perkembangan teknologi pengolahan citra

ABSTRAK

Buah manggis merupakan salah satu buah yang prospektif untuk ekspor. Mutu buah manggis ditentukan oleh berbagai parameter diantaranya adalah parameter tingkat ketuaan dan kematangan (indeks warna) serta ukuran. Penelitian ini bertujuan untuk mengembangkan cara sortasi tanpa merusak (non destructive test) untuk tingkat ketuaan dan kematangan manggis menggunakan pengolahan citra dan jaringan syaraf tiruan. Pengolahan citra dikembangkan berdasarkan umur petik dan warna buah. Sebuah CCD kamera dengan penangkap citra digunakan untuk menangkap citra pada resolusi 256 x 192 pixel. Dari data pengolahan citra kemudian diolah menggunakan jaringan syaraf tiruan (JST) dengan konstanta momentum 0,8, dan fungsi aktivasi 1 serta dilatih sampai 10000 iterasi pada lapisan tersembunyi 3, 6, 9, 12 dan 15 simpul lapisan tersembunyi. Hasil penelitian menunjukkan nilai JST yang paling ideal untuk memprediksi ketuaan dan kematangan manggis adalah menggunakan parameter hasil pengolahan citra sebagai data masukan (area, hue, saturasi, intensitas, kontras, homogenitas, entropi dan energi) dan dapat menentukan ketuaan dan kematangan manggis dengan tingkat keakuratan yang tinggi (93,7%).

Kata kunci : manggis, algoritma, mutu, pengolahan citra, jaringan syaraf tiruan

Teknik pengolahan citra telah banyak dipergunakan dalam bidang pertanian antara lain penentuan jenis cacat biji kopi, pemutuan edamame, pemeriksaan mutu karet RSS, pemutuan buah mangga, identifikasi tingkat ketuaan dan kematangan jeruk lemon dan manggis.
Sofi’i dkk (2005) melakukan penelitian dengan menggunakan teknik pengolahan citra untuk mengetahui cacat kulit biji kopi yang dilakukan dengan menggunakan bahasa pemrograman Visual Basic 6.0. Masukan dari program pengolahan citra adalah frame foto dari berbagai jenis cacat kopi dan kode-kode biner jenis cacat yang telah ditentukan terlebih dahulu. Keluaran program pengolah citra adalah data-data numerik seperti luas, panjang, roundness, compactness, indeks merah, indeks hijau, indeks biru, hue (corak), saturasi, dan intensitas. Selanjutnya data keluaran tersebut digunakan sebagai data training untuk program training ANN (Artificial Neural Network). Dari penelitian telah dibangun 2 model ANN untuk pendugaan 26 jenis cacat biji kopi. Model pertama dengan 10 parameter penduga yaitu luas, panjang, roundness, compactness, indeks merah, indeks hijau, indeks biru, hue (corak), saturasi, dan intensitas dengan akurasi rata-rata sebesar 72,6% dan model ke dua dengan 5 parameter penduga yaitu luas, panjang, roundness, saturasi, dan intensitas dengan akurasi rata-rata 68,2%. Namun beberapa jenis cacat sulit dikenali karena tidak dapat dibedakan dengan nilai parameter penduga yaitu rata-rata nilai indeks merah, indeks hijau, indeks biru, hue, saturasi, dan intensitas yang serupa.
Penelitian dengan menggunakan teknik pengolahan citra juga dilakukan dalam pemutuan hasil pertanian. Soedibyo dkk (2006) melakukan penelitian dengan teknik pengolahan citra untuk menentukan mutu edamame. Pengolahan citra yang dilakukan dalam penelitian ini memiliki dua tahap yaitu tahap pertama yang bertujuan melakukan analisa citra untuk menentukan parameter mutu berupa panjang polong, area polong, perimeter, area cacat, indeks merah (r) dan indeks hijau (g). Tahap yang kedua bertujuan melakukan analisa parameter mutu dan sekaligus menunjukkan kelas mutu dari sampel yang dianalisis. Proses perekaman citra dilakukan dengan menggunakan webcam yang dihubungkan dengan komputer. Program pengolahan citra yang digunakan dibuat dengan menggunakan bahasa pemrograman Borland Delphi 7.
Ahmad dkk (2004) juga melakukan penelitian dengan teknik pengolahan citra untuk menentukan mutu mangga. Dalam penelitian ini, pengolahan citra dilakukan secara langsung setelah pengambilan citra dilakukan tanpa perlu menyimpannya terlebih dahulu (real time). Pengambilan data dilakukan pada tiap contoh yang meliputi data area, intensitas warna yang ditandai dengan indeks RGB, dan empat macam fitur tekstur (kontras, homogenitas, energi, dan entropi) untuk setiap tingkatan kelas mutu yang berbeda. Algoritma pengolahan citra meliputi pengambilan citra, penyimpanan citra, binerisasi berdasarkan nilai threshold tertentu, labeling atau penandaan obyek, perhitungan area, penentuan titik tengah obyek, perhitungan indeks RGB dan perhitungan fitur tekstur.
Ahmad dkk (2006) juga melakukan penelitian dengan menggunakan teknik pengolahan citra dalam pemeriksaan mutu karet asapan. Dari penelitian yang sudah dilakukan dapat diambil kesimpulan yaitu karakteristik warna permukaan karet asapan atau ribbed smoke sheet (RSS) yang dianalisis menggunakan pengolahan citra dapat digunakan sebagai parameter mutu untuk keperluan sortasi dan pemutuan karet RSS berdasarkan warna. Indeks warna biru dari model RGB dapat digunakan untuk mengklasifikasikan mutu RSS dengan kesesuaian yang cukup tinggi.
Pengolahan citra juga dapat digunakan untuk mengidentifikasi tingkat ketuaan dan kematangan hasil pertanian. Damiri dkk (2004) melakukan penelitian dengan menggunakan teknik pengolahan citra untuk mengidentifikasi tingkat ketuaan dan kematangan jeruk lemon (Citrus Medica). Pengolahan citra dilakukan dengan menggunakan bahasa pemrograman Visual Basic 6.0. Pengukuran yang dilakukan dengan metode pengolahan citra adalah pengukuran area, roundness, pengukuran intensitas warna serta pengukuran fitur tekstur. Pengukuran area dan roundness dilakukan dengan cara mengubah citra warna menjadi citra biner dengan tujuan membedakan obyek dengan latar belakangnya. Citra kemudian dianalisis faktor bentuknya yang dinamakan roundness. Area obyek dihitung dengan cara menghitung jumlah piksel obyek yang berwarna putih. Intensitas warna yang diukur adalah merah, hijau, dan biru (RGB). Model warna yang digunakan adalah model warna RGB dan HSI. Fitur obyek yang dianalisa adalah energi, kontras, homogenitas, serta entropi.
Prianggono dkk (2005) juga melakukan penelitian dengan menyusun algoritma pengolahan citra untuk mendeteksi jeruk lemon (Citrus Medica). Penelitian ini bertujuan untuk mempelajari, mengkaji, dan menganalisis karakteristik sinyal-sinyal warna dalam model warna RGB dan HSI dari citra buah jeruk lemon 120 hari setelah bunga mekar dan latarnya sehingga didapatkan parameter warna yang dapat digunakan sebagai sarana untuk memisahkan antara buah jeruk lemon dan latarnya. Dari hasil pembacaan citra berwarna dengan program bahasa C, maka didapat informasi nilai RGB (merah, hijau, dan biru) pada tiap piksel citra tersebut. Nilai ini kemudian diolah untuk mendapatkan nilai indeks RGB dan model HSI yang selanjutnya digunakan untuk keperluan analisis. Dari hasil analisis pada tiap titik piksel obyek dan latar maka bisa didapat perkiraan nilai yang sesuai untuk digunakan sebagai sarana pemisah citra obyek dan latar belakang. Pemisahan dikatakan berhasil jika citra biner buah jeruk lemon hasil thresholding dengan algoritma yang dikembangkan telah terpisah dengan citra biner latarnya.
Penelitian dengan menggunakan teknik pengolahan citra juga dilakukan oleh Nurhasanah dkk (2005) untuk mengidentifikasi tingkat ketuaan dan kematangan manggis. Citra manggis dalam berbagai tingkat ketuaan atau kematangan diambil dengan menggunakan kamera. Pengolahan citra dilakukan secara real time meliputi perhitungan luas, indeks RGB dan HSI serta empat komponen tekstur. Pengukuran intensitas warna diukur dengan menggunakan model warna RGB dan HSI. Nilai RGB dan HSI merupakan rata-rata dari semua nilai RGB dan HSI dari obyek. Pengukuran tekstur dilakukan dengan menggunakan empat feature yaitu energi, kontras, homogenitas dan entropi.


