level Gonzales, et al. 2002. Sedangkan citra digital adalah citra dua dimensi yang dapat diolah oleh beberapa perangkat lunak tertentu Kadir, et al. 2013 yang
mempunyai nilai digital yang disebut pixel picture elements.
2.3.1. Citra Warna Pada setiap citra warna memiliki pixel untuk mewakili warna yang merupakan
kombinasi dari tiga warna dasar yaitu RGB Red Green Blue. 1 pixel warna diwakili oleh 3 byte yang setiap byte-nya mempresentasikan warna merah Red, hijau Green
dan biru Blue. Setiap warna dasar memerlukan tempat penyimpanan 8 bit = 1 byte atau sama dengan gradasi warna sebanyak 255 warna yang berarti setiap pixel
mempunyai 2
24
= 16 juta warna lebih Sutoyo, et al. 2009.
2.4. Pengolahan Citra Digital Digital Image Processing
Menurut Kadir Susanto 2013 pengolahan gambar citra atau digital image processing adalah ilmu yang mempelajari tentang manipulasi dan modifikasi citra,
seperti perbaikan kualitas citra, pemilihan ciri citra feature images yang bertujuan untuk analisis, dan transformasi citra rotasi, skala, translasi, dengan menggunakan
komputer untuk mendapatkan hasil yang lebih baik. Pada proses pengolahan citra ini bermaksud agar gambar awal yang memiliki gangguan lebih mudah untuk
diinterpretasikan dengan cara memanipulasikan citra menjadi citra lain. Pada penelitian ini, pengolahan citra yang dilakukan terhadap sebuah citra
digital cabai adalah 2.4.1. Image Enhancement
Image enhancement merupakan sebuah proses awal pada pengolahan citra yang bertujuan untuk meningkatkan kualitas citra agar memiliki format yang lebih baik.
Salah satu penyebab citra seringkali mengalami penurunan mutu degradasi adalah citra cacat noise. Noise adalah titik-titik yang terdapat pada citra yang bukan
merupakan suatu bagian dari citra, melainkan terjadi karena suatu sebab Putra, 2010. Tujuan dari image enhancement adalah untuk memperoleh informasi sesuai dengan
tujuankepentingan dari sebuah citra.
Universitas Sumatera Utara
2.4.1.1. Image Brightness Brightness adalah proses menambah teranggelap sebuah gambar dengan menambah
nilai derajat keabuan xg dengan nilai perubah brightness kb. Adapun rumus dari image brightness adalah sebagai berikut:
fox,y = fix,y + k 2.1
fox,y : Nilai pixel pada titik x,y setelah brightness fix,y : Nilai pixel pada titik x,y citra asli
k : nilai penguatan citra
rumus diatas digunakan pada citra greyscale. Bila digunakan pada citra RGB akan diturunkan sebagai berikut :
fo
R
x,y = fi
R
x,y + k 2.2
fo
G
x,y = fi
G
x,y + k 2.3
fo
B
x,y = fi
B
x,y + k 2.4
fo
RGB
x,y : Nilai pixel pada titik x,y citra RGB setelah brightness
fi
RGB
x,y : Nilai pixel pada titik x,y citra RGB asli
k : nilai penguatan citra
2.4.1.2. Contrast Stretching Contrast stretching adalah teknik yang berguna untuk mendapatkan citra baru yang
memiliki kontras lebih baik dibandingkan citra asal. Citra yang berskala keabuan dikatakan kontras rendah karena kurangnya pencahayaan atau kesalahan setting lensa
pada saat pengambilan citra sehingga distribusi warna cenderung pada jangkauan keabuan yang sempit dan sebaliknya, citra yang memiliki kontras tinggi apabila
jangkauan keabuan lebih terdistribusi secara melebar Kadir Susanto, 2013. Proses contrast stretching adalah proses yang bersifat point processing, dimana proses hanya
bergantung pada nilai intensitas gray level satu pixel dan tidak bergantung pada pixel
Universitas Sumatera Utara
lain yang ada disekitarnya Fatmawati, 2010. Kontras pada citra dibagi menjadi 3 kelompok, yaitu:
1. Citra Kontras Rendah
Citra kontras rendah mempunyai ciri-ciri yang sebagian besar komposisi citranya adalah terang atau gelap dengan nilai keabuan piksel rentang 0
sampai 255. 2.
