1

Abstrak— Jeruk nipis banyak terdapat di Indonesia, buah ini termasuk buah yang spesial dalam budaya bangsa kita. Buah ini dapat ditemui dalam berbagai acara keagamaan. Selain itu buah ini juga sangat berguna dalam makanan dan obat-obatan. Buah jeruk nipis berwarna hijau menandakan belum masak, dan akan berubah menjadi kuning kecoklat-coklatan, bentuknya bulat sampai bulat telur berdiameter ± 3 - 6 cm. Ketebalan kulit buahnya ± 0.2 - 0.5 mm dan permukaannya memiliki banyak kelenjar. Computer vision digunakan untuk mengidentif ikasi citra, pemprosessan dan pencakupan keseluruhan pengambilan keputusan. Sehingga computer vision melibatkan banyak teknik dari pengolahan citra digital. Dalam TA ini teknologi computer vision digunakan untuk mendeteksi kematangan dan memilah jeruk nipis. Jeruk nipis yang akan dideteksi dan dipilah, diletakkan di atas ban berjalan. Computer vision akan mengenali jeruk yang sudah matang dengan cara mengenali perubahan warna jeruk menggunakan camera. Sebuah camera yang dipasang secara tetap di atas ban berjalan digunakan untuk mendeteksi kematangan jeruk nipis berdasar perubahan warna dan tekstur kulit.Setelah proses deteksi oleh kamera, sebuah selector yang diletakkan di akhir ban barjalan, digunakan untuk memilah jeruk nipis menjadi 2 katagori, yaitu matang dan busuk Kata kunci : pengolahan citra digital, computer vision, jeruk nipis

I.PENDAHULUAN elama ini dalam pemanenan dan penjualan hasil panen, petani jeruk nipis masih belum melakukan pemilahan mutu yang baik sehingga harga jual sangat rendah.

Sedangkan pedagang pengumpul dan industri makanan dan obat tradisional melakukan penyortiran mutu menggunakan prosedur analisa warna kulit secara visual mata manusia dan jumlah buah per kilogram dengan segala keterbatasannya. Berdasarkan hal tersebut maka diperlukan suatu metode yang dapat menjamin keseragaman mutu jeruk nipis. Tujuan umum dari penelitian ini adalah untuk menentukan mutu jeruk nipis secara non konvensional dengan pemanfaatan machine vision sebagai algoritma pengolahan citra digital. Pemakaian komputer vision sebagai eksekusi pengambilan jeruk nipis yang matang.

Permasalahan dalam proyek akhir ini adalah:

1. Bagaimana membuat pemprograman computer vision guna mengolah algoritma pengolahan citra digital .

2. Merancang alat guna m emilah hasil proses pengolahan citra digital.

Batasan masalah dalam pengerjaan proyek akhi r ini adalah sebagai berikut :

1. Menggunakan kam era WEBCam sebagai penangkap gambar

2. Sistem yang dibangun adalah berbasis computer 3. Mendeteksi kematangan jeruk nipis berdasar

perubahan warna. 4. Memilah jeruk nipis menjadi 2 katagori, yaitu matang

dan busuk. 5. Gambar diambil dalam posisi normal(tegak). 6. Pencahayaan ditempat sistem bekerja adalah tetap

atau tidak berubah-ubah 7. Pengerjaan dititikberatkan pada pengaplikasian

computer vision

II.TEORI PENUNJANG

Jeruk nipis dalam Famili Rutaceae, Genus Citrus dan species Citrus auranti folia Swingle. Adapun Jeruk nipis dikenal dengan nam a lain, yaitu: jeruk pecel, jeruk durga dan limau asam Jeruk nipis berasal dari daerah Indo- Malaya

Gambar 1.1 Bagian-bagian jeruk nipis

Buah jeruk nipis berwarna hijau menandakan belum masak, dan akan berubah menjadi kuning kecoklat-coklatan, bentuknya bulat sampai bulat telur berdiameter ± 3 - 6 cm. Ketebalan kulit buahnya ± 0.2 - 0.5 mm dan permukaannya memiliki banyak kelenjar. Konsumen sering menghakimi kematangan buah dengan warna. Warna permukaan dianggap sebagai perubahan parameter kualitas dengan kem atangan buah. Banyak buah tidak matang awalnya menunjukkan warna hijau permukaan

