BAB VI HASIL DAN PEMBAHASAN

Transkripsi

1 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 membuat algoritma pengolahan citra yang dibangun dengan menggunakan bahasa pemrograman SharpDevelop 3.2. Dalam penelitian tahap pertama ini telah dibuat program komputer untuk pengambilan dan pengolahan citra bahan pertanian. Bahan pertanian yang digunakan dalam penelitian ini adalah wortel dan labu. Hal ini dilakukan untuk membedakan pengukuran warna merah dengan warna hijau. Setiap sampel diberi label penomoran di bagian belakang untuk menandai sampel yang akan diambil citranya. Program penangkap citra digunakan untuk merekam citra objek dengan latar belakang atau background yang berbeda, yaitu hitam dan putih. Citra objek direkam dengan resolusi 744 x 480 piksel dan dalam 24-bit warna. Pengambilan citra menggunakan kamera CCD yang dihubungkan ke komputer menggunakan koneksi firewire. Citra warna objek dengan latar belakang berbeda hasil perekaman dapat dilihat pada Gambar 14. a b c d Gambar 14. a. Citra wortel dengan latar belakang hitam, b. Citra wortel dengan latar belakang putih, f. Citra labu dengan latar belakang hitam, d. Citra labu dengan latar belakang putih Hasil citra yang diambil menggunakan kamera CCD dikelompokkan ke dalam folder yang disesuaikan dengan jenis objek dan latar belakangnya. Hasil pengambilan citra disimpan dalam bentuk

2 format bitmap (.bmp), karena format ini memiliki kelebihan di mana setiap elemen penyusun warna dari suatu citra, disimpan secara lengkap atau tidak dikompres sebagaimana format dalam bentuk.jpeg. Akan tetapi format bitmap juga memiliki kekurangan, yakni dalam hal penggunaan ruang penyimpanan hardisk, di mana format bitmap memerlukan ruang penyimpanan yang cukup tinggi. Program pengolahan citra yang disusun dapat berfungsi untuk menentukan beberapa parameter citra objek yang dianalisis melalui citra warna seperti indeks warna RGB (merah, hijau, biru), XYZ, dan Lab. Indeks warna RGB dianalisis menggunakan bantuan perangkat lunak Paint Shop Pro v.6. Setelah dianalisis menggunakan Paint Shop Pro v.6, data indeks warna RGB dikoleksi dalam Microsoft Office Excel 2007 untuk mendapatkan sebaran dari ketiga indeks tersebut. Nilai RGB yang telah diperoleh tersebut digunakan untuk menentukan nilai Thresholding yang nantinya dapat digunakan untuk melakukan binerisasi terhadap data citra. Tampilan program pengolahan citra terdiri dari tampilan citra asal, menu serta tampilan hasil data olahan citra. Tampilan menu terdiri dari File, Binerisasi, Morfologi, dan Analisis Warna. Masing-masing menu memiliki submenu. Akan tetapi dalam pengolahan citra menu Morfologi tidak dipergunakan karena dalam perlakuan analisis warna antara objek satu dengan yang lain harus sama atau seragam. Pengambilan data melalui analisis citra menggunakan program yang sudah dibuat dimulai dengan memanggil citra yang telah disimpan dalam file dengan extension bmp, dibuka dengan menggunakan submenu Open pada menu File. Citra objek akan muncul dalam bentuk citra warna. Analisis citra yang dilakukan adalah analisis pengukuran warna pada tiap sampel. Analisis warna yang dihitung yaitu, indeks warna RGB, XYZ, dan Lab untuk wortel dan labu dengan latar belakang warna hitam dan putih. Sehingga diperoleh analisis warna wortel dengan latar belakang hitam dan putih, begitu juga dengan labu. Analisis warna dapat langsung dilakukan dari citra warna hasil perekaman dengan terlebih dahulu menentukan piksel-piksel penyusun objek sehingga latar belakang tidak ikut dianalisis. Untuk menghitung indeks warna RGB, XYZ, dan Lab dilakukan proses transformasi citra dari citra warna ke citra biner melalui proses binerisasi. Operasi yang dilakukan adalah memilih salah satu submenu pada menu Binerisasi yaitu, Thresholding Merah Layar Hitam, Thresholding Hijau Layar Hitam, Thresholding Merah Layar Putih, Thresholding Hijau Layar Putih tergantung dari warna objek dan latar belakangnya. Setelah melakukan operasi tersebut akan dihasilkan citra biner dari citra warna dengan objek berwarna putih dan latar belakang berwarna hitam. Setelah didapatkan citra biner kemudian dilakukan perhitungan indeks warna RGB, XYZ, dan Lab dengan memilih menu Analisis Warna. Perhitungan nilai indeks warna dapat diperoleh dengan menggunakan submenu Model Warna RGB untuk indeks warna RGB, submenu Model Warna XYZ untuk warna XYZ, dan submenu Model Warna Lab untuk indeks warna Lab. Dalam perhitungan indeks warna harus dilakukan secara berurutan mulai dari perhitungan indeks warna RGB ke XYZ kemudian ke Lab. Hal ini dikarenakan nilai Lab yang diperoleh merupakan hasil transformasi nilai indeks warna XYZ yang juga merupakan hasil tranformasi nilai indeks warna RGB. Tampilan layar komputer pada saat citra warna ditransformasikan ke citra biner dan tampilan data hasil olahan dapat dilihat pada Gambar 15, 16, 17, dan

