 1.25 97.74

15 4 60 58.50 1.50 98.12

16 2 40 39.00 1.00 97.18

17 3 50 48.75 1.25 97.74

18 4 60 58.50 1.50 98.12

19 3 50 48.75 1.25 97.74

20 4 60 58.50 1.50 98.12

21 1 30 29.25 0.75 96.24

22 2 40 39.00 1.00 97.18

23 3 50 48.75 1.25 97.74

24 4 60 58.50 1.50 98.12

25 1 30 30.79 0.79 96.24

26 2 40 40.34 0.34 97.18

27 3 50 50.87 0.87 97.74

28 4 60 61.58 1.58 98.12

29 3 50 50.87 0.87 97.74

30 4 60 61.58 1.58 98.12

Rata-rata 1.13 97.47 Std deviasi 0.38 0.66

B.2 Akurasi hasil uji penentuan posisi tiga dimensi dengan pergeseran kamera

6 cm

No Seri z aktual(cm) z hitung(cm)

? z(cm) Akurasi (%)

1 3 50 50.87 0.87 98.35

2 4 60 61.58 1.58 98.62

3 2 40 40.34 0.34 97.93

4 3 50 50.87 0.87 98.35

5 4 60 61.58 1.58 98.62

6 1 30 29.62 0.38 97.25

7 2 40 39.66 0.34 97.93

8 3 50 49.79 0.21 98.35

9 4 60 61.58 1.58 98.62

10 1 30 29.62 0.38 97.25

11 2 40 39.66 0.34 97.93

12 3 50 49.79 0.21 98.35

13 4 60 58.50 1.50 98.62

14 2 40 39.66 0.34 97.93

15 3 50 49.79 0.21 98.35

16 4 60 58.50 1.50 98.62

17 3 50 49.79 0.21 98.35

18 4 60 58.50 1.50 98.62

19 1 30 29.62 0.38 97.25

20 2 40 39.66 0.34 97.93

21 3 50 49.79 0.21 98.35

22 4 60 58.50 1.50 98.62

23 1 30 30.39 0.39 97.25

24 2 40 40.34 0.34 97.93

25 3 50 52.00 2.00 98.35

26 4 60 61.58 1.58 98.62

27 3 50 50.87 0.87 98.35

28 4 60 61.58 1.58 98.62

Rata -rata 0.83 98.19 Std deviasi 0.61 0.47

214

8 cm

No Seri z aktual(cm) z hitung(cm)

? z(cm) Akurasi (%)

1 4 60 61.18 1.18 98.60

2 2 40 40.52 0.52 97.90

3 3 50 50.32 0.32 98.32

4 4 60 61.18 1.18 98.60

5 1 30 29.71 0.29 97.20

6 2 40 39.49 0.51 97.90

7 3 50 49.52 0.48 98.32

8 4 60 58.87 1.13 98.60

9 1 30 29.71 0.29 97.20

10 2 40 39.49 0.51 97.90

11 3 50 49.52 0.48 98.32

12 4 60 58.87 1.13 98.60

13 2 40 39.49 0.51 97.90

14 3 50 49.52 0.48 98.32

15 4 60 58.87 1.13 98.60

16 3 50 48.00 2.00 98.32

17 4 60 58.87 1.13 98.60

18 1 30 28.89 1.11 97.20

19 2 40 39.49 0.51 97.90

20 3 50 48.75 1.25 98.32

21 4 60 58.87 1.13 98.60

22 1 30 30.29 0.29 97.20

23 2 40 40.52 0.52 97.9 0

24 3 50 51.15 1.15 98.32

25 4 60 61.18 1.18 98.60

26 3 50 51.15 1.15 98.32

27 4 60 61.18 1.18 98.60

Rata -rata 0.84 98.15 Std deviasi 0.43 0.48

B.4 Akurasi hasil uji penentuan posisi tiga dimensi dengan pergeseran kamera

10 cm

No Seri z aktual(cm) z hitung(cm)

? z(cm) Akurasi (%)

1 3 50 51.32 1.32 98.26

2 4 60 60.94 0.94 98.55

3 2 40 39.80 0.20 97.83

4 3 50 49.37 0.63 98.26

5 4 60 58.21 1.79 98.55

6 1 30 30.71 0.71 97.10

7 2 40 39.80 0.20 97.83

8 3 50 49.37 0.63 98.26

9 4 60 58.21 1.79 98.55

10 2 40 39 .80 0.20 97.83

11 3 50 49.37 0.63 98.26

12 4 60 59.09 0.91 98.55

13 3 50 49.37 0.63 98.26

14 4 60 61.90 1.90 98.55

15 2 40 39.80 0.20 97.83

16 3 50 48.75 1.25 98.26

17 4 60 58.21 1.79 98.55

18 2 40 40.21 0.21 97.83

19 3 50 50.65 0.65 98.26

20 4 60 60.94 0.94 98.55

21 3 50 50.65 0.65 98.26

22 4 60 60.94 0.94 98.55

Rata-rata 0.87 98.22 Std deviasi 0.56 0.37

216

12 cm

No Seri z aktual(cm) z hitung(cm)

? z(cm) Akurasi (%)

1 4 60 60.78 0.78 98.78

2 2 40 39.66 0.34 98.17

3 3 50 49.79 0.21 98.53

4 4 60 59.24 0.76 98.78

5 1 30 30.39 0.39 97.55

6 2 40 39.66 0.34 98.17

7 3 50 50.32 0.32 98.53

8 4 60 59.24 0.76 98.78

9 2 40 39.66 0.34 98.17

10 3 50 49.26 0.74 98.53

11 4 60 61.58 1.58 98.78

12 3 50 49.26 0.74 98.53

13 4 60 59.24 0.76 98.78

14 2 40 39.33 0.67 98.17

15 3 50 49.26 0.74 98.53

16 4 60 58.50 1.50 98.78

17 2 40 40.34 0.34 98.17

18 3 50 50.87 0.87 98.53

19 4 60 61.58 1.58 98 .78

20 3 50 50.87 0.87 98.53

21 4 60 60.78 0.78 98.78

Rata-rata 0.73 98.49 Std deviasi 0.40 0.32