Oktaviano yudha N, Dr. Ir Djoko Purwanto M, Dr. T ri Arief Sardjono. ST. MT Jurusan Teknik Elektro FTI - ITS

APLIKASI KOMPUTER VISION UNTUK IDENTIFIKASI KEMATANGAN JERUK NIPIS

S

2

yang secara bertahap berubah menjadi warna kuning ketika mereka matang. Teksture permukaan (pori-pori ) buah juga menunjukkan seberapa matang buah tersebut. Pori-pori jeruk yang matang lebih besar dibandingkan dengan buah yang belum matang. Perubahan pola warna serupa dalam setiap kategori buah. Jika warna permukaan buah kategori dan waktu pemanenan dapat ditentukan, kita mampu mengembangan perangkat elektronik yang mampu mensortir buah. Dalam karya ini, dengan menerapkan teknik pengolahan citra digital kita bisa melakukan pemilihan terhadap buah j eruk nipis ini dengan kategori masak dan busuk. 2.1 Warna

Warna merupakan hasil persepsi dari cahaya dalam spektrum wilayah yang terlihat ol eh retina mata. Memiliki panjang gelombang antara 400nm sampai dengan 700nm. Warna terdapat 2 model warna, yaitu model warna berorientasi hardware dan berori entasi software.

Berikut ini adalah model warna yang berorientasi hardware:

- Model RGB (red, green, blue) untuk warna monitor dan warna pada kamera video.

- Model CMY (cyan, magenta, yellow) untuk model printer.

- Model YIQ , digunakan untuk standard televisi. Y berkoresponden dengan luminasi, I dan Q adalah dua komponen kromatik yang disebut inphase dan quarature.

Berikut ini adalah model warna berorientasi Software (hue,

saturation,brightness) adalah manipulasi :

1. Model HSV (hue, saturation, value). 2. Model HSI (hue, saturation, intensity). 3. Model HLS (hue, lightness, saturation).

Gambar 2.1 sepektrum warna

HSV merupakan kependekan dari Hue, Saturation, dan Value. Dimana karakteristik pokok dari warna tersebut adalah:

� Hue: menyatakan warna sebenarnya, seperti merah, violet, dan kuning dan digunakan menentukan kemerahan (redness), kehijauan (greeness), dsb.

� Saturation: kadang disebut chroma, adalah kemurnian atau kekuatan warna.

� Value : kecerahan dari warna. Nilainya berkisar antara 0-100 %. Apabila nilainya 0 m aka warnanya akan menjadi hitam, semakin besar nilai maka semakin cerah dan muncul variasi-variasi baru dari warna tersebut.

Disini saya memakai model warna RGB-HSV

mendefinisikan warna (Hue, Saturation dan Value). Keuntungan HSV adalah t erdapat warna-warna yang sama dengan yang ditangkap oleh indra manusia. Sedangkan warna yang dibentuk model lain seperti RGB merupakan hasil campuran dari warna-warna primer.

Pada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255. Untuk memberikan nilai warna tertentu digunakan kombinasi dari setiap warna red-green-blue mempunyai range nilai 00 (angka desimalnya adalah 0) dan ff (angka desimalnya adalah 255), atau mempunyai nilai derajat keabuan 256 = 28. Dengan demikian range warna yang digunakan adalah (28)(28)(28) = 224 (atau yang dikenal dengan istilah True-Color pada Windows). Nilai warna yang digunakan di atas merupakan gambungan warna cahaya merah, hijau dan biru. Sehingga untuk menentukan nilai dari suatu warna yang bukan warna dasar digunakan gabungan skala kecerahan dari setiap warnanya.

