BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA"

Transkripsi

1 BAB IV UJI PENENTUAN POSISI TIGA DIMENSI BUAH JERUK LEMON PADA TANAMANNYA A. Pendahuluan Latar belakang Robot selain diterapkan untuk dunia industri dapat juga diterapkan untuk dunia pertanian. Studi yang berkaitan dengan aplikasi robot untuk penanganan material tanaman dalam produksi hortikultura dilakukan oleh Ting et al. (1996) dalam Kondo et al. (1996). Penentuan posisi tiga dimensi dari obyek pertanian merupakan hal yang kompleks. Dengan diperolehnya sistem yang dapat diterapkan untuk menentukan posisi tiga dimensi dari obyek, maka sistem ini dapat diterapkan sebagai indra bagi manipulator robot dalam melakukan aksinya. Metode perhitungan posisi buah pada tanamannya seperti pada Gambar 32 untuk robot pemanen tomat telah dilakukan oleh Kawamura et al. (1984) dan robot pemanen jeruk orange jepang oleh Fujiura et al. (1990) dalam Kondo et al. (1996). Studi tentang pemanenan dengan robot untuk mengantisipasi masa depan dunia pertanian. Perkembangan teknik dan metode dalam pemanenan merupakan hal yang perlu dikembangkan terus menerus. Hal ini sesuai dengan tuntutan konsumen yang menginginkan produk pertanian yang berkualitas. Dalam beberapa tahun terakhir studi tentang pemanenan dengan robot juga dilakukan oleh Harrel et al. (1990), Okamoto et al. (1992), Kondo et al. (1992), Kondo et al. (1993a), Arima et al. (1994) dalam Kondo et al. (1996). Kebanyakan dari penelitian ini dilakukan dalam lingkungan yang diproteksi seperti rumah kaca (greenhouse) dan plant factories. Sensor dan robot ini didisain untuk memanen tomat, anggur, timun, buah jeruk, buah-buahan dan sayuran lain. Sistem deteksi merupakan bagian penting dalam pemanenan dengan robot. Selain pergerakan robot, maka sensor yang digunakan untuk mendeteksi keberadaan obyek merupakan hal yang penting. Studi tentang aplikasi sensor mesin vision (machine vision ) yang digunakan sebagai pemandu robot telah dilakukan oleh Kondo and Endo (1987a, 1987b, 1988) Slaughter and Harrel 88

2 (1987, 1989), Okamoto et al.(1992), Fujiura et al.( 1992), Kondo et al. (1994a.) dalam Kondo et al. (1996). Tujuan Penelitian Tujuan utama dari penelitian ini adalah menerapkan dan menguji formulasi penentuan posisi tiga dimensi dari buah jeruk lemon pada tanamannya untuk manipulator robot. Posisi tiga dimensi buah jeruk lemon pada tanamannya meliputi jarak antara titik pusat bagian depan sens or kamera ke titik pusat bagian depan buah jeruk lemon (arah sumbu z) dan koordinat (arah sumbu x dan y) dari titik pusat bagian depan buah jeruk lemon ke titik pusat bagian depan sensor kamera. Formulasi penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya menggunakan kamera telah didapat pada tahap penelitian sebelumnya. Untuk penentuan jarak sensor kamera ke buah jeruk lemon pada tanamannya (arah sumbu z) digunakan rumus 10. Untuk penentuan koordinat buah jeruk lemom pada tanamannya arah sumbu x dan y digunakan rumus 11 dan rumus 12. Untuk mencapai tujuan tersebut di atas, dilakukan dua tahap kegiatan. Tahap pertama dilakukan uji penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya secara random dengan menggunakan sembarang pergeseran kamera pada kisaran geseran antara 3 cm hingga 12 cm. Tahap kedua dilakukan uji penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya dengan pola posisi yang telah ditentukan. Untuk mendeteksi jarak dan posisi buah jeruk lemon tersebut, dilakukan dengan pergeseran kamera tertentu, yaitu masing-masing sebesar 3, 6, 8, 10, dan 12 cm. Tujuan penelitian pada tahap pertama adalah untuk menguji rumus penentuan posisi tiga dimensi buah jeruk lemon pada tanamannya yang diletakkan secara random. Sedangkan tujuan penelitian pada tahap kedua adalah untuk melihat respon sistem deteksi ini jika posisi buah jeruk lemon pada tanamannya diletakkan pada posisi tertentu dan dengan pergeseran kamera tertentu pula. Hal lain yang ingin dicapai pada pengujian kedua ini adalah untuk melihat jangkauan maksimum sistem deteksi ini pada koordinat arah lateral minimum (-x) dan arah 89

3 lateral maksimum (+x), juga pada arah vertikal minimum (-y) dan arah vertikal maksimum (+y). Uji tahap pertama dan tahap kedua juga bertujuan untuk melihat fleksibilitas pergeseran kamera yang digunakan sebagai sensor sistem deteksi pada saat penentuan posisi buah jeruk lemon pada tanamannya. B. Bahan dan Metode Waktu dan Tempat Pelaksanaan uji sistem deteksi untuk menentukan posisi tiga dimensi dari obyek buah jeruk lemon pada tanamannya ini dilakukan di laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penelitian dilaksanakan mulai bulan April 2005 sampai Desember Bahan dan Alat Bahan utama yang digunakan dalam penelitian ini adalah tanaman jeruk lemon yang memiliki buah matang (usia 120 hsbm). Tanaman ini dibudidayakan di dalam pot dengan ketinggian diatur maksimal 2 meter. Pot berisi tanaman jeruk lemon ini diletakkan di depan sensor kamera yang sudah dipasang pada manipulator robot pemanen seperti pada Gambar 51. Uji penentuan posisi tiga dimensi antara sensor kamera dengan buah jeruk lemon pada tanamannya dilakukan untuk arah sumbu z dan koordinat arah sumbu x dan y. Titik awal pengukuran dimulai dari titik tengah bagian depan sensor kamera, seperti ditunjukkan pada Gambar 51. Pengaturan cahaya dilakukan untuk perekaman citra menggunakan kamera. Sebelum proses pengambilan citra dimulai, maka pengaturan cahaya dilakukan agar didapat hasil citra yang sesuai dengan kondisi alami. Penggaris dan alat ukur lain disiapkan untuk mengukur jarak antara titik tengah bagian depan lensa sensor kamera dengan titik tengah bagian depan buah jeruk lemon pada tanamannya. Untuk pengukuran jarak (arah sumbu z) dan posisi (koordinat sumbu x dan y ) buah jeruk lemon pada tanamannya terhadap sensor kamera maka digunakan alat bantu benang yang diberi bandul. Fungsi dari benang dengan bandul ini adalah untuk menentukan posisi titik tengah bagian depan buah jeruk lemon pada 90

4 tanamannya terhadap bidang datar dudukan manipulator yang telah diberi kertas milimeter dan dibantu penggaris. +z kamera (0,0,0) +y +x -x -y Gambar 51 Tanaman jeruk lemon di depan sensor kamera yang dipasang pada manipulator robot Buah jeruk lemon n cm D cm Jarak sensor kamera ke benda uji Pergeseran kamera 80 cm Bidang datar dudukan manipulator Gambar 52 Posisi sensor kamera pada saat merekam tanaman jeruk lemon 91

5 Alat bantu selang yang diberi air (water pass) untuk mengetahui koordinat arah sumbu y dari titik te ngah bagian depan buah jeruk lemon terhadap titik tengah bagian depan sensor kamera. Dengan cara ini maka koordinat arah sumbu y dari titik tengah bagian depan buah jeruk lemon pada tanamannya terhadap titik tengah bagian depan lensa sensor kamera dapat diketahui dengan tepat. Sedangkan benang yang diberi bandul berfungsi untuk menentukan titik tengah bagian depan buah jeruk lemon pada tanamannya terhadap bidang datar dudukan manipulator yang telah diberi diberi kertas milimeter block. Dengan cara ini maka posisi arah sumbu z, x, dan y dari buah jeruk lemon pada tanamannya dapat diketahui dengan tepat. Alat utama yang digunakan untuk perhitungan posisi tiga dimensi dari buah jeruk lemon pada tanamannya adalah seperangkat komputer pengolah citra yang terdiri dari CPU, program pengolah citra, dan bingkai penangkap citra yang dihubungkan dengan sensor kamera. Pada proses pengolahan citra, perhitungan koordinat arah sumbu x dan y dimulai dari koordinat (0,0) pixel. Koordinat (0,0) pixel ini merupakan penyede rhanaan dari koordinat titik pusat sensor kamera yang sesungguhnya pada (128,96) pixel (lihat Gambar 34). Hal ini dilakukan untuk mempermudah perhitungan pengolahan citra dan penerapannya pada manipulator robot. Dari penjelasan di atas, maka koordinat x akan memiliki selang x hingga + x dan koordinat y akan memiliki selang y hingga + y. Nilai negatif (-) di sini hanya menunjukkan arahnya saja, sedangkan nilai jaraknya sendiri tetap positif (+). Untuk hasil perhitungan jarak arah sumbu z hanya memiliki nilai positif (+). Ilustrasi bingkai kamera untuk perhitungan posisi arah sumbu x dan y ditampilkan pada Gambar 53. Dari uraian di atas, maka bingkai citra kedua merupakan acuan untuk perhitungan posisi tiga dimensi dari citra buah jeruk lemon pada tanamannya dengan menggunakan rumus perhitungan posisi tiga dimensi. Untuk pengukuran secara langsung posisi tiga dimensi buah jeruk lemon pada tanamannya, maka posisi terakhir (kedua) titik tengah bagian depan sensor kamera dapat dijadikan acuan. Posisi terakhir (kedua) sensor kamera artinya adalah posisi setelah kamera digeser untuk melakukan perekaman stereo. 92