Daftar Pustaka

Ahmad, U, Subrata, D.M, dan Gunayanti, S. 2004. Pemutuan Buah Mangga Berdasarkan Penampakannya Menggunakan Pengolahan Citra. Jurnal Keteknikan Pertanian. Vol 18 No.1.
Ahmad, U, Riadi, F, dan Subrata, D.M. 2006. Pemeriksaan Mutu Karet RSS Menggunakan Pengolahan Citra. Jurnal Keteknikan Pertanian. Vol 20 No. 3.
Damiri, D.J, Ahmad, U, dan Suroso. 2004. Identifikasi Tingkat Ketuaan dan Kematangan Jeruk Lemon (Citrus Medica) Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan. Jurnal Keteknikan Pertanian, Vol 18 No.1 April 2004.
Nurhasanah, A, Suroso, dan Ahmad, U. 2005. Identifikasi Tingkat Ketuaan dan Kematangan Manggis Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan. Jurnal Keteknikan Pertanian. Vol 19 No. 3.
Prianggono, J, Seminar, K.B, Purwadaria, H.K, Ahmad, U, dan Subrata, D.M. 2005. Algoritma Pengolahan Citra Untuk Deteksi Jeruk Lemon (Citrus Medica) Menggunakan Kamera Online. Jurnal Keteknikan Pertanian. Vol 19 No. 3.
Soedibyo, D.W, Subrata, D.M, dan Ahmad, U. 2006. Pemutuan Edamame Menggunakan Pengolahan Citra dan Jaringan Syaraf Tiruan. Jurnal Keteknikan Pertanian. Vol 20 No. 3.
Sofi’I, I, Astika, W, dan Suroso. 2005. Penentuan Jenis Cacat Biji Kopi Dengan Pengolahan Citra dan Artificial Neural Network. Jurnal Keteknikan Pertanian. Vol 19 No. 2.