Gambar 2.2 Pencampuran warna Tabel 2.1 Tabel nilai intensitas warna

Warna R G B

Hitam 0 0 0

Merah 255 0 0

Hijau 0 255 0

Biru 0 0 255

Kuning 255 255 0

Magenta 255 0 255

Cyan 0 255 255

3

Putih 255 255 255

Abu-Abu 127 127 127

Orange 255 110 0

Ungu 128 0 255

Coklat 128 25 0

Pink 255 190 220

Navy 0 0 120

HSV merupakan kependekan dari Hue, Saturation, dan

Value. Dimana karakteristik pokok dari warna tersebut adalah: � Hue: menyatakan warna sebenarnya, seperti merah,

violet, dan kuning dan digunakan menentukan kemerahan (redness), kehijauan (greeness), dsb.

� Saturation: kadang disebut chroma, adalah kemurnian atau kekuatan warna.

� Value : kecerahan dari warna. Nilainya berkisar antara 0-100 %. Apabila nilainya 0 maka warnanya akan menjadi hitam, semakin besar nilai maka semakin cerah dan muncul variasi-variasi baru dari warna tersebut.

2.2 Motor Stepper

Motor Stepper adalah motor DC yang gerakannya bertahap (step per step) dan memiliki akurasi yang tinggi tergantung pada spesifikasinya. Setiap motor stepper mampu berputar untuk setiap stepnya dalam satuan sudut (0.75, 0.9, 1.8), makin kecil sudut per step-nya m aka gerakan per step-nya motor stepper tersebut makin presisi.

Untuk mengatur gerakan motor per step-nya dapat dilakukan dengan 2 cara berdasarkan simpangan sudut gerakannya yaitu full step dan half step [4].

Tabel 2.2. Motor Stepper dengan Gerakan Full Step

Step S3 S2 S1 S0 1 0 0 0 1

2 0 0 1 0 3 0 1 0 0 4 1 0 0 0

1 0 0 0 1 �

Tabel 2.3 Motor Stepper dengan Gerakan Half Step

Step S3 S2 S1 S0 1 0 0 0 1 2 0 0 1 1 3 0 1 0 0

4 0 1 1 0 5 0 1 0 0

6 1 1 0 0 7 1 0 0 0 8 1 0 0 1 1 0 0 0 1

2.3 Webcam

WebCam adalah sebuah kamera yang digunakan untuk mengambil objek gambar secara benar dan nyata yang dibutuhkan untuk image processing , obyek di depannya nantinya akan diambil kemudian diolah menjadi data-data yang diinginkan di dalam komputer.

III PERANCANGAN ALAT

Pada tugas akhi r ini sistem yang dirancang merupakan sistem pengenalan kematangan buah berdasarkan perubahan warna kulit dan dan teksture permukaan. Cara kerja dari keseluruhan sistem adalah: 1. Kamera/Webcam berfungsi sebagai media penangkap citra

yang selanjutnya akan diolah di dalam PC. 2. PC menerima citra yang ditangkap oleh webcam dan

diolah dengan mendeteksi bagian wajah yang ditemukan di dalam citra.

3. Citra kemudian diproses dilakukan pencocokan data/citra bentuk lain yang sudah disimpan.

4. Pencocokan data yang baru dengan data yg lama menghasilkan pengelompokan terhadap buah yang matang dan tidak matang.

5. Hasil dari pengolahan citra ini dikirim ke driver motor stepper yang befungsi sebagai penggerak semua system mekanik.

Gambar 3.1 Perancangan system

4

3.1 Perancangan sistem mekanik 3.1.1 Konveyor

Gambar 3.2 konveyor

Konveyor dan ban berjal an berdimensi panjang 150 cm , lebar 35 cm tinggi dan 30 cm.konveyor berfungsi sebagai pemercepat dan mempermudah proses perpindahan jeruk kepemilah.

Gambar 3.3 motor dc penggerak konveyor Konveyor ini menggunakan motor DC sebagai penggerak utama 3.1.2 Pengontrol Jalan buah Pengontrol buah agar jatuh satu persatu sehingga mudah dicapture

Gambar 3.4 Pengontrol buah 3.3.3 Pemilah buah

Pemilah Buah juga dikontrol dengan menggunakan motor stepper

Gambar 3.5 pemilah buah Alat ini berfungsi memilah buah mana yg matang dan tidak matang.

