Penerapan Hue, Saturation, Value (HSV) dengan Sobel dalam Segmentasi Citra Digital untuk Deteksi Kematangan Tomat.
DOI:
https://doi.org/10.53513/jursi.v4i6.12383Keywords:
Klasifikasi, Kematangan Tomat, Pengolahan Citra Digital, High-Pass Filtering, SobelAbstract
Klasifikasi tingkat kematangan buah tomat secara manual sering menghasilkan penilaian yang tidak konsisten, yang dapat menimbulkan kerugian ekonomi dalam industri pertanian. Maka dari itu diperlukan sistem yang dapat menggabungkan ilmu pengolahan citra digital dalam penilaian kematangan tomat. Metodologi yang digunakan mencakup digitalisasi gambar melalui penangkapan citra tomat lewat kamera secara real time. Selanjutnya dilakukan preprocessing menggunakan teknik high-pass filtering untuk penajaman citra dan peningkatan kontras. Setelah itu dilakukan transformasi nilai warna dari RGB (red/merah, green/hijau, blue/biru) ke HSV (Hue/warna dasar, saturation/saturasi, value/nilai warna) untuk uji coba analisis warna dan juga deteksi tepi menggunakan operasi sobel. Warna dan tepi tersebut akan menciptakan segmentasi untuk menjadi acuan klasifikasi tomat. Untuk menguji lebih jauh dalam akurasi segmentasi dengan HSV, maka dilakukan perbandingan terhadap model segmentasi dengan RGB dan juga simulasi kualitas kamera rendah menggunakan noise dan blurring. Kombinasi teknik deteksi tepi dan segmentasi berbasis HSV akan memberikan akurasi 54,7% sementara segmentasi berbasis RGB dengan akurasi 72%. Akurasi juga akan menurun ketika jarak antara objek dan kamera semakin panjang. Hasil luaran dari konsep HSV adalah hasil klasifikasi tomat dari tomat mentah, tomat hampir matang dan tomat matang yang ditampilkan pada pemograman web yang dibangun menggunakan arsitektur HTML(Hypertext Markup Language) dan JavaScript.
References
A. W. Damar, D. P. Almeyda, I. M. M. Putra, and L. Maliahatuningrum, “Analisis Perbandingan Metode Pra Pemrosesan Citra untuk Deteksi Tepi Canny pada Citra Berbagai Kondisi Jalan menggunakan Bahasa Pemrograman Python,” Jurnal Teknologi dan Ilmu Komputer Prima (JUTIKOM), vol. 7, no. 1, pp. 24–33, Apr. 2024.
S. Aras, P. Tanra, dan M. Bazhar, "Detection of Tomato Fruit Ripeness Level Using YOLOv5," MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 623–628, Apr. 2024. https://doi.org/10.57152/malcom.v4i2.1270.
H. Firdaus, F. Farizi, R. A. Syakur, A. T. Ramadhan, dan P. Rosyani, "Deteksi Tingkat Kematangan Buah Tomat Menggunakan Pengolahan Citra Dengan OpenCV dan Python," BIN: Bulletin of Informatics, vol. 2, no. 1, pp. 130–136, Jul. 2024. https://ojs.jurnalmahasiswa.com/ojs/index.php/bin/article/view/342/105.
N. I. Humaira, R. B. Andriani, and D. D. Pranowo, "Klasifikasi Tingkat Kualitas dan Kematangan Buah Tomat Menggunakan Metode Jaringan Syaraf Tiruan (JST)," Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, pp. 45–53, 2021.
M. Harim, H. A. T. Murni, dan R. A. Saputra, “Segmentasi Citra Telapak Tangan Menggunakan Deteksi Tepi Prewitt, Sobel, Roberts, dan Canny,” Jurnal Informatika Merdeka Pasuruan (JIMP), vol. 8, no. 1, pp. 1–7, 2023.
S. Abdullah, W. A. Kusuma, dan S. H. Wijaya, "Prediksi protein-protein interaction berbasis sekuens protein menggunakan fitur autocorrelation dan machine learning," Jurnal Teknologi dan Sistem Komputer, vol. 10, no. 1, pp. 1–11, 2022. doi: 10.14710/jtsiskom.2022.13984, https://jtsiskom.undip.ac.id.
A.C.Bergstrom, D.Conran, dan D.W.Messinger, “Gaussian Blur and Relative Edge Response,” arXiv preprint, arXiv:2301.00856, Jan.2023. doi:10.48550/arXiv.2301.00856.
A. Arnita, F. Marpaung, F. Aulia, N. Suryani, dan R. C. Nabila, Computer Vision dan Pengolahan Citra Digital, A. B. Surya, Ed. Surabaya, Indonesia: Pustaka Aksara, 2022. ISBN: 978-623-8230-27-3.
K. A. N., Ekstraksi Warna Objek menggunakan Segmentasi Citra dan HSV, Institut Teknologi Bandung, 2019. https://informatika.stei.itb.ac.id/~rinaldi.munir/Citra/2019-2020/Makalah2019/13516108.pdf.
