bab iii metodologi penelitian 3.1 deskripsi umum
TRANSCRIPT
13
BAB III
METODOLOGI PENELITIAN
3.1 Deskripsi Umum
Pada dasarnya metode otsu adalah metode untuk menentukan nilai thresholding
terbaik yang akan digunakan untuk segmentasi citra. Metode otsu menggunakan
algoritma serta perhitungan otomatis dengan mencari nilai variansi antar kelas
dengan nilai terendah untuk setiap nilai threshold pada citra grayscale. Dengan
adanya segmentasi dengan metode otsu yang membantu mencai nilai treshold
terbaik, maka nilai threshold terbaik untuk melakukan segmentasi tidak perlu lagi
dicari dengan perhitungan manual. Setelah dilakukan segmentasi dengan metode
otsu, melakukan penentuan luas sawah dan waktu panen padi dapat dilanjutkan.
Sedangkan ekstraksi warna RGB adalah pengambilan data warna RGB dengan
mengambil informasi nilai RGB pada seluruh piksel objek kemudian merata-
ratakan nilai RGB seluruh piksel objek sehingga didapatkan sebuah nilai RGB
hasil rata-rata objek. Nilai rata-rata RGB ini akan diubah dahulu menjadi nilai hue
sebelum dilakukan penentuan umur berdasarkan warna. Proses perubahan nilai
RGB ke nilai hue dilakukan untuk mempermudah proses penentuan umur
tanaman padi.. Ekstraksi warna ini nantinya digunakan untuk mendapatkan nilai
hue sawah padi untuk melakukan penentuan waktu panen padi yang menjadi
objek percobaan.
3.2 Diagram Alur Penelitian
Diagram alur penelitian adalah sebuah gambaran berupa alur kerja yang dibuat
penulis untuk menjabarkan keseluruhan aktivitas yang akan dikerjakan dalam
membangun sebuah program perhitungan luas sawah dan waktu panen padi secara
garis besar. Diagram alur penelitian memiliki tahapan kerja yang tersusun secara
sistematis sehingga hasil penelitian dapat memberikan hasil yang sesuai dengan
yang diharapkan. Berikut merupakan diagram alur penelitian yang akan dilakukan
penulis yang dapat dilihat pada Gambar 3.1
14
Gambar 3.1 Diagram Alur Penelitian
Pada Gambar 3.1. yang menggambarkan urutan-urutan pengerjaan yang akan
dilakukan peneliti selama penelitian, dimana terdapat 5 proses yang akan
dilakukan dari mulai hingga penelitian selesai.
3.2.1 Studi Literatur
Pada tahap studi literatur penulis mengumpukan informasi serta data sebanyak-
banyaknya yang berkaitan dengan penelitian yang dilakukan penulis untuk
dijadikan bahan acuan penelitiannya. Studi literatur yang digunakan sebagai
landasan teori diambil dari penelitian yang sudah ada melalui situs internet seperti
15
jurnal maupun e-book. Jurnal maupun buku yang digunakan sebagai acuan nanti
akan dicantumkan dalam daftar pustaka. Daftar pustaka bermanfaat sebagai bukti
bahwa penelitian ini memiliki bukti acuan yang valid.
3.2.2 Perancangan Program
Tahap perancangan program adalah tahap menjelaskan alur dan fungsi yang akan
digunakan pada penelitian ini. Gambar 3.2 adalah flowchart dari program yang
akan dibuat.
Gambar 3.2 Diagram alur rancangan pengolahan citra
16
Gambar 3.3 merupakan representasi dari alur kerja aplikasi yang dibuat
dengan bentuk flowchart.
3.2.2.1 Input Citra RGB
Pertama pengguna diharuskan untuk melakukan input citra RGB sawah yang akan
diproses. Untuk melakukan input citra pada matlab, digunakan syntax
Imread(i);
Nilai i berisi lokasi dan nama file beserta format data yang ingin digunakan
3.2.2.2 Konversi citra ke grayscale
Setelah menerima input dari user, hal petama yang akan dilakukan adalah
mengubah citra RGB menjadi citra grayscale dengan menggunakan syntax
Rgb2gray(i);
Perubahan dari citra RGB menjadi citra grayscale bertujuan untuk
menyederhanakan nilai piksel dari 3 nilai yaitu nilai red, green dan blue menjadi
nilai keabuan dengan range 0 – 255 hasilnya dapat dilihat pada Gambar 3.3
Gambar 3.3 Citra grayscale hasil pemrosesan
17
3.2.2.3 Segmentasi Thresholding Otsu
Sebelum melakukan segmentasi dengan menggunakan metode thresholding,
program akan menentukan nilai threshold optimal secara otomatis dengan
perhitungan otsu menggunakan syntax :
Level = Graythresh(grey);
Syntax ini melakukan perhitungan metode otsu pada citra grayscale dan kemudian
menyimpan nilai thresholding yand didapat ke dalam variabel level. Metode otsu
digunakan untuk menentukan nilai threshold yang optimal dengan menggunakan
rumus pada persamaan (6) untuk menentukan bagian yang merupakan objek dan
non-objek. Lalu dilakukan segmentasi citra dengan melakukan binerisasi pada
citra grayscale. Untuk melakukan binerisasi pada matlab menggunakan syntax :
Imbinarize(grey,level);
Fungsi ini mengubah objek menjadi putih dengan nilai piksel 1 dan non-objek
menjadi hitam dengan nilai piksel 0 pada citra grayscale berdasarkan nilai
threhshold pada variabel “level”. Hasil pemrosesan dapat dilihat pada Gambar
3.4.