6 128 pixel 128 pixel obyek xi + y 96 pixel - x yi (0, 0) pixel + x 96 pixel - y Gambar 53 Bingkai citra 2 dengan koordinat (0,0) pixel sebagai dasar perhitungan xi dan yi Seperti telah dibahas sebelumnya, inti dari konsep Doeblin (1990) adalah akurasi dan error adalah dua hal yang saling bertolak belakang. Artinya jika error kecil maka akurasi tinggi, sebaliknya jika error besar maka akurasinya rendah. Perhitungan error dilakukan untuk jarak (koordinat arah sumbu z) dan posisi x-y (koordinat arah sumbu x dan y) dengan satuan cm. Rumus perhitungan error telah dibahas pada bab 3 yaitu pada rumus 15. Untuk mengingat perhitungan error digunakan rumus : error = nilai absolut (D aktual D hitung) (cm). Perhitungan akurasi hanya bisa dilakukan untuk jarak (arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya saja. Hal ini dikarenakan untuk perhitungan posisi (koordinat) arah sumbu x dan sumbu y dimulai dari titik tengah bingkai citra pada koordinat (0,0). Sehingga untuk hasil perhitungan yang nilainya terpisah dengan koordinat 0,0 akan tidak dapat dihasilkan nilai akurasinya. Sebagai ilustrasi jika terdapat hasil perhitungan 1 dan hasil pengukuran 1, maka akurasi tidak dapat dihitung. 93

7 Akurasi rata-rata dihitung dengan rumus 18 dalam satuan persen (%) dan telah dibahas pada bab 3, namun untuk mengingatkan rumus akurasi yang digunakan D aktual ER) dalam penelitian ini adalah : Ar = [ ]*100%. D aktual Kerangka Penelitian Pada dasarnya ada dua jenis pengujian yang dilakukan pada tahap penelitian ini. Pengujian pertama dilakukan dengan meletakkan tanaman jeruk lemon di sembarang posisi tiga dimensi (koordinat arah sumbu z, x, dan y) secara acak terhadap sensor kamera yang telah terpasang pada manipulator robot. Pengujian kedua dilakukan dengan meletakkan tanaman jeruk lemon pada posisi x-y (koordinat x-y) dan jarak (koordinat arah sumbu z) tertentu dengan menggunakan pergeseran kamera tertentu pula. Langkah pertama dalam melakukan penelitian ini adalah menyalakan sensor kamera dan komputer pengolah citra. Pengaturan fokus kamera dilakukan untuk bisa mendapatkan citra yang baik. Selanjutnya juga disiapkan penggaris dan alat ukur lainnya. Alat ukur untuk menentukan posisi tiga dimensi koordinat arah sumbu z, x, dan y menggunakan benang yang diberi bandul dibantu dengan penggaris, selang air (water pass) dan kertas milimeter block. Untuk melaksanakan pengujian tahap pertama, langkahnya adalah meletakkan secara random tanaman jeruk lemon tersebut di depan sensor kamera yang telah terpasang pada manipulator robot. Sensor kamera yang dipasang pada robot telah diberi mekanisme geseran, sehingga sensor kamera ini dapat mengambil citra secara stereo. Pencahayaan diatur agar citra yang dihasilkan dapat seperti kondisi alaminya. Setelah alat dan bahan diletakkan pada posisinya maka berikutnya perekaman citra dapat dimulai. Setelah citra direkam maka program secara otomatis akan melakukan operasi thresholding untuk mendapatkan citra biner dari buah jeruk lemon. Dan untuk meminimalisir noise dari citra yang dihasilkan maka dilakukan operasi pemfilteran citra. Citra biner hasil rekaman pertama ini kemudian dihitung jarak dari tepi bingkai citra ke titik tengah bagian depan citra biner buah jeruk lemon dalam arah sumbu x (bingkai citra 1). Untuk mendapatkan citra stereo perekaman dilakukan 94

8 sekali lagi dengan sebelumnya menggeser kamera dengan besaran (n cm) tertentu. Dengan prosedur yang sama, untuk perekaman citra kedua, didapat jarak dari tepi bingkai citra ke titik tengah bagian depan citra biner buah jeruk lemon dalam arah sumbu x (bingkai citra 2). Untuk melakukan perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya maka digunakan rumus yang telah diperoleh pada Bab 3. Jarak dari titik tengah bagian depan sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya (koordinat arah sumbu z) digunakan rumus (10). Koordinat titik tengah bagian depan sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya arah sumbu x digunakan rumus (11), dan untuk koordinat arah sumbu y digunakan rumus (12). Perekaman citra, pengolahan, dan perhitungan data dilakukan secara berulang sampai 87 kali. Demikian pula untuk pengukuran posisi tiga dimensi dari buah jeruk lemon pada tanamannya secara langsung (aktual) juga dilakukan berulang 87 kali, dengan asumsi data ini dapat mewakili seluruh kemungkinan posisi panen buah jeruk lemon pada tanamannya. Dari hasil pengolahan data tersebut, selanjutnya dilakukan analisis dan evaluasi terhadap formula dan algoritma yang dikembangkan. Sebagai pembanding digunakan data pengukuran posisi tiga dimensi secara langsung. Hasil analisis dibahas dan diulas pada bagian akhir penelitian ini. Pengujian tahap kedua dilakukan dengan meletakka n tanaman jeruk lemon pada posisi tiga dimensi (koordinat arah sumbu z, x, dan y) tertentu dengan menggunakan pergeseran kamera tertentu pula. Untuk setiap pergeseran kamera 3, 6, 8, 10, dan 12 cm maka posisi tiga dimensi (koordinat arah sumbu z, x, dan y) buah jeruk lemon pada tanamannya dapat ditulis dalam bentuk pseudocode di bawah ini : Mulai For k = 30 to 60 step 10 For l = -10 to 10 step 5 For m = -10 to 10 step 5 Posisi buah jeruk lemon pada tanamannya (z, x, y) = ( k, l, m) cm End For End For End For Selesai 95

9 Pada setiap posisi buah jeruk lemon pada tanamannya dan pergeseran kamera tertentu itu dihitung dengan menggunakan formula perhitungan posisi tiga dimensi seperti pada tahap pertama tadi. Hasil perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya dibandingkan dengan hasil pengukuran secara langsung. Hasil pengujian pada tahap pertama dan kedua dianalisis dan dibahas untuk mendapatkan intisari penelitian ini. Langkah-langkah penelitian secara rinci ditampilkan dalam diagram alir pada Gambar

10 Uji Penentuan Posisi Tiga Dimensi jeruk Lemon Secara Random dengan Sembarang Pergeseran Kamera Persiapan sensor kamera dan komputer Mulai Z=(0,1,,72); x=(-10,-9,,0,..,9,10); y=(-10,-9,,0,..,9,10); J = 0 ; n[10] =[3, 4,..., 12] ; Persiapan alat ukur k = 1 to 87 Peletakan tanaman jeruk lemon pada posisi RANDOM (z,x,y) cm ke k Pengukuran posisi tiga dimensi (z,x,y) secara langsung ( aktual ) (xi2-xi1) L = n[j] Perekaman citra stereo untuk pergeseran kamera RANDOM n[j] Perhitungan posisi tiga dimensi (z,x,y) : (D = [390. L] / (xi2-xi1), x = (xi. D)/ 390, y = (yi. D)/ 390) k > 87? ya tidak k = k + 1 Uji Penentuan Posisi Tiga Dimensi jeruk Lemon dengan Lokasi Tertentu dan Pergeseran Kamera Tertentu For k = 30 to 60; step 10 For l = -10 to 10; step 5 For m = -10 to 10; step 5 J = 0 ; n[4] =[3, 6, 8, 10, 12] ; Peletakan tanaman jeruk lemon pada posisi (z, x, y) = ( k, l, m ) cm Pengukuran posisi tiga dimensi (z,x,y) secara langsung ( aktual ) Perekaman citra stereo untuk pergeseran kamera n[j] (xi2-xi1) L = n[j] Perhitungan posisi tiga dimensi (z,x,y) : (D = [390. L] / (xi2-xi1), x = (xi. D)/ 390, y = (yi. D)/ 390) ya End for? tidak step ya Selesai Analisis dan evaluasi terhadap hasil dan temuan penelitian ya tidak j > 4? j = j + 10 Gambar 54 Diagram alir langkah-langkah penelitian untuk uji penentuan posisi tiga dimensi dari buah jeruk lemon pada tanamannya 97