A. R. Smith, “Color gamut transform pairs,” ACM SIGGRAPH Computer Graphics, vol. 12, no. 3, pp. 12–19, Aug. 1978. https://dl.acm.org/doi/10.1145/965139.807361.
B. K. Shah, V. Kedia, R. Raut, S. Ansari, dan A. Shroff, “Evaluation and Comparative Study of Edge Detection Techniques,” IOSR Journal of Computer Engineering (IOSR-JCE), vol. 22, no. 5, ser. III, pp. 06–15, Sep.–Oct. 2020.
I. Sobel, “History and Definition of Sobel Operator,” Scribd, 2014. https://id.scribd.com/document/271811982/History-and-Definition-of-Sobel-Operator.
M. Oni, B. Kanata, dan D. Ratnasari, “Menentukan Luas Objek Citra dengan Teknik Segmentasi Berdasarkan Warna pada Ruang Warna HSV,” Dielektrika, vol. 8, no. 2, pp. 137–146, Agustus 2021.
A. Rosenfeld and A. C. Kak, Digital Picture Processing, illustrated ed. New York, NY, USA: Academic Press, 1976.
N. I. Humaira, M. Herman, N. Nurhikma, dan A. B. Kaswar, “Klasifikasi Tingkat Kualitas dan Kematangan Buah Tomat Berdasarkan Fitur Warna Menggunakan Jaringan Syaraf Tiruan,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), vol. 10, no. 2, pp. 79–86, Mei 2021. [Online]. Vol02-1-20329-49809-1-SM.
H. Wijaya, A. Marzuki, and S. Sitanggang, “Identifikasi Karakteristik Citra Berdasarkan pada Nilai Entropi dan Kontras” Jurnal Ilmiah Teknik Informatika, vol. 6, no. 2, pp. 79–88, Jul. 2021.
G. D. Cahyo, N. A. Thobroni, T. P. Gusti, and R. Wulaningrum, "Penggunaan OpenCV untuk Segmentasi Cabai menggunakan Konversi RGB ke HSV," Seminar Nasional Teknologi & Sains (STAINS), vol. 4, no. 1, pp. 1–10, Jan. 2025, doi: 10.29407/cgkkfp10.
M. R. Qisthiano dan A. O. Pratiwi, “Deteksi Tepi pada Citra Objek Benda Menggunakan Algoritma Sobel dan Prewitt dengan Python,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 13, no. 2, pp. 45–52, 2025. [Online]. https://doi.org/10.23960/jitet.v13i2.6407.
A. F. Hastawan, R. Septiana, dan Y. E. Windarto, “Perbaikan Hasil Segmentasi HSV pada Citra Digital Menggunakan Metode Segmentasi RGB Grayscale,” Edu Komputika Journal, vol. 6, no. 1, pp. 1–8, 2019.
R. S. Firzanah, N. Z. Anugrani, Samsidar, I. A. Khalil, dan T. A. Ayyubi, “Implementasi Metode Thresholding untuk Segmentasi Citra Digital Kupu-Kupu dalam Lingkungan Pengembangan Visual Studio Code,” MAPLE: Mechatronics Journal in Professional and Entrepreneur, vol. 6, no. 1, Politeknik Bosowa, Juni 2024.
H. Pangaribuan dan S. Sitohang, “Peningkatan Kualitas Deteksi Tepi dengan Metode Segmentasi Citra,” Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 7, no. 1, pp. 1–8, Jan. 2023. doi: 10.33395/remik.v7i1.12050.
A. K. Panggabean, A. Syahfaridzah, dan N. A. Ardiningih, “Mendeteksi Objek Berdasarkan Warna dengan Segmentasi Warna HSV Menggunakan Aplikasi MATLAB,” METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi, vol. 4, no. 2, pp. 94–97, Okt. 2020. doi: 10.46880/jmika.Vol4No2.pp94-97.
N. K. Ibrahim, "Review on Region-Based Segmentation Using Watershed and Region Growing Techniques and their Applications in Different Fields," Journal La Multiapp, vol. 3, no. 5, pp. 241–249, 2022. doi: 10.37899/journallamultiapp.v3i5.714.
S. T. Damanik, A. Setiawan, T. Simanjuntak, A. A. Tumanggor, dan F. Ramadhani, “Analisis Deteksi Tepi untuk Mengidentifikasi Jenis Mobil,” Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika), vol. 14, no. 1, pp. 1–6, 2023. https://jurnal.ubl.ac.id/index.php/explore/article/view/3082.
F. M. Rafi’, “Segmentasi Jenis Kawasan pada Citra Satelit Daerah dengan Split and Merge berdasarkan Kluster Warna Piksel,” Makalah IF4073 Interpretasi dan Pengolahan Citra, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung, Mei 2022. https://informatika.stei.itb.ac.id/~rinaldi.munir/Citra/2021-2022/Makalah/Makalah_IF4073_Citra_2022%20(7).pdf
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
This work is licensed under a Creative Commons Attribution 4.0 International License.