Gambar 3.4 Hasil thresholding otsu
18
3.2.2.4 Preprocessing dengan Cropping Objek
Preprocessing data adalah proses melakukan perbaikan citra untuk
menghilangkan noise atau bagian-bagian yang tidak diperlukan pada gambar input
untuk diproses selanjutnya. Pada tahap preprocessing ini, citra biner hasil dari
thresholding ootsu akan dilakuan cropping atau pemotongan citra.
Gambar 3.5 Proses cropping pada citra
Cropping citra dilakukan semaksimal mungkin tanpa memotong gambar sawah
yang ingin dijadikan objek. Hal ini dilakukan untuk meminimalisir bagian-bagian
yang tidak diperlukan.
3.2.2.5 Filling Hole
Proses selanjutnya adalah proses filling hole untuk mengisi lubang-lubang yang
berada di dalam objek menggunakan fungsi :
Imfill(i,’holes’);
Proses filling hole yaitu mengisi lubang-lubang non-objek yang berada dalam
objek dengan tujuan untuk menghilangkan noise yang ada pada objek. Sehingga
tidak ada lagi celah piksel hitam di dalam area objek seperti pada Gambar 3.6.
19
Gambar 3.6 Hasil proses filling hole
3.2.2.6 Perhitungan Luas
Proses perhitungan luas dalam Gambar 3.2 berada di sebelah kiri percabangan
setelah proses filling hole dilakukan. Proses pertama yaitu itu menghitung jumlah
piksel yang ada pada objek dengan menggunakan fungsi.
sum (i(:) == 1);
Fungsi ini menghitung jumlah piksel yang bernilai 1 atau putih yang berada pada
citra biner. Kemudian jumlah piksel ini akan dikalikan dengan skala yang telah
dikalibrasikan dengan syntax :
Luas = vpa(ctr * 0,00153451 , 6);
Dimana ctr adalah jumlah piksel putih yang telah didapat sebelumnya lalu
dikalikan dengan skala kalibrasi yang tertulis pada bab 4.2 kemudian disimpan ke
dalam variabel bernama luas. Sehingga didapat luas sawah yang menjadi objek
penelitian dalam satuan meter persegi.
20
Gambar 3.7 Keluaran program perhitungan luas
3.2.2.7 Perhitungan Umur dan Waktu Panen Padi
Kemudian alur sebelah kanan pada Gambar 3.3 adalah alur untuk menentukan
waktu panen padi. Untuk melakukan pemrosesan penentuan waktu panen padi,
citra grayscale yang telah disegmentasi dengan metode otsu akan dikembalikan
kembali ke citra RGB. Namun hanya objeknya saja yang dikembalikan ke citra
RGB dengan menggunakan syntax :
maskedRgbImage = bsxfun(@times, i, cast(mask, 'like', i));
Syntax ini mengganti semua piksel putih menjadi warna yang sesuai dengan citra
aslinya namun latar belakang pada citra akan tetap hitam.
Gambar 3.8 Citra yang sudah dikembalikan ke RGB
21
Gambar 3.8 merupakan hasil pengembalian warna RGB ke dalam piksel putih.
Kemudian ekstraksi warna RGB pada objek dilakukan dengan menggunakan
rumus nomor 7 pada sub-bab 2.2.4. Dengan mengambil seluruh nilai warna RGB
pada objek kemudian dirata-ratakan nilainya sehingga didapatkan satu nilai RGB
untuk objeknya.
Lalu untuk penentuan umur padi, nilai RGB objek akan dirubah menjadi nilai hue
dengan menggunakan rumus nomor 12 pada sub-bab 4.1. Perubahan nilai RGB
menjadi nilai hue dilakukan untuk mempermudah proses penentuan umur. Proses
penentuan umur baru bisa dilakukan ketika program sudah mendapatkan nilai hue
rata-rata pada objek.
