Analisis Kinerja Perangkat Lunak Pengolah Citra dengan Menggunakan Metode Crisp untuk Menentukan Kematangan Buah Manggis

Pendahuluan

Ada beberapa cara yang dapat dilakukan untuk proses pengklasifikasian buah manggis (Garcinia mangostana) berdasarkan tingkat kematangannya, antara lain dengan cara manual dan cara komputasi. Cara manual dilakukan berdasarkan pengamatan visual secara langsung pada buah yang diklasifikas, sedangkan cara komputasi dilakukan dengan pengamatan visual tidak langsung dengan menggunakan camera sebagai pengolah citra dari gambar yang direkam (image processing) untuk kemudian diolah dengan menggunakan perangkat lunak berbasis android. Citra gambar yang diolah berupa nilai dari warna merah, hijau, dan biru (R-Red,GGreen, and B-Blue = RGB). Selanjutnya ditentukan batasan kriteria dari masing-masing nilai warna RGB tersebut untuk menentukan tingkat kematangan buah manggis itu.

Pada perangkat lunak pengolah citra buah manggis yang sudah ada, proses analisis penentuan tingkat kematangan buah manggis dapat dilakukan dengan metode crisp ataupun metode fuzzy. Metode crisp atau metode himpunan tegas, adalah suatu metode yang digunakan untuk menekankan suatu keanggotaan pada satu variabel keanggotaan. Sedangkan metode fuzzy, menggunakan lebih dari satu variabel untuk mendapatkan suatu keputusan. Dari 3  warna RGB menurut hasil penelitian sebelumnya adalah hanya warna merah saja, sedangkan untuk metode fuzzy variabel yang digunakan adalah nilai warna merah dan hijau. Masing-masing metode yang digunakan diperkirakan memiliki kelebihan dan kekurangan. Oleh karena itu perlu diketahui metode manakah yang memiliki kinerja yang lebih baik untuk proses pengklasifikasian buah manggis dibandingkan dengan cara pengklasifikasian secara manual.

Tujuan penelitian ini adalah untuk melakukan analisis kinerja perangkat lunak pengolah citra dengan cara membandingkan beberapa metode pengolahan citra untuk pengklasifikasian buah manggis sehingga diperoleh metode yang paling sesuai untuk menentukan tingkat kematangan buah manggis.

Tinjauan Pustaka

I. Citra

Secara harfiah, citra (image) adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya menerangi objek, objek memantulkan kembali sebagai dari berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada manusia, kamera, pemindai (scanner), dan sebagainya .Sehingga bayangan objek yang disebut citra tersebut terakam.

II. Ekstraksi Fitur

Ekstraksi fitur adalah proses pengambilan histogram (dari warna) serta nilai mean dan standard deviasi (untuk fitur tekstur), baik dari gambar database maupun gambar query.

Tahap ini terdiri dari beberapa sub tahapan, yaitu:
1. Pengambilan nilai RGB tiap pixel yang kemudian langsung dikonversi ke HSV.
2. Kuantisasi warna dari yang semula berjumlah (360 x 255 x 255) atau 23409000 kemungkinan warna, diubah menjadi (4 x 4 x 4) atau 64 kemungkinan warna. Dengan cara ini, nilai H berkisar antara 0 sampai dengan 3, S berkisar antara 0 sampai dengan 3, dan V berkisar antara 0 sampai dengan 3.
3. Normalisasi.
4. Pembuatan HSV Histogram. Pada langkah ini juga dilakukan pembuatan Thumbnails yang berguna untuk menampilkan hasil pencarian dalam bentuk icon.

III. Metodologi Penelitian

Penelitian ini menggunakan pendekatan metode deskriptif yang dilakukan dengan cara membandingkan beberapa metode pengklasifikasian buah manggis yaitu, pengklasifikasian buah manggis secara manual oleh ahli dan pengklasifikasian dengan menggunakan metode crisp yang diaplikasikan pada perangkat lunak pengolah citra.

Tabel Kematangan Buah Manggis Menurut Hari Setelah Buah Manggis Dipetik.

Data dari Tabel tersebut akan dibuat 6 kelas kematangan menurut SPO manggis dari Departemen Pertanian, dengan ketentuan sebagai berikut :
Range data : 66,15
Jumlah Kelas : 7
Interval : 9,45

Dengan konsep klasifikasi metode crisp maka nilai kisaran warna untuk kelompok kelas menurut umur kematangan buah manggis akan terbagi menurut interval yang ada dengan tegas. Dengan demikian maka dari contoh visualisasi fitur warna merah hasil olah citra dengan metode crisp akan mengelompok seperti pada Tabel dibawah ini.

