ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III UAD, Jl. Prof. Dr. Soepomo, Jatura, Yogyakarta Telp 0274-379418 psw 220, Fax 0274-381523 e-mail: riza_tbh@yahoo.co.id, kartikaf@dosat.et.id, tholes2000@yahoo.com Abstrak Buah tomat merupaka salah satu hasil pertaia yag bayak dikosumsi sebagai baha baku idustri paga. Buah tomat yag diolah memiliki stadar kemataga tertetu, sehigga meghasilka produk olaha yag bermutu tiggi. Proses seleksi kemataga buah tomat secara maual dirasaka kurag medukug akselerasi produk, apalagi pada proses idustri skala besar. Pada peelitia ii diracag purwarupa sistem seleksi kemataga buah tomat waktu-yata berbasis ilai RGB (Red-Gree-Blue) citra tomat yag di-capture oleh webcam da diolah oleh komputer pribadi dega peragkat luak Borlad Delphi 7. Hasil peelitia meujukka bahwa purwarupa sistem seleksi kemataga buah tomat yag diracag memiliki ilai keberhasila 96%. Kata kuci: seleksi, RGB, thresholdig, waktu-yata, delphi 1. PENDAHULUAN Idustri pertaia saat ii berkembag dega pesat. Tomat merupaka hasil idustri pertaia yag cukup populer karea hargaya yag relatif murah da memiliki bayak keguaa, sebagai baha makaa sehari-hari ataupu baha idustri paga. Meskipu tomat merupaka hasil pertaia yag berilai gizi tiggi, tetapi tomat juga mempuyai sifatsifat yag kurag megutugka, atara lai: mudah megalami peurua kualitas yag dipegaruhi oleh faktor ligkuga seperti kelembaba, temperatur, da mutu awal tomat itu sediri, mudah busuk da tidak dapat meaha tekaa mekais yag terlalu besar [6]. Kemataga tomat sagat mempegaruhi mutu tomat tersebut. Pada umumya, proses pegedalia mutu dilakuka oleh teaga mausia. Namu, mausia cederug mudah merasa lelah da jeuh jika melakuka aktivitas yag mooto, serta relatif lebih lambat, sehigga jika diterapka pada skala idustri besar diperluka batua mesi pada proses tersebut. Beberapa peelitia sejeis yag melaluka proses seleksi berdasarka citra (image) objek atara lai sebagai berikut: Garcia-Alegre, dkk [2] melakuka peelitia utuk medeteksi permukaa kulit telur berdasarka citra objek dega megguaka metode Laplace. Pada peelitia tersebut, diambil kompoe hijau (gree) utuk meujukka perbedaa wara atara citra telur da latar belakagya. Citra telur aka diproses utuk megetahui kerusaka permukaa telur megguaka metode Laplace; Kusumadewi [3] melakuka peelitia utuk medeteksi kerusaka telur megguaka metode thresholdig. Metode thresholdig ii diguaka utuk meetuka kerusaka telur berdasarka ilai bierya, 0=hitam da 1=putih. Piksel wara putih diaggap sebagai piksel aktif. Peelitia ii belum secara waktu-yata (realtime), yag maa data citra dimasukka di-capture terlebih dahulu da dijadika file dalam basis data. Pada peelitia ii aka dideteksi kemataga tomat secara waktu-yata berbasis ilai RGB. Citra tomat yag memiliki suatu retag ilai RGB tertetu diaggap matag, da yag laiya diaggap tidak matag (metah atau busuk). Proses seperti juga diamaka dega thresholdig ilai RGB citra. Operasi thresholdig diguaka utuk megubah citra dega format skala keabua, yag mempuyai kemugkia lebih dari 2, ke citra bier yag haya memiliki 2 buah ilai (0 da 1). Dalam hal ii, titik dega ilai retag ilai keabua tertetu diubah mejadi berwara hitam da sisaya mejadi wara putih atau sebalikya [1]. Perubaha citra skala keabua Sistem Seleksi Kemataga Buah Tomat (M. Riza Ferdiasyah)