3.2 Perancangan hardware

Pada perancangan hardware akan dibuat sebuah

rangkaian driver motor stepper dengan input paralel dari komputer. Untuk kontrol motor stepper yang digunakan pada tugas akhir ini adalah dengan metode full step yang mana terdapat 4 (empat) kombinasi input agar motor dapat bergerak, seperti tabel dibawah ini.

Tabel 3. Motor Stepper dengan 4 kombinasi input Gerakan

Full Step

Step S3 S2 S1 S0

1 0 0 0 1

2 0 0 1 0

3 0 1 0 0

4 1 0 0 0

1 0 0 0 1

Untuk mendapatkan 4 (empat) kombinasi input yang

dapat mengerakkan motor stepper secara full step, terdapat beberapa komponen yang akan digunakan pada rangkaian driver motor stepper ini. Diantaranya adalah IC (integrated circuit) Updown counter (74ls191). Terdapat dua sinyal yang masuk, satu sinyal akan mengatur counter up/down dan sinyal lain yang disebut step akan mengurangi dan menambah counter dengan satu hitungan. Dan sekarang kita akan menggunakan output yang keluar dari IC Updown counter. Dengan output binary yang didapat dari IC 74ls191 terdapat 4(empat) kombinasi output dari counter yaitu, 00, 01, 10, 11. Selanjutnya output binary tersebut akan didekoderkan sehingga didapat 4 kombinasi output yang berbeda. Untuk mendekoderkan akan digunakan IC Four BCD to decimal decoder (74ls42). Karena output dari IC 74ls42 adalah aktif low, maka perlu ditambahi IC inverter (74ls04) untuk membalik nilai output menjadi aktif high. Selanjutnya output decoder akan mendrive FET IRF540 dan FET akan mendrive 4 pole dari motor stepper.

5

Gambar 5. Rangkaian jumper dan terminal supply

Gambar 6. Rangkaian port parallel dan regulator

Gambar 7. Rangkaian Updown counter (74ls191), BCD to decimal decoder (74ls42) dan inverter (74ls04)

Gambar 8. Rangkaian switch FET IRF540 terhubung ke 4 buah pole motor stepper

3.3 Perancangan software

Software yang digunakan adalah Microsoft visual Studio

2008 dengan fasiltas Emgu CV yang ada. Metode RGB & HSV yang digunakan adalah menggunakan fasilitas dari Emgu CV

Gambar HSV bisa didapatkan dari merubah dari gambar RGB menjadi gambar metode HSV. Dimana dari HSV ini dapat diambil nilai Hue-nya saja. Dimana nilai Hue-nya dapat menunjukkan nilai intensitas warna dan dipengaruhi dari intensitas cahaya. Pada proses scaning menggunakan prinsip rata-rata pada area luasan tertentu. Dimana luasan ini diambil datanya kemudian dilakukan rata-rata. Dengan mengunakan persamaan R = jumlah intensitas warna merah pada luasan area / luas area G = jumlah intensitas warna Hijau pada luasan area / luas area B = jumlah intensitas warna Biru pada luasan area / luas area Sehingga pada program Visual Studio akan dituliskan sebagai berikut:

hu = 0 sum1 = 0 sum2 = 0 sum3 = 0 For i = 100 To 144 For j = 145 To 189 bluecentre = ImgColor.Data(i, j, 0) greencentre = ImgColor.Data(i, j, 1) redcentre = ImgColor.Data(i, j, 2) huecentre = ImgHue.Data(i, j, 0) sum1 = sum1 + bluecentre sum2 = sum2 + greencentre sum3 = sum3 + redcentre hu = hu + huecentre Next Next avb = Math.Abs(sum1 / 2025) avg = Math.Abs(sum2 / 2025) avr = Math.Abs(sum3 / 2025) hue = Math.Abs(hu / 2025) bluecentre = avb greencentre = avg redcentre = avr hal ini dirasa penting dilakukan karena untuk mendapatkan hasil yang maksimal maka perlu dilakukan proses scanning pada luasan area tertentu. Selain itu perlu dilakukan proses inisialisasi untuk masing-2 jenis buah yang akan dilakukan proses scanning. Inisialisasi dilakukan baik untuk buah yang sudah matang maupun jenis jeruk yang masih mentah atau busuk. Hal ini penting dilakukan untuk mendapatkan hasil maksimal agar proses pendeteksian buah jeruk tidak terpengaruh oleh adanya intensitas cahaya dari luar yang mengganggu. Adapun proses inisialisasi nilai yang terbaca saat itu akan disimpan dalam variable tertentu yang tidak mempengaruhi yang lainnya. Adapun proses inisialisasi adalah seperti pada program di bawah :