3 Gambar 15. Tampilan layar komputer pada saat citra warna ditransformasikan ke citra biner dan perhitungan warna RGB, XYZ, dan Lab untuk wortel dengan latar belakang hitam Gambar 16. Tampilan layar komputer pada saat citra warna ditransformasikan ke citra biner dan perhitungan warna RGB, XYZ, dan Lab untuk wortel dengan latar belakang putih 22

4 Gambar 17. Tampilan layar komputer pada saat citra warna ditransformasikan ke citra biner dan perhitungan warna RGB, XYZ, dan Lab untuk labu dengan latar belakang hitam Gambar 18. Tampilan layar komputer pada saat citra warna ditransformasikan ke citra biner dan perhitungan warna RGB, XYZ, dan Lab untuk labu dengan latar belakang putih 23

5 Saat melakukan analisis, program akan memetakan posisi piksel-piksel suatu objek dari citra biner hasil operasi sebelumnya ke citra warna sehingga piksel-piksel latar belakang tidak dihitung atau diabaikan. Dengan demikian, indeks warna RGB yang didapat adalah hasil analisis pada permukaan objek yang diinginkan, bukan dari keseluruhan bidang citra. Akan tetapi sebelum pemanggilan citra, terlebih dahulu dilakukan penyimpanan data hasil pengukuran warna yang akan dihitung dengan membuka menu Buka File Text. Data hasil perhitungan disimpan dalam bentuk notepad yang nantinya dapat dibuka dengan aplikasi Microsoft Office Excel Tampilan hasil penyimpanan pengukuran warna dapat dilihat pada Gambar 19. Gambar 19. Tampilan hasil penyimpanan pengukuran warna 24

6 4.2 Pengukuran Warna dengan Teknik Image Processing pada Latar Belakang Warna Hitam Hasil analisis terhadap pengukuran warna wortel dan labu dengan latar belakang hitam yang dilakukan melalui pengolahan citra dinyatakan dengan notasi Lab. Pengolahan data hasil pengukuran warna dengan pengolahan citra dan chromameter dilakukan dengan menggunakan persamaan linier Pengukuran Warna pada Wortel Penentuan nilai Lab pengolahan citra dari parameter nilai Lab Chromameter dengan menggunakan model persamaan linier menghasilkan koefisien determinasi berturut-turut untuk Lab wortel adalah 0.827, dan dengan persamaan regresi nilai Lab masing-masing adalah y = 0.563x , y = 0.994x , dan y = 0.777x Sedangkan nilai gradien Lab masingmasing adalah 0.563, 0.994, dan Jika nilai gradien sama dengan satu (m = 1) berarti hasil pengukuran pengolahan citra sama dengan hasil pengukuran Chromameter. Untuk grafik nilai L, ketika nilai Chromameter naik maka kenaikan nilai pengolahan citra tidak sebesar Chromameter yaitu hanya setengahnya. Nilai Lab pada wortel dengan latar belakang hitam hasil pengukuran pengolahan citra berkorelasi positif tinggi dengan Lab pada wortel hasil pengukuran Chromameter dengan nilai korelasi lebih dari 0.8. Hal ini menunjukkan bahwa model regresi yang dihasilkan memiliki hubungan yang sangat kuat, semakin tinggi nilai Lab pada Chromameter maka semakin tinggi pula nilai Lab pada pengolahan citra, begitu pula sebaliknya. Sehingga model regresi ini dapat menjelaskan perilaku perubahan nilai peubah y (nilai Lab sebenarnya) dengan baik. Hubungan antara nilai Lab pada wortel latar belakang hitam hasil pengukuran pengolahan citra dapat dilihat pada Gambar 20, 21, dan 22. Data hasil pengukuran warna wortel dengan latar belakang hitam pada pengolahan citra dan Chromameter dapat dilihat pada Lampiran Nilai L Chromameter y = 0.563x R² = Nilai L pengolahan citra Gambar 20. Hubungan antara nilai L hasil perhitungan wortel latar belakang hitam pengolahan citra 25

