91 = ,
92 Maksimal blob detection sebesar
= , pada data normal, atau
sebesar ,
∗ =
, =
pada denormalisasi data. Maksimal Blobs pada pengujian menggunakan nilai sebesar 30 piksel.
3. Rancangan Sistem GUI Pada Ekstraksi Sampel
Pengujian kualitas beras dibantu menggunakan perangkat aplikasi yang dibangun berdasarkan algoritma yang dikehendaki. Aplikasi yang digunakan
dituntut mampu menampilan video player sebagai pengambilan citra digital secara realtime
dan penyajian data numerik melalui bentuk data tabel. Aplikasi juga membutuhkan kemampuan mengolah data numerik berbasis tabel data.
Aplikasi yang digunakan dalam pembahasan ini merupakan pemrograman berbasis objek secara manual menggunakan Microsoft visual studio 2015.
Sedangkan tampilan GUI dari aplikas i Matlab merupakan program “anfis editor”
yang telah tersedia di matlab versi R2015b. Tampilan GUI dibangun berdasarkan 2 fungsi utama yakni fungsi
pendeteksian video dan penyajian hasil ekstraksi dalam bentuk data tabel. Keseluruhan GUI menggunakan 3 layer utama, 2 layer tambahan, dan 6 user
control sebagai penyajian tabel. Pada saat memulai pengujian, program akan
menampilkan form pembuka utnuk memulai rendering penggunaan aplikasi. form tersebut digunakan untuk menyediakan komponen folder yang diperlukan.
Tampilan dari form pembuka seperti pada Gambar 25.
92 Gambar 25. GUI form pembuka
Setelah proses rendering selesai, menu utama sebagai deteksi video dapat dipergunakan sebagai dalam pengambilan data blob detection. Tampilan dari GUI
menu utama seperti pada Gambar 26.
Gambar 26. GUI Form Deteksi Video Citra blob detetction yang dihasilkan dalam pengambilan gambar, disimpan
dalam folder C:itland untuk mempermudah akses bagi algoritma perhitungan. Analisa data ditampilkan dalam bentuk tabel numerik. GUI form tabel dalam
memperlihatkan hasil numerik ditunjukkan pada Gambar 27.
93 Gambar 27. GUI Form Tabel Pengujian
Form tabel melekatkan user control sebagai tampilan utama penyajian data tabel. User control yang digunakan sebanyak 6 buah, yang terdiri dari 1 user control
sebagai pengujian panjang butir, dan 4 user control sebagai pengujian tekstur butir. Terdapat 3 user control untuk menampilkan histogram citra, pendataan piksel, dan
penataan folder. a.
UC Piksel Citra UC piksel citra digunakan untuk mendapatkan nilai piksel pada ekstraksi
citra. Data piksel yang didapatkan berupa komponen warna merah, hijau, biru dan warna keabuan. Tampilan UC piksel citra seperti pada Gambar 28.
Gambar 28. GUI UC piksel citra
94 b.
UC Identifikasi Panjang Butir Beras UC identifikasi panjang butir beras digunakan untuk mendapatkan panjang
dan lebar piksel yang dihasilkan, deteksi SUSAN, dan justifikasi bentuk terhadap data yang digunakan. Tampilan UC ditunjukkan pada Gambar 29.
Gambar 29. GUI UC Identifikasi Panjang Butir Beras c.
UC Matriks Co-occurance UC matriks co-occurance merupakan rangkaian dalam pengujian tekstur
butir beras. Matriks co-occurance menunjukkan tingkat kerelasian dari ketetanggan piksel citra yang ditunjukkan dalam matriks ukuran 255 x 255 dengan 4 buah aras
derajat pendeteksian. Penggunaan matriks co-occurance berpengaruh dalam mendapatkan parameter statistika yang digunakan. Tampilan UC matriks co-
occurance ditunjukkan pada Gambar 30.
Gambar 30. GUI UC Matriks Co-Occurance
95 d.
UC Haralick Tekstur Ekstraksi Citra UC haralick tekstur ekstraksi citra merupakan bentuk tampilan dari
pengujian parameter berdasarkan tiap aras derajat keabuan dari setiap ekstraksi citra. Tampilan UC haralick tekstur ekstraksi citra ditunjukkan pada Gambar 31.
Gambar 31. GUI UC Haralick Tekstur Ekstraksi Citra e.
UC ekstraksi Parameter Tekstur Butir Beras UC ekstraksi parameter tekstur butir beras digunakan untuk menangkap
parameter dari keseluruhan citra yang dihasilkan. Tampilan UC ekstraksi parameter tekstur butir beras ditunjukkan pada Gambar 32.
Gambar 32. GUI UC Ekstraksi Parameter Tekstur Butir Beras
96
4. Citra Blob Detection