Tabel Kematangan Buah Manggis Menurut Hari Setelah Buah Manggis Dipetik.

Implementasi Sistem

Sistem program utama yang akan dibuat berbasis Android dengan bahasa pemrogaman Java menggunakan Android Studio ddengan Library OpenCV. Sebelum membuat program utama, perlu dibuat variabel sebagai penyimpanan data yang digunakan untuk mengelompokkan fitur warna merah sebagai penentu kematangan buah manggis yang akan diproses.

Berikut tampilan aplikasi untuk menentukan kematangan buah manggis :

Tampilan Splash Screen Aplikasi.

Tampilan Halaman Utama Aplikasi.

Pada halaman utama terdapat menu Analyze untuk menganalisasi kematangan buah manggis, kemudian sample yang berisi informasi mengenai kelas kematangan manggis.

Halaman Deteksi Kematangan Buah Manggis.

Pada halaman ini secara otomatis akan membuka kamera, setelah itu arahkan kamera ke buah manggis. Setelah itu sentuh buah manggis yang akan di cek kematangannya. Maka secara otomatis akan ada notif kelas kematangan buah.

Tampilan Informasi Kematangan Buah Manggis.

Pada halaman ini tersedia informasi mengenai kelas kematangan buah manggis.

Pengujian Sistem

Dalam penelitian ini tahap pengujian sistem akan dilakukan dengan melakukan pengujian terhadap 6 citra yang berekstensi. Dari 6 data citra tersebut akan dicari nilai parameter warnanya. Citra manggis akan diambil nilai warna merahnya kemudian akan diseleksi kelas kematangannya. Tabel hasil deteksi berdasarkan nilai warna merah Tabel berikut :

Hasil Deteksi Kematangan Manggis.

Dari tabel diatas dapat disumpulkan bahwa aplikasi ini mempunyai keakuratan sebesar 33% dengan metode percobaan sebanyak 6 kali, akan tetapi ketidak akuratan aplikasi tersebut hanya akan meleset beberapa kelas.

Kesimpulan

Berdasarkan uraian di atas dapat ditarik beberapa kesimpulan sebagai berikut :

1. Penggunaan metode crisp untuk melakukan pengklasifikasian buah manggis dengan bantuan perangkat lunak pengolah citra (image processing) layak untuk digunakan, akan tetapi penggunaan metode crisp memiliki hasil yang mendekati standar pengujian secara manual.
2. Kapasitas pengklasifikasian buah manggis beradasarkan waktu operasi baik dengan menggunakan metode crisp dan manual. Sehingga dari kedua metode tersebut penggunaan metode crisp memiliki hasil mendekati baik untuk digunakan dalam perangkat lunak pengolah citra buah manggis.

Saran

Penelitian ini masih jauh dari kata sempurna, karena itu saran dan kritk sangant diperlukan demi memajukan penellitian ini. Adapaun saran-saran yang dapat digunakan untuk mengembangkan penelitian ini sebagai berikut :

1. Perlu dilakukan penelitian lebih lanjut dalam metode ekstraksi ciri. Mungkin dapat ditambah parameter contrast, saturation, dan inverse different moment. Hal ini dapat diketahui parameter manakah yang lebih akurat untuk menghitung nilai dari warna secara lebih akurat.
2. Perlu dilakukan pengidentifikasian untuk objek yang di proses benar-benar buah manggis, karena pada aplikasi tersebut belum dapat mengidentifikasi apakah objek zang diproses adalah manggis atau bukan manggis.

Daftar Pustaka

1. Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Graha Ilmu. Yogyakarta.
2. Raji, O. O.A. Alamutu. 2005. Prospects Of Computer Vision Automated Sorting Systems In Agricultural Process Operations In Nigeria. Agricultural Engineering International: the CIGR Journal of Scientific Research and Development”. Vol. VII. Invited Overview. February 2005.
3. Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan pendekatan Algoritmik. Bandung : Informatika.
4. Zakiyah, Farah, “Pengelompokan Gambar Berdasarkan Warna dan Bentuk Menggunakan FGKA Clustering”, Jurusan Teknik Informatika, Politeknik Elektronika Negeri Surabaya - Institut Teknologi Sepuluh Nopember, Juli 2010.