11 C. Hasil Pada penelitian ini citra tanaman jeruk lemon hasil perekaman dengan sensor kamera yang disimpan di dalam memori ditampilkan untuk dianalisis. Dengan pencahayaan berkisar 40 sampai 60 lux, maka didapat hasil pendeteksian dan penentuan posisi tiga dimensi dari buah jeruk lemon pada tanamannya dalam bentuk citra biner buah lemon. Beberapa contoh citra hasil akhirnya ditampilkan dengan komentarnya sebagai berikut : Pada Gambar 55 buah jeruk lemon berhasil dipisahkan dari latar belakangnya dengan baik, hal ini terlihat dari citra biner hasil thresholding sistem deteksi ini. Citra biner yang dihasilkan tidak berbentuk bulat utuh seperti bentuk aslinya, hal ini disebabkan karena citra aslinya sebagian tertutup bayang-bayang daun. Namun hal ini tidak menjadi masalah, selama citra kiri dan kanan tidak memiliki bias yang besar, maka jarak yang dihasilkannyapun akan konsisten. (a) (b) Gambar 55 Buah jeruk lemon pada tanamannya dan citra binernya. (a) Citra pada bingkai citra 1 (b) Citra pada bingkai citra 2 Gambar 55 bagian b, menunjukkan buah jeruk lemon pada tanamannya berada pada posisi kuadran 1. Dari hasil perhitungan didapat posisi tiga dimensi 98

12 dari buah jeruk lemon pada tanamannya didapat (z, x, y)s = (34.41, 6.18, 3.53) cm, sedangkan dengan pengukuran secara langsung didapat (z, x, y) L = ( 33, 5, 3) cm. Error atau selisih hasil perhitungan dan pengukuran langsung didapat (? z,?x,?y ) = (1.41, 1.18, 0.53) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 95.73%. Akurasi dan error yang dihasilkan ini dapat diterima untuk pemanenan buah jeruk lemon. Gambar 56 memperlihatkan buah jeruk lemon yang belum matang dan buah jeruk lemon yang sudah matang. Hasil thresholding hanya menampilkan citra biner buah jeruk lemon yang sudah matang. Algoritma berhasil mendeteksi hanya buah jeruk lemon yang telah matang (usia 120 hsbm) saja. Gambar 56 (a) (b) Buah jeruk lemon pada tanamannya dan hasil thresholdingnya dalam bentuk citra biner. (a) bingkai citra 1 (b) bingkai citra 2. Hasil perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya didapat (z, x, y) S = (43.33, -2.67, -6.11) cm, sedangkan hasil pengukuran secara langsung 99

13 posisi tiga dimensi buah jeruk lemon pada tanamannya (z, x, y) L = (42.9, -3, -7) cm. Gambar 56 bagian b, hasil perhitungan menunjukkan buah jeruk lemon pada tanamannya berada pada posisi kuadran 3, dan ini konsisten dengan hasil perhitungannya. Error atau selisih hasil perhitungan dan pengukuran langsung ada lah (?z,?x,?y) = (0.43, 0.33, 0.89) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.99%. Akurasi dan error yang dihasilkan ini dapat diterima untuk pemanenan buah jeruk lemon. Gambar 57 memperlihatkan bahwa percobaan untuk citra buah jeruk lemon yang tertutup daun-daun dan buah yang masih muda juga dapat terdeteksi dengan baik. Hal ini ditunjukkan oleh hasil binerisasi citranya yang tidak utuh sesuai dengan kondisi citra aslinya (berwarna) dan skenario yang dibangun. Namun demikian sesuai dengan kaidah rumus perhitungan posisi tiga dimensi yang dirancang, selama antara citra pertama dan citra kedua tidak terdapat bias yang besar, maka hasilnya akan tetap akurat. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon didapat (z, x, y) S = ( 52.58, -9.98, ) cm. Sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon didapat (z, x, y) L = (54, -9, -4) cm. Pada Gambar 57 bagian b, buah jeruk lemon pada tanamannya berada pada posisi kuadran 3, dan ini konsisten dengan hasil perhitungannya yang juga berada pada posisi kuadran 3. Error atau selisih antara hasil perhitungan dan pengukuran langsung didapat (?z,?x,?y ) = (1.42, 0.98, 0.63 ) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 97.37%. Akurasi dan error yang dihasilkan ini dapat diterima untuk pemanenan buah jeruk lemon. Gambar 58 dilakukan percobaan dengan menggunakan tanaman jeruk lemon yang sedang berbunga. Hasil thresholding memperlihatkan hasil yang cukup baik, citra biner yang dihasilkan hanya menunjukkan buah jeruk lemon saja. Noise yang terjadi pada citra (a) berupa titik -titik dalam jumlah yang sangat sedikit dan tidak terlalu mengganggu sistem deteksi ini. 100

14 Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon didapat (z, x, y) S = (39.33, -2.02, -6.55) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (38.5, -2, -6) cm. Selisih antara jarak dan koordinat hasil pengukuran dan pengukuran secara langsung adalah (?z,?x,?y) = (0.83, 0.02, 0.55) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 97.84%. Akurasi dan error yang dihasilkan ini dapat diterima untuk pemanenan buah jeruk lemon. Gambar 57 (a) (b) 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. Gambar 59, menunjukkan percobaan dengan menggunakan tanaman jeruk lemon yang sedang berbunga dan kerapatan bagian-bagian tanamannya cukup tinggi, hal ini ditunjukkan dengan bingkai citra yang penuh dengan citra tanaman jeruk lemon. Hasil thresholding memperlihatkan hasil yang cukup baik, citra biner yang dihasilkan hanya menunjukkan buah jeruk lemon saja. Bentuk citra 101

15 binernya tidak bulat lonjong seperti buah jeruk lemon aslinya, hal ini dikarenakan buah pada citra berwarna tidak mendapat pencahayaan yang merata, sehingga sistem mendeteksi hanya pada bagian yang terkena cahaya dengan baik saja. Hal ini tidak mengganggu proses pendeteksian dan masih dalam kerangka target yang diharapkan. Gambar 58 (a) (b) 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. Pada Gambar 59 terlihat noise yang terjadi pada citra (a) berupa titik kecil yang tidak terlalu mengganggu sistem deteksi ini. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (56.38, -9.40, 4.48) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (56, -8, 4) cm. Gambar 59 bagian b, menunjukkan buah jeruk lemon pada tanamannya berada pada posisi kuadran 2, dan ini konsisten dengan hasil perhitungannya yang juga pada kuadran 2 (+x,+y). Selisih antara pengukuran dengan sistem dan 102

16 pengukuran secara langsung adalah (?z,?x,?y) = (0.38, 1.40, 0.48) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.32%. Akurasi dan error yang dihasilkan ini dapat diterima untuk pemanenan buah jeruk lemon. (a) (b) Gambar 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. Gambar 60. menunjukkan citra buah jeruk lemon, bua h yang belum matang, tangkai, dan daun-daunan kering. Citra biner yang dihasilkan sesuai dengan target yang diharapkan. Gambar 60 b, menunjukkan posisi buah jeruk lemon pada tanamannya berada pada kuadran 4, hal ini sejalan dengan hasil perhitungannya yang berada pada kuadran 4 juga (+x, -y). Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (48, 5.54, -8.12) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (47.2, 5, -8.2) cm dengan error (?z,?x,?y ) = (0.38, 1.39, 0.48) cm. Akurasi 103

17 pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.19%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. (a) (b) Gambar 60 Buah jeruk lemon pada bingkai 2 yang berada pada kuadran 4. (a) bingkai citra 1 (b) bingkai citra 2. Gambar 61 menampilkan citra buah jeruk lemon yang diambil dengan posisi terhala ng sebagian oleh daun-daun. Berbeda dengan Gambar 55, pada bagian ini dilakukan pengindraan dengan jarak yang lebih jauh, hal ini terlihat dari citra biner yang dihasilkan lebih kecil. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi da ri citra buah jeruk lemon (z, x, y) S = (52, -1.87, -2.13) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (53, -2, -3) cm dengan error (?z,?x,?y) = (1, 0.13, 0.87 ) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada 104

18 tanamannya (Az) = 98.11%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Dari hasil perhitungan ini terlihat sekali lagi bahwa meskipun hasil pemrosesan citra tidak sempurna, selama antara citra pengambilan pertama dan kedua (citra stereo) hasil thresholdingnya konsisten, maka akurasi posisi tiga dimensi yang dihasilkan sistem deteksi ini akan tetap terjaga. Gambar 60 b, menunjukkan posisi buah jeruk lemon pada tanamannya berada pada kuadran 3, hal ini sesuai dengan hasil perhitungannya yang berada pada kuadran 3 juga (-x, - y). (a) (b) Gambar 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. Gambar 62 menunjukkan percobaan untuk mendeteksi dengan jarak yang cukup jauh yaitu 69 cm dengan citra asli mengandung daun-daun kering yang cukup banyak. Citra biner yang dihasilkan terlihat cukup baik, tanpa noise yang berarti. 105