If ProcessID = 2 Then green_matang = greencentre red_matang = redcentre

Vin1

GN

D2

+5V 3

U14LM7805CT

+ C2+ C1

+12V R1

RES1L ED1L ED

VCC

11421531641751861972082192210231124122513

J1

DB25

C1

D1

C2

D2

C3

D3

Enable

123

JP?

HEA DER 3

VCC

A1 5

B1 4

C1 3

D1 2

01

12

23

34

4 5

56

67

79

810

9 11

VCC1 6

GND8

U5

SN 74 LS42

1 2

VC

C14

GN

D7

U 9A

SN74 LS04

3 4

U 9B

SN7 4LS0 4

5 6

U 9C

SN7 4LS0 4

9 8

U 9D

SN7 4LS0 4

CTEN4

D/U5

CLK1 4

LOAD1 1

MAX /MIN1 2

RCO1 3

A1 5QA

3

B1

QB 2

C1 0 QC

6

D9

QD7

VCC1 6 G ND 8

U1

SN74 LS191VCC

VCC

D1C1

Enab le

VCC

VCC

1

2

3

4

123456

JP1

HEADER 6

+12V

D6DIODE

D8DIODE

D9DIO DE

D7DIODE

Q10I RF540N

Q5IRF540N

Q7I RF540N

Q4IRF540N

R2

RES1

1

2

3

4

12

JP4

HEADER 2

+12VD10

DIODE

6

Label8.Text = bluecentre Label9.Text = green_matang Label10.Text = red_matang Label20.Text = hue ProcessID = 1 End If If ProcessID = 3 Then green_busuk = greencentre red_busuk = redcentre Label15.Text = bluecentre Label16.Text = green_busuk Label17.Text = red_busuk Label22.Text = hue

ProcessID = 1

Setelah itu masuk ke proses pendeteksian dengan membandingkan nilai-nilai variable yang ada dengan nilai tertentu. Sehingga didapat sebuah nilai dan program seperti di bawah:

If bluecentre < 100 And 90 < greencentre And hue > 40 Then Label11.Text = "jeruk matang" ElseIf bluecent re < 100 And 100 < redcentre And hue < 33 Then Label11.Text = "jeruk busuk" Else : Label11.Text = " "

VI. PENGUJIAN DAN ANALISA DATA

4.1 PENGUJIAN HARDWARE

Pada pengujian hardware ini adalah pengujian terhadap driver motor stepper dengan menganalisa output yang dihasilkan dari rangkaian driver motor. Berikut data hasil respon output dari d river motor stepper setelah diberi input step.

Data di atas m erupakan respon output dari salah satu pole pada motor. Adapun data respon output dari keempat pole bisa dilihat pada tabel di bawah ini.

Tabel 4.1 Data respon output driver motor stepper arah maju

Arah Step S3 S2 S1 S0

0 (maju)

1 1 0 0 0 0

(maju) 2 0 1 0 0

0 (maju)

3 0 0 1 0 0

(maju) 4 0 0 0 1

0 (maju)

1 1 0 0 0

Tabel 4.2 Data respon output driver motor stepper arah mundur

Arah Step S3 S2 S1 S0

1 (mundur)

1 1 0 0 0 1

(mundur) 2 0 0 0 1

1 (mundur)

3 0 0 1 0 1

(mundur) 4 0 1 0 0

1 (mundur)

1 1 0 0 0

Data di atas merupakan data yang diperoleh dari gabungan sejumlah komponen IC Updown counter, IC decoder dan inverter. Berikut data yang diperoleh dari output tiap komponen.