7 26 24 Nilai a Chromameter y = 0.994x R² = Nilai a pengolahan citra Gambar 21. Hubungan antara nilai a hasil perhitungan wortel latar belakang hitam pengolahan citra Nilai b Chromameter y = 0.777x R² = Nilai b pengolahan citra Gambar 22. Hubungan antara nilai b hasil perhitungan wortel latar belakang hitam pengolahan citra 26

8 4.2.2 Pengukuran Warna pada Labu Grafik hubungan antara nilai Lab pada labu latar belakang hitam hasil pengukuran pengolahan citra disajikan pada Gambar 23, 24, dan 25. Dari grafik hubungan antara nilai Lab pada labu hasil pengukuran pengolahan citra, diperoleh persamaan regresi untuk Lab masing-masing adalah y = 0.560x , y = 0.232x , dan y = 0.838x dengan nilai koefisien determinasi berturut-turut adalah 0.905, 0.813, dan Sedangkan nilai gradien Lab masing-masing adalah 0.560, 0.232, dan Jika nilai gradien sama dengan satu (m=1) berarti hasil pengukuran pengolahan citra sama dengan hasil pengukuran Chromameter. Untuk grafik nilai L, ketika nilai Chromameter naik maka kenaikan nilai pengolahan citra tidak sebesar Chromameter yaitu hanya setengahnya. Sedangkan untuk nilai a gradiennya rendah, ketika nilai Chromameter naik maka kenaikan nilai pengolahan citra tidak sebesar Chromameter hal ini menyatakan kemiringan yang landai atau semakin kecil nilai gradien maka semakin kecil tingkat pengaruh x terhadap y. Berdasarkan nilai koefisien determinasi yang dihasilkan dari grafik tersebut, maka dapat disimpulkan bahwa model regresi yang dihasilkan memiliki hubungan yang sangat kuat. Nilai Lab pada labu dengan latar belakang hitam hasil pengukuran pengolahan citra berkorelasi positif tinggi dengan Lab pada labu dengan latar belakang hitam hasil pengukuran Chromameter karena nilai korelasi lebih dari 0.8. Hal ini menunjukkan bahwa semakin tinggi nilai Lab pada Chromameter maka semakin tinggi pula nilai Lab pada pengolahan citra, begitu pula sebaliknya. Sehingga model regresi ini dapat menjelaskan perilaku perubahan nilai peubah y (nilai Lab sebenarnya) dengan baik.data hasil pengukuran warna labu dengan latar belakang hitam pada pengolahan citra dan Chromameter dapat dilihat pada Lampiran Nilai L Chromameter y = 0.560x R² = Nilai L pengolahan citra Gambar 23. Hubungan antara nilai L hasil perhitungan labu latar belakang hitam pengolahan citra 27

9 Nilai a Chromameter y = 0.232x R² = Nilai a pengolahan citra Gambar 24. Hubungan antara nilai a hasil perhitungan labu latar belakang hitam pengolahan citra Nilai b Chromameter y = 0.838x R² = Nilai b pengolahan citra Gambar 25. Hubungan antara nilai b hasil perhitungan labu latar belakang hitam pengolahan citra 28