19 Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (68.82, 6.7, 1.23) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (68, 6, 1) cm, dengan error (?z,?x,?y ) = (0.82, 0.70, 0.23) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.79%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Gambar 62 b, menunjukkan posisi buah jeruk lemon pada tanamannya berada pada kuadran 1. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 1 (+x, +y). Gambar 62 (a) (b) citra jeruk lemon yang mengandung daun-daun kering dan dideteksi dengan jarak yang cukup jauh (69 cm). (a) bingkai citra 1 (b) bingkai citra 2. Gambar 63 menampilkan percobaan tanaman jeruk lemon yang di latarnya selain ada daun kering, tangkai, dan daun-daunan juga ada orangnya. Pada percobaan ini diasumsikan pada saat pemanenan ada operator (orang) di belakang 106

20 tanaman jeruk lemon. Dari hasil thresholding didapat citra biner yang tidak terdapat noise dan hanya buah jeruk lemon saja yang terdeteksi, sedangkan latar lainnya termasuk operator di belakang tanaman jeruk lemon tersebut tidak terdeteksi. Hal ini tentu sesuai dengan skenario yang dirancang. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (39.33, -1.71, 1.41) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (40, -2, 1.5) cm dengan error (?z,?x,?y) = (0.67, 0.29, 0.09) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.33%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Gambar 63 bagian b, memperlihatkan posisi buah jeruk lemon pada tanamannya berada di kuadran 2. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 1 (-x, +y). (a) (b) Gambar 63 Citra tanaman jeruk lemon dengan latar daun-daun kering dan operator kebun terdeteksi denga n baik. (a) bingkai citra 1 (b) bingkai citra

21 Gambar 64 menampilkan percobaan tanaman jeruk lemon yang di latarnya selain ada bagian tanaman juga ada tangan operator. Asumsinya adalah jika pada saat pemanenan ada operator yang sedang melakukan sesuatu. Hasil thresholdingnya cukup baik, hal ini terlihat dari citra biner yang dihasilkannya yang tidak terdapat noise sama sekali. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (45.44, -5.82, -6.99) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y)l = (45.2, -6, -7.87) cm dengan error (?z,?x,?y) = (0.24, 0.17, 0.81) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.47%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. (a) (b) Gambar 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

22 Gambar 64 bagian b, memperlihatkan posisi buah jeruk lemon pada tanamannya berada di kuadran 3. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 3 (-x, -y). Gambar 65 menampilkan percobaan tanaman jeruk lemon yang latarnya mulai dilepas. Selain itu ada benda berwarna putih di belakang tanaman jeruk lemon, hal ini untuk menguji kemampuan sistem mengeliminas i citra berwarna putih (seperti bunga). Dari citra biner hasil thresholding didapat hasil yang cukup baik, hal ini terlihat dari citra biner yang dihasilkannya yang tidak terdapat noise sama sekali. Gambar 65 (a) (b) 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. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (51.43, 3.96, -4.22) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (51, 3, -4) cm dengan error (? z,?x,?y) = (0.43, 0.96, 0.22) cm. Akurasi pendeteksian 109

23 jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.16%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Gambar 65 bagian b, memperlihatkan posisi buah jeruk lemon pada tanamannya berada di kuadran 4. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 4 (+x, -y). Gambar 66 menampilkan percobaan tanaman jeruk lemon yang latarnya lebih beragam lagi, selain ada tangan operator juga ada cahaya berwarna putih di belakangnya. Hasil thresholdingnya cukup baik, hal ini terlihat dari citra biner yang dihasilkannya yang tidak terdapat noise sama sekali. Gambar 66 (a) (b) Citra tanaman jeruk lemon yang dengan latar yang lebih terbuka. (a) bingkai citra 1 (b) bingkai citra 2. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y)s = (55.71, -5.29, -7.29) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (56, 110

24 -4.8, -8) cm dengan error (?z,?x,?y) = (0.29, 0.49, 0.71) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.48%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Gambar 66 bagian b, memperlihatkan posisi buah jeruk lemon pada tanamannya berada di kuadran 3. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 3 (-x, -y). Percobaan untuk melihat hasil thresholding untuk jarak yang sangat dekat ditunjukkan pada Gambar 67. Baik hasil thresholding maupun penentuan posisi tiga dimensi yang dihasilkan sistem ini cukup baik. Hasil thresholding dapat dilihat pada citra biner yang dihasilkan tidak mengandung noise sama sekali. (a) (b) Gambar 67 Citra tanaman jeruk lemon dengan jarak dekat. (a) bingkai citra 1 (b) bingkai citra 2. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (28., -7.38, -4.36) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = ( 27.5, -6.5, -4 ) 111

25 cm, dengan error (?z,?x,?y) = (0.5, 0.88, 0.36) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.21%. Akurasi dan error yang dihasilkan ini masih dapat diterima unt uk pemanenan buah jeruk lemon. Gambar 67 bagian b, memperlihatkan posisi buah jeruk lemon pada tanamannya berada di kuadran 3. Hal ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga memiliki nilai koordinat kuadran 3 (-x, -y). Percobaan selanjutnya adalah melepaskan latar belakang kain hitam, sehingga latar yang tampak menjadi lebih beragam. Pada Gambar 68 terlihat hasil thresholdingnya menunjukkan sistem berhasil mengeliminasi latar belakang dengan baik. Hal ini terlihat noise dari citra biner yang dihasilkan tidak terlalu banyak, dan sangat sedikit pengaruhnya terhadap perhitungan posisi tiga dimensi buah jeruk lemon pada tanamannya. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (31.45, -8.06, -2.98) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (30, -7, -3) cm, dengan error (?z,?x,?y) = (1.45, 1.06, 0.02) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 95.17%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Dari Gambar 68 bagian b, juga terlihat posisi buah jeruk lemon pada tanamannya berada di kuadran 3, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai koordinat kuadran 3 (-x, - y). Gambar 69 menunjukkan percobaan dengan latar kain hitam yang telah dilepas total. Hasil eliminasi terhadap latar daun, tangkai, buah yang masih muda, benda -benda, dan cahaya putih lain cukup baik. Hal ini terlihat dari citra biner yang dihasilkannya memiliki noise yang sangat sedikit dan tidak terlalu berpengaruh terhadap sistem deteksi ini. Sedang pada citra biner buah jeruk lemonnya terdapat lubang hitam pada citra putihnya, hal ini dikarenakan pantulan cahaya yang tinggi terhadap permukaan jeruk lemon tersebut. Sehingga sistem deteksi menganggap ini bunga lemon yang harus dieliminasi juga. Namun hal ini 112

26 tidak terlalu mengganggu sistem ini dalam penentukan posisi tiga dimensi dari buah jeruk lemon pada tanamannya. (a) (b) Gambar 68 Citra tanaman jeruk lemon dengan latar belakang yang lebih beragam. (a) bingkai citra 1 (b) bingkai citra 2. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (30.39, -4.67, -3.35) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (30, -4, -3) cm, dengan error (?z,?x,?y) = (0.39, 0.67, 0.35) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.70%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Dari Gambar 69 bagian b, juga terlihat posisi obyek buah jeruk lemon berada pada kuadran 3, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai pada koordinat kuadran 3 juga (-x, -y). Gambar 70 dan Gambar 71 menunjukkan tanaman jeruk lemon dengan latar belakang yang lebih beragam dapat dieliminasi dengan baik. Asumsinya adalah 113

27 misalnya ada operator di belakang tanaman tersebut, maka sistem ini dapat mendeteksi dengan baik. Dan hal ini sesuai dengan skenario yang dirancang. Gambar 70 citra biner yang dihasilkan memiliki noise yang sedikit dan tidak terlalu mempengaruhi sistem penentuan posisi tiga dimensi obyek jeruk lemon. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (29.43, -7.02, -3.70) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (28.5, -7, -4) cm, dengan error (? z,?x,?y) = (0.93, 0.02, 0.30) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 96.74%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. (a) (b) Gambar 69 Citra tanaman jeruk lemon tanpa latar kain hitam. (a) bingkai citra 1 (b) bingkai citra 2. Dari Gambar 70 bagian b, juga terlihat posisi obyek buah jeruk lemon berada pada kuadran 3, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai pada koordinat kuadran 3 juga (-x, -y). 114

28 Pada Gambar 71 thresholding yang dihasilkan sistem juga dapat berjalan denga n baik, hal ini terlihat dari citra biner yang dihasilkannya dengan noise yang minim. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (49.26, 1.26, -3.16) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (49, 1, -3) cm, dengan error (?z,?x,?y ) = (0.26, 0.26, 0.16) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.47%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. (a) (b) Gambar 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. Dari Gambar 71 bagian b, juga terlihat posisi obyek buah jeruk lemon berada pada kuadran 4, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai pada koordinat kuadran 4 juga (+x, -y). 115