Penentuan umur dan waktu panen padi dilakukan dengan mencocokan nilai hue
objek dengan data hue padi yang telah didapat selama proses akuisisi data
sebelumnya. Setelah mendapatkan nilai umur padi, penentuan waktu panen
dilakukan dengan mengurangkan nilai waktu panen menggunakan rumus nomor 9
pada sub-bab 2.6 dimana umur panen padi ir64 yaitu 13 minggu setelah semai dan
umur padi yang diteliti didapat dari hasil keluaran program.
Gambar 3.9 Keluaran perhitungan luas program
Sehingga didapatkan umur padi dan waktu panen dalam satuan minggu yang
menunjukan berapa lama lagi padi layak untuk dipanen seperti pada Gambar 3.9
22
3.2.3 Akuisisi Data
Fase akuisisi data adalah fase dimana penulis mengumpulkan data berupa
luas sawah sebenarnya pada objek citra yang akan diuji dan data berupa warna
RGB sawah padi acuan dengan rentang setiap 2 minggu. Penulis mengambil
sendiri citra yang dibutuhkan dengan terjun langsung ke lokasi penelitian dan
lokasi data uji. Proses pengambilan citra dilakukan dengan menggunakan drone
tipe Dji Spark yang dimiliki penulis.
Gambar 3.10 Tampilan Aplikasi Remote Drone
Gambar 3.10 adalah tampilan dari Dji Go yaitu aplikasi remote controller untuk
drone tipe Dji Spark. Pengambilan data dilakukan dengan menggunakan drone
pada ketinggian 100 meter. Dari citra hasil tangkapan drone akan diambil nilai
RGB rata-rata sawah yang diteliti yang kemudian diubah menjadi nilai hue. Data
hue ini dikumpulkan dengan memfoto sebuah sawah dengan rentang intensitas
cahaya antara 70.000 – 113.000 Lux yang diukur menggunakan lux meter seperti
pada Gambar 3.11
Gambar 3.11 Alat Lux meter
23
Rentang cahaya 70.000 – 113.000 ini didapat dari pengukuran cahaya matahari di
Bandar Lampung dari tanggal 9 Januari – 20 Januari 2021 dengan mengukur nilai
lux setiap pukul 10.00, 11.00 dan 12.00 saat keadaan cahaya matahari tidak
tertutupi awan.
Tabel 3.1 Data pengambilan nilai lux
Tanggal Kondisi Langit Nilai Lux
10.00 WIB 11.00 WIB 12.00 WIB
9 Januari Tertutup awan 16.500 18.000 18.700
11 Januari Tidak tertutup awan 70.000 112.300 88.300
13 Januari Gerimis / hujan - - -
14 Januari Gerimis / hujan - - -
16 Januari Tidak tertutup awan 78.300 93.400 113.000
17 Januari Gerimis / hujan - - -
18 Januari Gerimis / hujan - - -
19 Januari Tertutup awan 18.700 19.300 28.100
20 Januari Tidak tertutup awan 93.800 104.100 109.800
Berdasarkan tabel 3.1 nilai lux minimum ketika kondisi langit tidak tertutup awan
terjadi pada tanggal 11 januari pukul 10.00 WB dengan nilai 70.000 lux.
Sedangkan nilai maximum ketika kondisi langit tidak tertutup awan didapat pada
tanggal 16 januari pukul 12.00 dengan nilai 113.000. Sehingga didapat rentang
penerangan cahaya yang digunakan penelitian antara 70.000 – 113.000 lux.
Pengambilan foto pada sawah dilakukan dari umur 5 minggu setelah semai hingga
waktu panen secara rutin setiap 2 minggu. Akuisisi data warna RGB padi ini
dilakukan karena penulis tidak menemukan jurnal atau data yang menyediakan
warna RGB padai berdasarkan umur yang diambil dengan ketinggian 100 meter
dari objek.
3.2.4 Pengujian Metode
Pada fase pengujian metode, pengukuran luas sawah dan waktu panen padi
dengan menggunakan metode otsu akan langsung diujicobakan dengan beberapa
citra sawah. Dengan syarat citra sawah diambil dengan menggunakan drone yang
memiliki kamera 12 Megapixel serta pengambilan gambar dilakukan dengan
posisi ketinggian drone 100 Meter dari objek yang difoto. Pengambilan gambar
24
dilakukan antara pukul 10.00 hingga 12.00 dengan keadaan memiliki intensitas
cahaya antara 70.000 – 113.000 lux. Pengujian dilakukan untuk menguji apakah
metode otsu dan ekstraksi warna dapat digunakan untuk menghitung luas sawah
serta waktu panen padi secara real time.
3.2.5 Analisa dan Laporan
Kemudian hasil pengujian dengan metode otsu yang telah dilakukan nantinya
akan dianalisis akurasinya dengan membandingkan data yang dihasilkan dengan
data real time yang didapat dari petani atau pihak yang berwenang. Lalu hasil
analisis akan dituliskan dalam bentuk laporan.