212 ISSN: 1693-6930 mejadi citra bier dapat dilakuka memakai ambag gada, yaitu ambag bawah da ambag atas, dega megguaka fugsi GST (Gray Scale Trasform) pada Gambar 1. Pegambaga gada dilakuka utuk meampilka titik-titik yag mempuyai retag ilai tertetu. K o 0, jika ambag bawah K i ambag atas 1, laiya (1) atau K o 1, jika ambag bawah K i ambag atas 0, laiya (2) 1 1 K o ambag bawah ambag atas K o ambag bawah ambag atas 0 K i 255 0 Ki 255 (a) Persamaa 1 (b) Persamaa 2 Gambar 1. Fugsi GST utuk operasi pegambaga gada Croppig adalah memotog satu bagia dari citra sehigga diperoleh citra berukura lebih kecil. Operasi ii pada dasarya adalah operasi traslasi, yaitu meggeser koordiat titik citra [1]. ( L T x x y ' utuk x xl sampai x R (3) x L ' y y T utuk yt y sampai y B (4) x, y ) da ( x, y R B bawah bagia citra yag aka di-crop seperti pada Gambar 2. ) masig-masig adalah koordiat titik pojok kiri atas da pojok kaa Gambar 2. Koordiat titik pojok bagia citra yag aka di-crop [1] TELKOMNIKA Vol. 4, No. 3, Desember 2006 : 211-216
TELKOMNIKA ISSN: 1693-6930 213 Ukura citra berubah mejadi: w' x R x L (5) h' y B y T (6) Da trasformasi balikya adalah: x x' utuk x ' 0 sampai w '1 (7) x L y y' utuk y ' 0 sampai h '1 (8) y T 2. METODE PENELITIAN Diagram kotak racaga aplikasi utuk seleksi kemataga tomat dapat dilihat pada Gambar 3. Citra tomat (objek) diambil megguaka webcam. Acua RGB adalah ilai wara piksel citra acua. Output Thresholdig adalah citra bier, yag selajutya dilakuka croppig. Lagkah terakhir adalah klasifikasi, yag aka meghasilka output Matag atau Buka Matag. Matag Capture objek RGB acua Thresholdig Croppig Klasifikasi Buka Matag Gambar 3. Diagram kotak racaga aplikasi utuk seleksi kemataga tomat Program aplikasi ditulis dalam Pascal megguaka compiler Borlad Delphi 7. Akuisisi citra megguaka webcam LOGITEC Pro 00. Sebagai acua diguaka data RGB gambar tomat matag dari Buku Tahua Produksi Paga Dias Pertaia [5], kemudia diolah megguaka Adobe Photoshop sehigga diperoleh ilai pada retag: R=235-2, G= 45-60, B= 10-25. Pegujia dilakuka dega memperhitugka pegaruh posisi sumber cahaya da itesitas sumber cahaya utuk memperoleh kodisi optimal. 3. HASIL DAN PEMBAHASAN Aplikasi ii memerluka ilai rage RGB yag diguaka sebagai acua. Tampila widow dapat dilihat pada Gambar 4. Gambar 4. Widow utuk iput ilai RGB Sistem Seleksi Kemataga Buah Tomat (M. Riza Ferdiasyah)
214 ISSN: 1693-6930 Tampila widow deteksi kemataga tomat dapat dilihat pada Gambar 5. Gambar 5. Widow Deteksi Kemataga Tomat Pegujia terhadap program dilakuka dega meguji sampel yag berjumlah buah tomat yag diambil secara acak dari 100 buah tomat. Dari buah sampel tomat 42 buah sampel matag da 8 buah sampel belum matag. Sebagai acua diguaka data RGB tomat hasil percobaa dari buah tomat matag da dihitug ilai deviasi maksimum utuk batas atas da miimum utuk batas bawah Tabel 1. Nilai RGB Tomat matag Objek Red Gree Blue Objek Red Gree Blue 1 166 135 117 26 157 126 108 2 162 134 115 27 167 135 117 3 165 135 116 28 164 131 118 4 167 137 118 29 161 132 132 5 166 137 115 30 164 134 114 6 163 135 112 31 152 128 108 7 165 135 115 32 151 129 117 8 161 132 119 33 160 131 112 9 164 132 114 34 162 137 118 10 161 134 118 35 164 138 121 11 166 140 118 36 171 136 121 12 171 141 110 37 172 138 120 13 168 137 116 38 170 129 118 14 162 131 109 39 167 131 109 15 160 142 118 40 164 139 110 16 172 145 120 41 163 134 118 17 161 141 112 42 164 135 110 18 158 131 108 43 163 136 110 19 172 131 112 44 164 138 110 20 163 136 109 45 161 137 114 21 164 131 118 46 164 138 120 22 158 129 107 47 161 137 114 23 160 128 118 48 158 140 121 24 162 132 108 49 164 137 121 25 168 136 112 163 137 118 Dari data tersebut dapat dihitug ilai rata-rata da ilai deviasiya utuk medapatka ilai rage RGB yag dapat dipakai sebagai acua iput rage RGB program sebagai berikut: TELKOMNIKA Vol. 4, No. 3, Desember 2006 : 211-216