Citra Kontras Bagus Citra kontras bagus mempunyai nilai keabuan yang lebar tanpa ada nilai
keabuan yang mendominasi 3.
Citra Kontras Tinggi Citra kontras tinggi mempunyai nilai keabuan yang lebar, tetapi terdapat
area yang didominasi oleh warna gelap atau terang.
2.4.1.3. Image Sharpening Image sharpening atau penajaman citra merupakan proses pengolahan citra yang
bertujuan untuk mempertajam tepi yang ada pada sebuah citra. Image sharpening adalah kebalikan dari image smoothing, karena pada operasi ini, bagian citra yang
lembut akan dibuang Sundani, et al. 2014. Image sharpening lebih berpengaruh pada tepi objek, sehingga image sharpening sering disebut edge enhancement
2.4.2. Feature Extraction Ektrasi fitur adalah pengambilan ciri atau feature pada sebuah citra yang nantinya nilai
yang didapatkan akan diproses atau dianalisis untuk mendapatkan suatu informasi yang penting dan berguna Kadir Susanto, 2013. Ekstraksi fitur dilakukan dengan
cara menghitung jumlah pixel yang ada pada sebuah citra. Pada penelitian ini, ekstraksi fitur warna yang digunakan pada buah cabai
adalah ruang warna HSV.
2.4.2.1. Deteksi Warna HSV Model warna HSV adalah model warna yang mendefenisikan warna Hue, Saturation
dan Value. Pada model warna ini, Hue menyatakan nilai warna yang sebenarnya, seperti merah, kuning dan violet. Hue digunakan untuk menentukan menentukan
kehijauan greenness, kemerahan redness, dsb dari sebuah cahaya. Hue berasosiasi
Universitas Sumatera Utara
dengan panjang gelombang cahaya. Saturation digunakan untuk menyatakan tingkat kemurnian warna dengan mengindikasi berapa banyak warna putih yang ada pada
sebuah warna. Value adalah atribut yang digunakan untuk menyatakan banyaknya cahaya yang diterima oleh mata tanpa memperdulikan warna.
Hue bernilai antara 0 sampai 1 yang berarti warna dimulai dari merah melewati kuning, cyan, biru, hijau dan magenta dan kembali menjadi merah.
Saturation bernilai antara 0 sampai 1 yang berarti dimulai dari tidak tersaturutasu keabuan sampai menjadi tersaturutasi penuh tidak putih. Nilai value antara 0
sampai 1 yang berarti warna menjadi cerah.
Gambar 2.3 Model Warna HSV Rakhmawati, 2013.
Hue adalah variable yang menyatakan warna merah hingga violet. Hue berguna untuk mengukur sudut sekitar roda warna merah pada 0°, hijau 120°, dan biru di
240°. Nilai pada Hue berkisar antara 0° sampai dengan 360°. Saturation, yang bisa juga disebut purity, merupakan variable untuk menyatakan vibrancy dari sebuah
warna. Semakin kecil nilai pada Saturation, maka warna yang ditampilkan condong ke warna abu. Skala nilai dari Saturation berkisar antara 0 hingga 100. Value
menunjukkan nilai kecerahan dari suatu warna berkisar antara 0 hingga 100 Rakhmawati, 2013.
Untuk mendapakan nilai fitur pada warna dimulai dengan mengkonversi citra RGB menjadi citra HSV. Sebelum citra RGB dikonversi menjadi citra HSV maka
nilai RGB perlu dinormalisasikan terlebih dahulu dengan persamaan berikut 2.5.
Universitas Sumatera Utara
r : nilai red yang dinormalisasi g : nilai green yang dinormalisasi
b : nilai blue yang dinormalisasi R : nilai red awal
G : nilai green awal B : nilai blue awal
Kemudian citra akan dikonversi menjadi citra HSV. Pertama akan dicari nilai Hue dengan persamaan 2.8 sebagai berikut.
{
-
[
-
] [
-
] Dimana H adalah hasil nilai Hue, nilai
didapat dengan rumus – , Cmax = max R’,G’,B’ dan Cmin = min R’,G’, B’. Setelah
mendapatkan hasil dari Hue akan dilakukan penghitungan untuk mencari hasil niali
dari Saturation dan Value dengan menggunakan persamaan 2.7. {
2.5. Neural Network Jaringan Syaraf Tiruan