29 Gambar 72 dan Gambar 73 menunjukkan tanaman jeruk lemon dengan latar belakang yang lebih beragam. Dengan asumsi kemungkinan ada operator yang bekerja di belakang tanaman jeruk lemon, maka dicoba juga di latar belakang tanaman tersebut ada orang yang sedang beraktivitas. Hasil thresholding dari sistem deteksi ini memberi hasil yang baik. (a) (b) Gambar 71 Tanaman jeruk lemon dengan latar yang lebih beragam dapat menghasilkan citra biner dengan baik. (a) bingkai citra 1 (b) bingkai citra 2. Pada Gambar 72 citra biner yang dihasilkan tidak terdapat noise, namun citra biner buah jeruk lemon terdapat bercak hitam di tengahnya. Hal ini dikarenakan cahaya yang tinggi memantul di bagian tengah buah, sehingga sistem menganggap ini bukan bagian dari buah yang harus dieliminasi juga. Secara logika hal ini tidak melanggar skenario yang sudah ditetapkan dan selama hasil binerisasi citra stereonya konsisten satu sama lain, maka hasil penentuan posisi tiga dimensi oleh sistem akan konsisten juga. 116

30 Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (32.5, -4.42, -4.33) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (32, -3.5, -4) cm dengan error (?z,?x,?y ) = (0.5, 0.92, 0.33) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 98.44%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Dari Gambar 72 bagian b, juga terlihat posisi obyek buah jeruk lemon berada pada kuadran 3, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai pada koordinat kuadran 3 juga (-x, -y). Gambar 72 (a) (b) Tanaman jeruk lemon dengan latar yang beragam termasuk operator yang sedang beraktivitas. (a) bingkai citra 1 (b) bingkai citra 2. Pada Gambar 73 juga diuji coba untuk merekam tanaman jeruk lemon yang selain ada buahnya juga ada bunganya, dan latar belakangnya terdapat operator yang sedang beraktivitas dengan menggunakan pakaian (warna) yang berbeda. 117

31 Citra biner yang dihasilkan sistem ini cukup baik, hal ini terlihat dari hasil thresholding yang noisenya minim. Hasil perhitungan dengan sistem deteksi didapat posisi tiga dimensi dari citra buah jeruk lemon (z, x, y) S = (32.28, -4.39, -4.30) cm, sedangkan hasil pengukuran secara langsung posisi tiga dimensi buah jeruk lemon (z, x, y) L = (32.2, -3.5, -4) cm dengan error (?z,?x,?y) = (0.08, 0.89, 0.30) cm. Akurasi pendeteksian jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya (Az) = 99.75%. Akurasi dan error yang dihasilkan ini masih dapat diterima untuk pemanenan buah jeruk lemon. Dari Gambar 73 bagian b, juga terlihat posisi obyek buah jeruk lemon berada pada kuadran 3, dan ini menunjukkan konsistensi perhitungan dengan sistem deteksi ini yang juga menghasilkan nilai pada koordinat kuadran 3 juga (-x, -y). (a) (b) Gambar 73 Tanaman jeruk lemon dengan latar yang beragam termasuk operator yang sedang beraktivitas dengan warna yang berbeda: (a) bingkai citra 1 (b) bingkai citra

32 D. Pembahasan Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon Secara Random dengan Sembarang (n cm) Pergeseran Kamera Penentuan posisi tiga dimensi obyek jeruk lemon dilakukan secara random. Artinya peletakan tanaman jeruk lemon dilakukan pada sembarang posisi tiga dimensi, dengan asumsi masih dalam jangkauan sistem deteksi yang dikembangkan. Pergeseran kamera yang digunakan untuk mendapatkan citra stereo juga digunakan sembarang nilai (random) dengan kisaran antara 3 cm hingga 12 cm. Posisi tiga dimensi yang ditentukan merupakan jarak titik tengah bagian depan sensor kamera ke titik tengah bagian depan buah jeruk lemon pada tanamannya (koordinat arah sumbu z) dan koordinat (x, y) titik tenga h bagian depan buah jeruk lemon pada tanamannya. Analisis dilakukan untuk melihat efektifitas sistem deteksi yang dikembangkan, sedangkan data-data yang digunakan di lampirkan dalam Lampiran 17. Uji Penentuan Posisi Tiga Dimensi dengan Sembarang Pergeseran Kamera a. Jarak Lurus (Koordinat Sumbu z) Gambar 74 menampilkan grafik hubungan jarak (koordinat arah sumbu z) sensor kamera ke buah jeruk lemon pada tanamannya. Dari grafik tersebut terlihat R 2 = , hal ini menunjukkan bahwa hubungan antara jarak aktual dan jarak hasil perhitungan erat sekali. Artinya perubahan jarak (koordinat arah sumbu z) dengan perhitungan sistem deteksi ini juga diikuti perubahan jarak (koordinat arah sumbu z) yang diukur secara langsung. Grafik pada Gambar 74 dengan R 2 = , memperlihatkan sebaran data yang nyaris linier. Tidak adanya data pencilan dan error jarak z rata-rata sebesar? z = 0.65 cm (data diperoleh dari Lampiran 16), memperkuat informasi bahwa penentuan jarak koordinat arah sumbu z dapat dilakukan oleh metode ini. 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. 119

33 z hitung (cm) y = x R 2 = z aktual (cm) Gambar 74 Hubungan jarak obyek ke sensor kamera dengan pengukuran langsung arah sumbu z (z aktual) dan dengan hasil sistem deteksi (z hitung) b. Jarak Lateral (Koordinat Sumbu x) Dari grafik pada Gambar 75 tersebut terlihat R 2 = , hal ini menunjukkan bahwa hubungan antara koordinat arah sumbu x hasil pengukuran dan koordinat arah sumbu x hasil perhitungan erat sekali. Artinya perubahan posisi (koordinat sumbu x) dengan perhitungan sistem deteksi ini juga diikuti perubahan posisi (koordinat sumbu x) yang diukur secara langsung. 120

34 x hitung (cm) y = x R 2 = x aktual (cm) Gambar 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) Pada Gambar 76 ditampilkan hasil uji penentuan tiga dimensi obyek jeruk lemon dengan menggunakan sembarang pergeseran kamera. Hasil perhitungan posisi (koordinat) arah sumbu x dengan sistem ini dibanding dengan hasil pengukuran secara langsung menghasilkan error rata-rata? x = 0.56 cm. Data perhitungan secara lengkap diperoleh dari Lampiran

35 10 5 Jarak lateral (cm) t Jarak dari sensor kamera (cm) hasil pengukuran hasil deteksi Gambar 76 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm) Gambar 75 memperlihatkan sebaran data yang nyaris linier, tidak adanya data pencilan, dan error rata-rata koordinat arah sumbu x sebesar? x = 0.56 cm, memperkuat informasi bahwa penentuan posisi (koordinat) arah sumbu x dapat dilakukan oleh metode ini. 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. c. Jarak Vertikal (Koordinat Sumbu y) Dari grafik pada Gambar 77 tersebut terlihat R 2 = , hal ini menunjukkan bahwa hubungan antara koordinat arah sumbu y hasil pengukuran dan koordinat arah sumbu y hasil perhitungan erat sekali. Artinya perubahan posisi (koordinat sumbu y) dengan perhitungan sistem deteksi ini juga diikuti perubahan posisi (koordinat sumbu y) yang diukur secara langsung. 122

36 y = x R 2 = y hitung (cm) y aktual (cm) Gambar 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) Pada Gambar 78 ditampilkan hasil uji penentuan tiga dimensi obyek jeruk lemon dengan menggunakan sembarang pergeseran kamera. Hasil perhitungan posisi (koordinat) arah sumbu y dengan sistem ini dibanding dengan hasil pengukuran secara langsung menghasilkan error rata-rata? y = 0.44 cm. Data perhitungan diperoleh dari Lampiran

37 8 6 4 Jarak vertikal (cm) Jarak dari sensor kamera (cm) hasil pengukuran hasil deteksi Gambar 78 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari sensor kamera) dengan sembarang pergeseran kamera (n cm) Gambar 77 memperlihatkan sebaran data yang nyaris linier, tidak adanya data pencilan dan error rata-rata koordinat arah sumbu y sebesar? y = 0.44 cm, memperkuat informasi bahwa penentuan posisi (koordinat) arah sumbu y dapat dilakukan oleh metode ini. 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. Penentuan Posisi Tiga Dimensi Obyek Jeruk Lemon dengan Lokasi Tertentu dan Pergeseran Kamera Tertentu Penentuan posisi tiga dimensi obyek jeruk lemon dilakukan dengan jarak yang sudah ditentukan. Posisi tiga dimensi yang ditentukan merupakan jarak sensor kamera ke buah jeruk lemon pada tanamannya yang masih berada dalam jangkauan sistem deteksi yang dikembangkan. Besar pergeseran kamera terdiri dari 3, 6, 8, 10, dan 12 cm. Jarak sensor kamera ke buah jeruk lemon pada 124