TELKOMNIKA ISSN: 1693-6930 215 Tabel 2. Hasil Deteksi Tomat megguaka Webcam Komputerisasi Sampel Maual RGB Citra Sampel R G B Hasil 1 Matag 166 135 117 Matag 2 Matag 162 134 115 Matag 3 Matag 165 135 116 Matag 4 Matag 167 137 118 Matag 5 Matag 166 137 115 Matag 6 Matag 163 135 112 Matag 7 Buka 158 120 180 Buka 8 Matag 161 132 119 Matag 9 Matag 164 132 114 Matag 10 Matag 161 134 118 Matag 11 Matag 166 140 118 Matag 12 Matag 171 141 110 Buka 13 Matag 168 137 116 Matag 14 Matag 162 131 109 Matag 15 Matag 160 142 118 Matag 16 Matag 160 145 120 Matag 17 Matag 161 141 112 Matag 18 Matag 159 131 108 Matag 19 Buka 172 140 180 Buka 20 Buka 163 154 109 Buka 21 Matag 164 131 118 Matag 22 Matag 159 135 117 Matag 23 Matag 160 136 118 Matag 24 Matag 162 132 188 Matag 25 Buka 198 186 162 Buka 26 Matag 159 136 117 Matag 27 Matag 167 135 117 Matag 28 Matag 164 131 118 Matag 29 Buka 186 152 132 Buka 30 Buka 194 184 136 Buka 31 Buka 175 175 167 Buka 32 Matag 159 135 117 Matag 33 Matag 160 131 112 Matag 34 Matag 162 137 118 Matag 35 Matag 164 138 119 Matag 36 Matag 168 136 119 Matag 37 Matag 168 138 115 Matag 38 Matag 164 135 118 Matag 39 Matag 167 131 109 Buka 40 Matag 164 139 111 Matag 41 Matag 163 134 118 Matag 42 Buka 164 135 112 Buka 43 Matag 163 136 115 Matag 44 Matag 164 138 114 Matag 45 Matag 161 137 114 Matag 46 Matag 164 138 113 Matag 47 Matag 161 137 114 Matag 48 Matag 159 139 112 Matag 49 Matag 164 137 117 Matag Matag 163 137 118 Matag Nilai rata-rata Red (R): R = i1 R R = 163,520 i Nilai deviasi dari Red R: S R = ( xi x) i1 S R = 4,134 2 Sistem Seleksi Kemataga Buah Tomat (M. Riza Ferdiasyah)
216 ISSN: 1693-6930 Nilai rata-rata Gree (G): G = i1 G G = 134,800 Nilai rata-rata Blue (B): B = i1 B B = 115,140 i i Nilai deviasi dari Gree G: S G = S G = 4,007 ( xi x) i1 Nilai deviasi dari Blue B: S B = S B = 4,228 2 ( xi x) i1 2 Sehigga didapatka ilai utuk rage RGB acua sebagai berikut: Red (R) = 159.394-167.667 159-168 Gree (G) = 130.793-138.807 131-139 Blue (B) = 110.912-119.368 111 119 Berdasarka hasil pegujia seleksi kemataga tomat megguaka program komputerisasi seperti ditujukka pada Tabel 2, sampel yag tidak sesuai dega keadaa maualya adalah sampel 12 da 39, sedagka sampel laiya dapat diidetifikasi secara bear. Dega demikia, persetase keberhasila purwarupa sistem seleksi kemataga buah 48 tomat yag diracag adalah x 100% = 96%, sehigga sistem seleksi kemataga buah tomat berbasis ilai RGB layak utuk diimplemetasika. 4. KESIMPULAN Telah berhasil dibagu sebuah purwarupa sistem seleksi kemataga tomat berbasis ilai RGB. Berdasarka hasil pegujia, persetase keberhasila purwarupa sistem seleksi kemataga buah tomat yag diracag mecapai 96%, sehigga sistem seleksi kemataga buah tomat berbasis ilai RGB layak utuk diimplemetasika. DAFTAR PUSTAKA [1] Achmad, B., da Firdausy, K., Tekik Pegolaha Citra Digital Megguaka Delphi, Ardi Publishig, Yogyakarta, 2005,. [2] García-Alegre, M.C., Ribeiro, A., Guiea, D., Cristóbal, G., Eggshell Defects Detectio Based o Color Processig, Istituto de Automática Idustrial, Spaish Coucil for Scietific Research, Madrid, Spai, 1997. [3] Kusumadewi, D.I., Aplikasi Pegolaha Citra Megguaka Metode Thresholdig utuk Deteksi Kerusaka Telur, Skripsi S-1, Uiversitas Ahmad Dahla, Yogyakarta, 2005. [4] Russ, J.C., The Image Processig Hadbook 4 Th Editio, CRC press LLC, 2002. [5], Buku Tahua Dias Pertaia: Produksi Paga, Dias Pertaia Kab. Idragiri Hilir, Riau, 2005. [6], http://www.situshijau.co.id-mediapertaia TELKOMNIKA Vol. 4, No. 3, Desember 2006 : 211-216