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.