38 tanamannya sebesar 30, 40, 50, dan 60 cm. Hal ini dilakukan untuk melihat jangkauan sensor kamera yang dikaitkan dengan besar pergeseran kamera. Analisis dilakukan untuk melihat efektifitas sistem yang dikembangkan dan data yang digunakan diperoleh dari Lampiran 17. Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 3 cm a. Jarak Lurus (Koordinat Sumbu z) Perhitungan jarak dari sensor kamera ke buah jeruk lemon pada tanamannya arah sumbu z dibanding hasil pengukuran secara langsung menghasilkan error rata -rata? z = 1.13 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. Data yang digunakan diperoleh dari Lampiran 18. b. Jarak Lateral (Koordinat Sumbu x) Perhitungan koordinat sumbu x buah jeruk lemon pada tanamannya dengan pergeseran kamera sebesar 3 cm dibanding hasil pengukuran secara langsung menghasilkan error rata-rata? x = 0.21 cm. Untuk jarak lateral pada koordinat (z, x) cm = {(30, -10) dan (30, 10) }cm, sistem tidak dapat mendeteksinya, hal ini dikarenakan citra stereo yang dihasilkan terpotong akibat keterbatasan jangkauan kamera. Plot grafis ditampilkan pada Gambar 79. 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. Data yang digunakan diperoleh dari Lampiran

39 jarak lateral (cm) Jarak dari sensor kamera (cm) : hitung + : aktual Gambar 79 Uji penentuan koordinat x (jarak lateral) dan koordinat z (jarak dari sensor kamera) dengan pergeseran kamera 3 cm c. Jarak Vertikal (Koordinat Sumbu y) Perhitungan koordinat sumbu y buah jeruk lemon pada tanamannya dengan pergeseran kamera sebesar 3 cm dibanding hasil pengukuran secara langsung menghasilkan error rata-rata? y = 0.20 cm. Untuk jarak vertikal pada koordinat (z, y) cm = {(30, -10), (30, 10), (40, -10), dan (50, 10) }cm, sistem tidak dapat mendeteksinya, hal ini dikarenakan citra stereo yang dihasilkan terpotong akibat keterbatasan jangkauan kamera. Plot grafis ditampilkan pada Gambar 80. 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. Data yang digunakan diperoleh dari Lampiran

40 15 10 jarak vertikal (cm) Jarak dari sensor kamera (cm) : hitung + : aktual Gambar 80 Uji penentuan koordinat y (jarak vertikal) dan koordinat z (jarak dari sensor kamera) dengan pergeseran kamera 3 cm Uji Penentuan Posisi Tiga Dimensi dengan Pergeseran Kamera 6 cm a. Jarak Lurus (Koordinat Sumbu z) Perhitungan jarak dari sensor kamera ke buah jeruk lemon pada tanamannya arah sumbu z dibanding hasil pengukuran secara langsung menghasilkan error rata -rata? z = 0.83 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. Data yang digunakan diperoleh dari Lampiran 18. b. Jarak Lateral (Koordinat Sumbu x) Perhitungan koordinat sumbu x buah jeruk lemon pada tanamannya dengan pergeseran kamera sebesar 6 cm dibanding hasil pengukuran secara langsung menghasilkan error rata-rata? x = 0.20 cm. Untuk jarak lateral pada koordinat (z, x) cm = {(30, -5), (30, -10), (40, -10), dan (30, 10) }cm, sistem tidak dapat mendeteksinya, hal ini dikarenakan citra stereo yang dihasilkan terpotong akibat keterbatasan jangkauan kamera. Plot grafis ditampilkan pada Gambar

BAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK

BAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK BAB III KALIBRASI DAN VALIDASI SENSOR KAMERA UNTUK PENGEMBANGAN RUMUS POSISI TIGA DIMENSI OBYEK A. Pendahuluan Latar Belakang Perhitungan posisi tiga dimensi sebuah obyek menggunakan citra stereo telah

Lebih terperinci

BAB V PEMBAHASAN UMUM

BAB V PEMBAHASAN UMUM BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk

Lebih terperinci

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON (Citrus medica) JAROT PRIANGGONO

PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON (Citrus medica) JAROT PRIANGGONO PENGEMBANGAN SISTEM DETEKSI MENGGUNAKAN KAMERA UNTUK MANIPULATOR ROBOT PEMANEN JERUK LEMON (Citrus medica) JAROT PRIANGGONO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang 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

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN 4.1. Deteksi Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian dilaksanakan selama bulan Maret hingga Juli 2011, bertempat di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,

Lebih terperinci

PENGEMBANGAN METODA DETEKSI RINTANGAN MENGGUNAKAN KAMERA CCD UNTUK TRAKTOR TANPA AWAK

PENGEMBANGAN METODA DETEKSI RINTANGAN MENGGUNAKAN KAMERA CCD UNTUK TRAKTOR TANPA AWAK Seminar Nasional PERTETA, Bandung 6-8 Desember 0 PENGEMBANGAN METODA DETEKSI RINTANGAN MENGGUNAKAN KAMERA CCD UNTUK TRAKTOR TANPA AWAK Usman Ahmad, Desrial, Mudho Saksono Dosen pada Departemen Teknik Mesin

Lebih terperinci

Bab IV. Pengujian dan Analisis

Bab IV. Pengujian dan Analisis Bab IV. Pengujian dan Analisis IV.1. Jangkauan Telemetri dan Kalibrasi Kamera a. Jangkauan Telemetri Pengukuran jangkauan telemetri di ruang terbuka dilakukan dengan menempatkan pemancar RF di jendela

Lebih terperinci

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah

Lebih terperinci

BAB II KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK LEMON PADA TANAMANNYA

BAB II KARAKTERISASI CITRA UNTUK DETEKSI BUAH JERUK LEMON PADA TANAMANNYA 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

Lebih terperinci

PENGENDALIAN MANIPULATOR ROBOT PEMANEN BUAH DALAM GREENHOUSE MENGGUNAKAN LABVIEW Setya Permana Sutisna 1, I Dewa Made Subrata 2

PENGENDALIAN MANIPULATOR ROBOT PEMANEN BUAH DALAM GREENHOUSE MENGGUNAKAN LABVIEW Setya Permana Sutisna 1, I Dewa Made Subrata 2 PENGENDALIAN MANIPULATOR ROBOT PEMANEN BUAH DALAM GREENHOUSE MENGGUNAKAN LABVIEW Setya Permana Sutisna 1, I Dewa Made Subrata 2 1 Program Studi Teknik Mesin, Fakultas Teknik, Universitas Ibn Khaldun Bogor

Lebih terperinci

4 HASIL DAN PEMBAHASAN

4 HASIL DAN PEMBAHASAN 29 4 HASIL DAN PEMBAHASAN Penelitian Pendahuluan Pada penelitian pendahuluan ini dilakukan beberapa percobaan yang terkait dengan sensor yang akan digunakan. Untuk pemilihan sensor sinar laser yang tepat,

Lebih terperinci

BAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk

BAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap Robotino dan aplikasi pada PC yang telah selesai dibuat. Dimulai dari menghubungkan koneksi ke Robotino, menggerakan

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA SISTEM

BAB IV PENGUJIAN DAN ANALISA SISTEM 57 BAB IV PENGUJIAN DAN ANALISA SISTEM 4.1 Spesifikasi Hasil Penelitian a. Sumber daya robot vision disupply oleh baterai Lipo 12 v 3s. b. robot vision mampu mengolah dan mengidentifikasi objek berwarna

Lebih terperinci

Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F

Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing. Avicienna Ulhaq Muqodas F Laporan Akhir Praktikum Mempelajari Karakterisitk Visual Citra Tomat Menggunakan Image Processing Avicienna Ulhaq Muqodas F14110108 DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT

Lebih terperinci

6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan

6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan 6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan

Lebih terperinci

Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP

Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP PENDAHULUAN 1. Sistem navigasi robot banyak dipakai dimanfaatkan untuk berbagai kebutuhan misalnya untuk membantu departemen pemadam

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian Eksperimen dilakukan untuk memperoleh hasil penelitian yang dilakukan dalam skripsi ini. Eksperimen yang dilakukan mengenai proses rekonstruksi

Lebih terperinci

LAPORAN PRAKTIKUM METROLOGI INDUSTRI MODUL 5 : PROFIL PROYEKTOR. Disusun Oleh : JOSSY KOLATA ( ) KELOMPOK 5

LAPORAN PRAKTIKUM METROLOGI INDUSTRI MODUL 5 : PROFIL PROYEKTOR. Disusun Oleh : JOSSY KOLATA ( ) KELOMPOK 5 LAPORAN PRAKTIKUM METROLOGI INDUSTRI MODUL 5 : PROFIL PROYEKTOR Disusun Oleh : JOSSY KOLATA (1007121681) KELOMPOK 5 LABORATORIUM PENGUKURAN PROGRAM STUDI SARJANA JURUSAN TEKNIK MESIN FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection

Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu

Lebih terperinci

Deskripsi METODE PENGUKURAN NON-DESTRUKTIF LUAS KANOPI TANAMAN DENGAN MENGGUNAKAN CITRA DUA DIMENSI OBJEK TUNTUN

Deskripsi METODE PENGUKURAN NON-DESTRUKTIF LUAS KANOPI TANAMAN DENGAN MENGGUNAKAN CITRA DUA DIMENSI OBJEK TUNTUN 1 Deskripsi METODE PENGUKURAN NON-DESTRUKTIF LUAS KANOPI TANAMAN DENGAN MENGGUNAKAN CITRA DUA DIMENSI OBJEK TUNTUN 1 2 Bidang Teknik Invensi Penemuan ini berhubungan dengan cara mengukur luas kanopi tanaman

Lebih terperinci

PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM.

PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI. Disusun Oleh : Hery Pramono NPM. PENGUKURAN KECEPATAN OBYEK DENGAN PENGOLAAN CITRA MENGGUNAKAN METODE THRESHOLDING SKRIPSI Disusun Oleh : Hery Pramono NPM. 0434010389 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS

Lebih terperinci

5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan

5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan 5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Ekstraksi ciri Citra yang digunakan dalam penelitian ini berukuran 150 x 150 pixel, sehingga jika divektorkan akan menghasilkan vektor berukuran 22500. Melalui tahap ekstraksi ciri

Lebih terperinci

BAB 4 HASIL DAN BAHASAN. Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti

BAB 4 HASIL DAN BAHASAN. Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti BAB 4 HASIL DAN BAHASAN 4.1 Kerangka Percobaan Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti yang telah dijelaskan pada bab 3. Berikut ini adalah kerangka dari percobaan yang dilakukan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan

Lebih terperinci

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering

Lebih terperinci

METODE PENELITIAN. 4.1 Tempat dan Waktu. 4.2 Bahan dan Alat. 4.3 Metode

METODE PENELITIAN. 4.1 Tempat dan Waktu. 4.2 Bahan dan Alat. 4.3 Metode IV. METODE PENELITIAN 4.1 Tempat dan Waktu Penelitian dilaksanakan pada bulan Februari-Agustus 2011 di Lab. Instrumentasi dan Kontrol, Departemen Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan

Lebih terperinci

' Mahasiswa pascasajana Fateta IPB & staf pengajar di fakultas teknik, UNISMA Bekasi, JI. Cut. KETEKNIKAN PERTANW Technical Paper

' Mahasiswa pascasajana Fateta IPB & staf pengajar di fakultas teknik, UNISMA Bekasi, JI. Cut. KETEKNIKAN PERTANW Technical Paper I& KETEKNIKAN PERTANW Technical Paper - -. -. - ALGORITMA PENGOLAHAN CITRA UNTUK DETEKSI JERUK LEMON (CITRUS MEDICA) MENGGUNAKAN KAMERA ONLINE (Image Processing algorithm for lemon (Citrus medical detection

Lebih terperinci

PEMANFAATAN KAMERA WIRELESS SEBAGAI PEMANTAU KEADAAN PADA ANTICRASH ULTRASONIC ROBOT

PEMANFAATAN KAMERA WIRELESS SEBAGAI PEMANTAU KEADAAN PADA ANTICRASH ULTRASONIC ROBOT PEMANFAATAN KAMERA WIRELESS SEBAGAI PEMANTAU KEADAAN PADA ANTICRASH ULTRASONIC ROBOT 1 Hilridya Sagita, 2 Eri Prasetyo dan 3 Arifin 1,2 Sistem Komputer, Universitas Gunadarma Jakarta 3 STMIK Bidakara,

Lebih terperinci

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR

DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang

Lebih terperinci

ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR

ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. PROGRAM PENGOLAHAN CITRA BIJI KOPI Citra biji kopi direkam dengan menggunakan kamera CCD dengan resolusi 640 x 480 piksel. Citra biji kopi kemudian disimpan dalam file dengan

Lebih terperinci

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian

BAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN A. TEMPAT DAN WAKTU Kegiatan penelitian dilakukan di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian (TPPHP), Departemen Teknik Pertanian, Fakultas Teknologi Pertanian,

Lebih terperinci

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt

Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Industri keramik yang terdiri dari ubin (tile), saniter, perangkat rumah tangga (tableware), genteng telah memberikan kontribusi signifikan dalam mendukung pembangunan

Lebih terperinci

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI

Konsep Dasar Pengolahan Citra. Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Konsep Dasar Pengolahan Citra Pertemuan ke-2 Boldson H. Situmorang, S.Kom., MMSI Definisi Citra digital: kumpulan piksel-piksel yang disusun dalam larik (array) dua-dimensi yang berisi nilai-nilai real

Lebih terperinci

Gambar 4.1 Diagram Percobaan

Gambar 4.1 Diagram Percobaan BAB 4 HASIL DAN PEMBAHASAN 4.1 Kerangka Percobaan Pada bab ini dilakukan pembahasan dari implementasi terhadap sistem yang telah dirancang, berupa cara kerja sistem dan pembahasan data-data percobaan yang

Lebih terperinci

Bab II Teori Dasar 2.1 Representasi Citra

Bab II Teori Dasar 2.1 Representasi Citra Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan

Lebih terperinci

PEMBUATAN APLIKASI STEREOGRAM GENERATOR

PEMBUATAN APLIKASI STEREOGRAM GENERATOR PEMBUATAN APLIKASI STEREOGRAM GENERATOR Rudy Adipranata 1, Danny Raharja, Cherry Galatia Ballangan 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan pada bulan Mei Juni 2014 di Desa Lehan Kecamatan

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan pada bulan Mei Juni 2014 di Desa Lehan Kecamatan III. METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian ini dilakukan pada bulan Mei Juni 2014 di Desa Lehan Kecamatan Bumi Agung Kabupaten Lampung Timur dan Laboratorium Rekayasa Bioproses dan Pasca

Lebih terperinci

3 METODE. Waktu dan Tempat Penelitian

3 METODE. Waktu dan Tempat Penelitian 18 Gambar 17 Pegujian sistem navigasi: (a) lintasan lurus tanpa simpangan, (b)lintasan lurus dengan penggunaan simpangan awal, (c) lintasan persegi panjang, (d) pengolahan tanah menggunakan rotary harrower

Lebih terperinci

IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS

IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS Hendry Setio Prakoso 1, Dr.Eng. Rosa Andrie.,ST.,MT 2, Dr.Eng. Cahya Rahmad.,ST.,M.Kom 3 1,2 Teknik Informatika, Teknologi Informasi, Politeknik

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,

Lebih terperinci

PEMBUATAN APLIKASI STEREOGRAM GENERATOR

PEMBUATAN APLIKASI STEREOGRAM GENERATOR PEMBUATAN APLIKASI STEREOGRAM GENERATOR Rudy Adipranata 1, Cherry Galatia Ballangan 2, Danny Raharja Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

1. BAB I PENDAHULUAN 1.1 Latar Belakang

1. BAB I PENDAHULUAN 1.1 Latar Belakang 1. BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia teknologi dan informasi sekarang ini sangat besar pengaruhnya yang dapat mempermudah dan meringankan pekerjaan manusia. Salah satu diantaranya

Lebih terperinci

SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA

SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA Syahrul 1, Andi Kurniawan 2 1,2 Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia Jl. Dipati Ukur No.116,

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISIS

BAB IV PENGUJIAN DAN ANALISIS BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dijelaskan tentang pengujian dimensi robot, algoritma dari robot yang telah dibuat dan analisis mengenai kinerja dari algoritma tersebut. 4.1. Pengujian

Lebih terperinci

Gambar 17. Tampilan Web Field Server

Gambar 17. Tampilan Web Field Server IV. HASIL DAN PEMBAHASAN A. KALIBRASI SENSOR Dengan mengakses Field server (FS) menggunakan internet explorer dari komputer, maka nilai-nilai dari parameter lingkungan mikro yang diukur dapat terlihat.

Lebih terperinci

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING

PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING PRESENTASI TESIS (P3) PENGUKURAN GETARAN PADA POROS MODEL VERTICAL AXIS OCEAN CURRENT TURBINE (VAOCT) DENGAN METODE DIGITAL IMAGE PROCESSING HEROE POERNOMO 4108204006 LATAR BELAKANG Pengaruh getaran terhadap

Lebih terperinci

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 3 Perbaikan Citra pada Domain Spasial (1) Anny Yuniarti, S.Kom, M.Comp.Sc Pertemuan 3 Perbaikan Citra pada Domain Spasial (1), S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman kepada mahasiswa mengenai berbagai teknik perbaikan citra pada domain spasial, antara lain : Transformasi

Lebih terperinci

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar

Lebih terperinci

BAB VI HASIL DAN PEMBAHASAN

BAB VI HASIL DAN PEMBAHASAN BAB VI HASIL DAN PEMBAHASAN 4.1 Program Pengolahan Citra untuk Pengukuran Warna pada Produk Hortikultura Pengembangan metode pengukuran warna dengan menggunakan kamera CCD dan image processing adalah dengan

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. menggunakan serial port (baudrate 4800bps, COM1). Menggunakan Sistem Operasi Windows XP.