10 4.3 Pengukuran Warna dengan Teknik Image Processing pada Latar Belakang Warna Putih Hasil analisis terhadap pengukuran warna wortel dan labu dengan latar belakang putih yang dilakukan melalui pengolahan citra juga dinyatakan dengan notasi Lab. Pengolahan data hasil pengukuran warna dengan pengolahan citra dan Chromameter dilakukan dengan menggunakan persamaan linier Pengukuran Warna pada Wortel Penentuan nilai Lab pengolahan citra dari parameter nilai Lab Chromameter dengan menggunakan model persamaan linier menghasilkan koefisien determinasi berturut-turut untuk Lab wortel adalah 0.548, dan Untuk nilai L dalam pengukuran warna pengolahan citra dan Chromameter pada wortel dengan latar belakang putih diperoleh hubungan korelasi positif agak rendah dengan persamaan regresi y = 0.734x Hal ini disebabkan karena sifat dari warna latar belakang yang dipakai. Pada warna hitam, semua spektrum cahaya diserap, oleh karena itu energi radiasi yang diterima pada warna hitam menjadi semakin besar seiring bertambahnya spekrum cahaya yang diserap. Sebaliknya, pada warna putih semua spektrum cahaya dipantulkan. Selain itu terdapat pengaruh interaksi cahaya terhadap objek yang sedang diukur, seperti pantulan, serapan, penyebaran dan bayangan sebagai akibat cahaya yang dihalangi oleh bagian objek tertentu. Kualitas lampu dan tingkat kecerahan yang berbeda-beda juga mempengaruhi nilai kecerahan. Karena perbedaan tingkat kecerahan pada lampu terlihat sangat jelas pada latar belakang warna putih, khususnya pada objek wortel. Oleh karena itu perlu dilakukan pengukuran intensitas cahaya terlebih dahulu sebelum pengambilan citra untuk memastikan bahwa intensitas cahaya pada saat pengambilan citra tetap. Akan tetapi pada penelitian ini, pengukuran intensitas cahaya tidak dilakukan karena keterbatan penelitian dan perlakuan penelitian bukan mengarah pada tingkat intensitas cahaya. Perubahan tegangan listrik yang cenderung fluktuatif juga mempengaruhi intensitas cahaya, sehingga dengan pengukuran intensitas cahaya ini diharapkan intensitas cahaya yang digunakan relatif sama selama pengukuran. Untuk nilai a dan b dalam pengukuran warna pengolahan citra dan Chromameter pada wortel dengan latar belakang putih diperoleh hubungan korelasi positif cukup tinggi dengan persamaan regresi untuk nilai a dan b masing-masing adalah y = 0.851x dan y = 1.130x Hal ini dikarenakan nilai a dan b pada sistem warna Lab merupakan indeks warna kromatik sehingga ketika objek tersebut dikenai sinar putih maka objek akan memantulkan warna kromatik tersebut. Jika sebuah benda jika disorot warna putih dan benda tersebut memantulkan sebagian besar energi dengan frekuensi ( nm) maka akan terlihat warna merah begitu pula dengan frekuensi warna hijau (Ciptayani 2011). Nilai gradien Lab masing-masing adalah 0.734, 0.851, dan Jika nilai gradien sama dengan satu (m=1) berarti hasil pengukuran pengolahan citra sama dengan hasil pengukuran Chromameter. Untuk grafik nilai L, ketika nilai Chromameter naik maka kenaikan nilai pengolahan citra tidak sebesar Chromameter yaitu hanya 0.734nya Chromameter. Hubungan antara nilai Lab pada wortel latar belakang putih hasil pengukuran pengolahan citra dapat dilihat pada Gambar 26, 27, dan 28. Data hasil pengukuran warna wortel latar dengan belakang putih pada pengolahan citra dan Chromameter dapat dilihat pada Lampiran 4. 29

11 Nilai L Chromameter y = 0.734x R² = Nilai L pengolahan citra Gambar 26. Hubungan antara nilai L hasil perhitungan wortel latar belakang putih pengolahan citra Nilai a Chromameter y = 0.851x R² = Nilai a pengolahan citra Gambar 27. Hubungan antara nilai a hasil perhitungan wortel latar belakang putih pengolahan citra 30