BAB 4 IMPLEMENTASI DAN EVALUASI. menggunakan serial port (baudrate 4800bps, COM1). Menggunakan Sistem Operasi Windows XP. BAB 4 IMPLEMENTASI DAN EVALUASI Bab ini menjelaskan tentang hasil penelitian yang berupa spesifikasi sistem, prosedur operasional penggunaan program, dan analisa sistem yang telah dibuat. 4.1 Spesifikasi

Lebih terperinci

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 35 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Implementasi GUI GUI diimplementasikan sesuai dengan program pengolah citra dan klasifikasi pada tahap sebelumya. GUI bertujuan untuk memudahkan pengguna mengidentifikasi

Lebih terperinci

V. HASIL DAN PEMBAHASAN

V. HASIL DAN PEMBAHASAN V. HASIL DAN PEMBAHASAN 5.1. Konstruksi Prototipe Manipulator Manipulator telah berhasil dimodifikasi sesuai dengan rancangan yang telah ditentukan. Dimensi tinggi manipulator 1153 mm dengan lebar maksimum

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISIS

BAB IV PENGUJIAN DAN ANALISIS BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah untuk mengetahui seberapa besar tingkat keberhasilan

Lebih terperinci

IDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN

IDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN IDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN Soegianto Soelistiono, Ardan Listya Romdhoni Departemen Fisika Fakultas Sains dan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Pengertian Citra Citra (image) atau istilah lain untuk gambar sebagai salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar

Lebih terperinci

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam

Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Produk Menggunakan Webcam Perancangan Sistem Identifikasi Barcode Untuk Deteksi ID Menggunakan Webcam Albert Haryadi [1], Andrizal,MT [2], Derisma,MT [3] [1] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas Andalas,

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia memiliki kemampuan visual dalam satu sistem yang utuh. Sistem visual manusiatersebut terdiri atas gabungan dari proses perekaman dan pendeteksian obyek. Oleh

Lebih terperinci

Bab III Perangkat Pengujian

Bab III Perangkat Pengujian Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan November 2013 s/d Mei 2014.

III. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan November 2013 s/d Mei 2014. 22 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan November 2013 s/d Mei 2014. Pembuatan dan pengambilan data dilaksanakan di Laboratorium Eksperimen

Lebih terperinci

PENGENDALIAN SUDUT PADA PERGERAKAN TELESKOP REFRAKTOR MENGGUNAKAN PERSONAL COMPUTER

PENGENDALIAN SUDUT PADA PERGERAKAN TELESKOP REFRAKTOR MENGGUNAKAN PERSONAL COMPUTER Jurnal Sistem Komputer Unikom Komputika Volume 1, No.1-2012 PENGENDALIAN SUDUT PADA PERGERAKAN TELESKOP REFRAKTOR MENGGUNAKAN PERSONAL COMPUTER Usep Mohamad Ishaq 1), Sri Supatmi 2), Melvini Eka Mustika

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN METODE YCBCR PADA ROBOWAITER DRU99RWE4-V13

PERANCANGAN DAN IMPLEMENTASI SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN METODE YCBCR PADA ROBOWAITER DRU99RWE4-V13 PERANCANGAN DAN IMPLEMENTASI SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN METODE YCBCR PADA ROBOWAITER DRU99RWE4-V13 Ferry Ebitnaser 1, Taufiq Nuzwir Nizar 2, John Adler 3 1,2,3 Jurusan Teknik Komputer Unikom,

Lebih terperinci

Elvin Nur Afian, Rancang Bangun Sistem Navigasi Kapal Laut berbasis pada Image Processing metode Color Detection

Elvin Nur Afian, Rancang Bangun Sistem Navigasi Kapal Laut berbasis pada Image Processing metode Color Detection RANCANG BANGUN SISTEM NAVIGASI KAPAL LAUT BERBASIS PADA IMAGE PROCESSING DENGAN METODE COLOR DETECTION (DESIGN OF SHIPS NAVIGATION SYSTEM BASED ON IMAGE PROCESSING WITH COLOR DETECTION METHOD ) 1 Elvin

Lebih terperinci

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan

BAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra

Lebih terperinci

1.2 Tujuan. 1.3 Metodologi

1.2 Tujuan. 1.3 Metodologi BAB 1 PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh telah menjadi sarana umum untuk mendapatkan data spasial dengan akurasi yang baik. Data dari penginderaan jauh dihasilkan dalam waktu yang relatif

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. Pada Bab IV ini menjelaskan tentang spesifikasi sistem, rancang bangun

BAB 4 IMPLEMENTASI DAN EVALUASI. Pada Bab IV ini menjelaskan tentang spesifikasi sistem, rancang bangun BAB 4 IMPLEMENTASI DAN EVALUASI Pada Bab IV ini menjelaskan tentang spesifikasi sistem, rancang bangun keseluruhan sistem, prosedur pengoperasian sistem, implementasi dari sistem dan evaluasi hasil pengujian

Lebih terperinci

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,

Lebih terperinci

Bagian 1 Sistem Bilangan

Bagian 1 Sistem Bilangan Bagian 1 Sistem Bilangan Dalam bagian 1 Sistem Bilangan kita akan mempelajari berbagai jenis bilangan, pemakaian tanda persamaan dan pertidaksamaan, menggambarkan himpunan penyelesaian pada selang bilangan,

Lebih terperinci

Operasi-operasi Dasar Pengolahan Citra Digital

Operasi-operasi Dasar Pengolahan Citra Digital Operasi-operasi Dasar Pengolahan Citra Digital Pendahuluan Citra digital direpresentasikan dengan matriks. Operasi pada citra digital pada dasarnya adalah memanipulasi elemen- elemen matriks. Elemen matriks

Lebih terperinci

OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR

OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER

BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram

Lebih terperinci

Pembentukan Citra. Bab Model Citra

Pembentukan Citra. Bab Model Citra Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit

Lebih terperinci

BAB III PERANCANGAN. Gambar 3.1. Sistem instruksi dan kontrol robot.

BAB III PERANCANGAN. Gambar 3.1. Sistem instruksi dan kontrol robot. BAB III PERANCANGAN Membahas perancangan sistem yang terdiri dari gambaran umum sistem dan bagaimana mengolah informasi yang didapat dari penglihatan dan arah hadap robot di dalam algoritma penentuan lokasi

Lebih terperinci

BAB I PENDAHULUAN. robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia

BAB I PENDAHULUAN. robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia robot dewasa ini menunjukkan betapa besar peran bidang robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia teknologi

Lebih terperinci

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus

BAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,

Lebih terperinci

BAB III PROSEDUR DAN METODOLOGI

BAB III PROSEDUR DAN METODOLOGI BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi

Lebih terperinci

PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA PADA SISTEM NETRA MESIN 3D ( 3D

PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA PADA SISTEM NETRA MESIN 3D ( 3D PENGEMBANGAN ALGORITMA PENGOLAHAN CITRA PADA SISTEM NETRA MESIN 3D (3D MACHINE VISION) UNTUK ROBOT PEMETIK KELAPA SAWIT (Elaeis sp.) (A Development of Images Processing Algorithm on 3D Machine Vision System

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN 15 III. METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli Desember 2007 di Laboratorium Teknik Pengolahan Pangan dan Hasil Pertanian, Departemen Teknik Pertanian, Fakultas

Lebih terperinci

FORMAT GAMBAR PRAKTIKUM PROSES MANUFAKTUR ATA 2014/2015 LABORATURIUM TEKNIK INDUSTRI LANJUT UNIVERSITAS GUNADARMA

FORMAT GAMBAR PRAKTIKUM PROSES MANUFAKTUR ATA 2014/2015 LABORATURIUM TEKNIK INDUSTRI LANJUT UNIVERSITAS GUNADARMA FORMAT GAMBAR PRAKTIKUM PROSES MANUFAKTUR ATA 2014/2015 LABORATURIUM TEKNIK INDUSTRI LANJUT UNIVERSITAS GUNADARMA A. Perlengkapan Gambar 1. Drawing Pen ukuran 0,3 dan 0,5 mm 2. Maal 3 mm 3. Penggaris /

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA ALAT

BAB IV PENGUJIAN DAN ANALISA ALAT 55 BAB IV PENGUJIAN DAN ANALISA ALAT Untuk tahap selanjutnya setelah melakukan perancangan dan pembuatan alat maka langkah berikut nya adalah pengujian dan menganalisa alat yang telah dibuat, agar tujuan

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Penelitian Pada bagian ini akan disajikan hasil penelitian pemanfaatan sistem sensor pergeseran mikro untuk estimasi diameter lubang pada bahan gigi tiruan berbasis

Lebih terperinci

Kelandaian maksimum untuk berbagai V R ditetapkan dapat dilihat dalam tabel berikut :

Kelandaian maksimum untuk berbagai V R ditetapkan dapat dilihat dalam tabel berikut : ALINYEMEN VERTIKAL 4.1 Pengertian Alinyemen Vertikal merupakan perpotongan bidang vertikal dengan bidang permukaan perkerasan jalan melalui sumbu jalan untuk jalan 2 lajur 2 arah atau melalui tepi dalam

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN 44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas

Lebih terperinci

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika

PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI. Kurniawan Teknik Informartika PENGIDENTIFIKASIAN CACAT KELURUSAN SISI DAN KESIKUAN PADA UBIN KERAMIK MENGGUNAKAN TEKNIK MORFOLOGI Kurniawan 50408503 Teknik Informartika Latar Belakang Permasalahan Kebutuhan perusahaan industri manufaktur

Lebih terperinci