12 Nilai b pada Chromameter y = 1.130x R² = Nilai b pada IP Gambar 28. Hubungan antara nilai b hasil perhitungan wortel latar belakang putih pengolahan citra Pengukuran Warna pada Labu Grafik hubungan antara nilai Lab pada labu latar belakang putih hasil pengukuran pengolahan citra disajikan pada Gambar 29, 30, dan 31. Dari grafik hubungan antara nilai Lab pada labu hasil pengukuran pengolahan citra, diperoleh persamaan regresi y = 0.977x , y = 0.975x , dan y = 1.050x dengan nilai koefisien determinasi berturut-turut adalah 0.793, 0.802, dan Data hasil pengukuran warna labu latar dangan belakang hitam pada pengolahan citra dan Chromameter dapat dilihat pada Lampiran 5. Berdasarkan nilai koefisien determinasi yang dihasilkan dari grafik tersebut, maka dapat disimpulkan bahwa model regresi yang dihasilkan memiliki hubungan yang sangat kuat. Untuk nilai Lab hasil pengukuran warna pengolahan citra dan Chromameter pada wortel dengan latar belakang putih diperoleh hubungan korelasi positif cukup tinggi. Hal ini menunjukkan bahwa semakin tinggi nilai Lab pada Chromameter maka semakin tinggi pula nilai Lab pada pengolahan citra, begitu pula sebaliknya. Nilai gradien pada grafik nilai Lab tinggi, hal ini menunjukkan bahwa nilai hasil pengukuran pengolahan citra mendekati nilai hasil pengukuran Chromameter. Pada labu nilai koefisien determinasinya lebih besar dari pada nilai koefisien determinasi pada wortel, hal ini disebabkan oleh cahaya yang dikeluarkan oleh benda tersebut dipengaruhi oleh cahaya yang berasal dari sumber cahaya. Warna wortel yang terang dan warna latar belakang yang putih menyebabkan warna objek menjadi tambah terang. Sebaliknya pada labu, warna labu yang digunakan dalam penelitian adalah warna hijau agak tua, sehingga ketika diberi cahaya putih warna objek akan terlihat terang. Hal ini berkaitan dengan nilai ambang yang ditentukan pada nilai Thresholding yang digunakan untuk melakukan binerisasi terhadap data citra. Nilai ambang yang terlalu rendah atau terlalu tinggi akan menghasilkan proses segmentasi citra yang kurang bagus. 31

13 Menurut Ahmad (2005), dalam hal binerisasi melalui perangkat lunak, setiap citra dengan karakteristik pencahayaan tertentu memerlukan nilai thresholding tertentu yang mungkin tidak cocok untuk citra lainnya. Jadi nilai threshold yang sama mungkin tidak dapat diterapkan dengan hasil yang baik pada dua citra yang berbeda karakteristiknya. Oleh karena itu nilai threshold biasanya dipilih berdasarkan pengamatan pada citra yang disegmentasi. Besarnya nilai batas (nilai threshold) untuk operasi binerisasi dimasukkan secara manual memalui keyboard. Dengan demikian proses binerisasi tidak dapat terjadi dengan sendirinya di dalam program, karena menunggu sampai nilai threshold dimasukkan oleh pemakai program. Dalam penelitian ini nilai batas dimasukkan di dalam program sebagai konstanta agar program dapat melakukan operasi binerisasi tanpa menunggu masukan dari pemakai, sehingga program menjadi terbatas penggunaannya, yaitu untuk citra-citra sejenis dengan sifat-sifat pencahayaan yang mirip satu sama lain. Sehingga dalam hal ini setiap objek dengan latar berbeda mempunyai nilai threshold masing-masing. Sehingga hasil segmentasi citra setiap citra akan berbeda-beda karena bentuk, ukuran dan warna setiap citra juga berbeda. Selain itu tingkat keseragaman pencahayaan yang kurang juga mempengaruhi hasil pengukuran karena pencahayaan hanya dilakukan pada bagian atas, sehingga hanya bagian atas yang terlihat terang sedangkan bagian samping objek tidak memperoleh pencahayaan yang cukup. Untuk dapat memilih nilai batas atau nilai threshold yang tepat secara otomatis, pengetahuan tentang objek dalam pemandangan, pengetahuan tentang aplikasi dan pengetahuan tentang lingkungan harus digunakan di dalam algoritma program komputer yang dikembangkan. Penggunaan pengetahuan ini akan diaplikasikan dalam bentuk pemilihan nilai threshold yang lebih umum dan bersifat dinamis sesuai dengan kedinamisan karakteristik yang dikandung oleh citra yang akan diproses, daripada nilai threshold yang tetap. Pengetahuan tentang karakteristik citra yang dimaksud mungkin meliputi sifat intensitas dari objek, ukuran objek, bagian dari citra yang ditempati objek, jumlah dan jenis yang berbeda dari objek-objek yang muncul dalam citra (Ahmad 2005) Nilai L Chromameter y = 0.977x R² = Nilai L pengolahan citra Gambar 29. Hubungan antara nilai L hasil perhitungan labu latar belakang putih pengolahan citra 32

14 Nilai a Chromameter y = 0.975x R² = Nilai a pengolahan citra -18 Gambar 30. Hubungan antara nilai a hasil perhitungan wortel latar belakang hitam pengolahan citra Nilai b Chromameter y = 1.050x R² = Nilai b pengolahan citra Gambar 31. Hubungan antara nilai b hasil perhitungan wortel latar belakang hitam pengolahan citra 33