Tabel 4.3 Data respon output updown counter(74ls191) arah

maju

Arah Step QB QA 0 (maju) 1 0 0 0 (maju) 2 0 1 0 (maju) 3 1 0 0 (maju) 4 1 1 0 (maju) 1 0 0

Tabel 4.4 Data respon output updown counter(74ls191) arah

mundur

Arah Step QB QA 1

(mundur) 1 0 0

1 (mundur)

2 1 1 1

(mundur) 3 1 0

1 (mundur)

4 0 1 1 1 0 0

Dari tabel didapat suatu output dari IC Updown

counter, yang mana jika input arah berlogika 0 maka data akan menjadi Up counter, sedangkan jika input arah berlogika 1 maka data akan menjadi Down counter, sebagaimana hasil dari output pada tabel di atas. Setelah didapat output respon dari IC Updown counter, selanjutnya data dimasukkan ke dalam dekoder. Pada tugas akhir ini dipakai dekoder 4 BCD to 10 decoder. Namun dari ke empat input BCD yang dipakai pada dekoder ini hanyalah dua input saja, karena hanya ada dua data keluaran dari IC Updown counter. Berikut data respon output dari dekoder.

Tabel 4.5 Data respon output decoder(74ls42) arah maju

Arah Step C B A

0 (maju) 1 1 0 0 0 1 1 1

0 (maju) 2 1 0 1 1 0 1 1

0 (maju) 3 1 1 0 1 1 0 1

0 (maju) 4 1 1 1 1 1 1 0

0 (maju) 1 1 0 0 0 1 1 1

Tabel 4.6 Data respon output decoder(74ls42) arah mundur

Arah Step C B A 1

(mundur) 1 1 0 0 0 1 1 1

7

1 (mundur)

2 1 1 1 1 1 1 0

1 (mundur)

3 1 1 0 1 1 0 1

1 (mundur)

4 1 0 1 1 0 1 1

1 (mundur)

1 1 0 0 0 1 1 1

Dari data keluran dari dekoder itulah yang nantinya

digunakan untuk mendrive FET sebagai switch yang terhubung kepada tiap pole dari motor. Karena keluaran dari dekoder merupakan akti f low, maka sebelum digunakan untuk mendrive FET terlebih dahulu dimasukkan ke dalam IC inverter untuk membalikkan nilai output dari dekoder. Sehingga didapat data sebagai berikut.

Tabel 4.7 Data respon output inverter (74ls04) arah maju

Tabel 4.8 Data respon output inverter (74ls04) arah mundur

Arah Step C B A 1

(mun1 1 0 0 1 0 0 0

1 (mun

2 1 1 1 0 0 0 1 1

(mun3 1 1 0 0 0 1 0

1 (mun

4 1 0 1 0 1 0 0 1

(mun1 1 0 0 1 0 0 0

Selanjutnya data inilah yang akan digunakan untuk

mendrive FET yang terhubung kepada tiap pole pada motor.

4.2 PENGUJIAN SOFTWARE Pengujian software dilakukan dengan langsung mem akai buah jeruk yang baru dipetik dari pohon dan buah yang sudah busuk.

Gambar 4. 1Tampilan program saat mendeteksi buah matang

Gambar 4. 2 Tampilan program saat mendeteksi buah busuk

Dari hasil pengujian didapat hasil sebagai berikut: Kondisi buah Jumlah buah

sample Analisa Keberhasilan

mengenali matang 10 8buah

dikenali matang

80%

busuk 10 7buah dikenali busuk

70%

random Matang 5 buah Busuk 5 buah

4buah busuk 4buah matang

80%

V. PENUTUP

KESIMPULAN Dari perancangan, realisasi, dan pengujian alat pada tugas akhir ini dapat disimpulkan beberapa hal seperti berikut ini: 1. Dari hasil percobaan didapat keberhasilan mengenali buah

matang sebesar 80% 2. Dari hasil percobaan didapet keberhasilan m engenali buah

busuk sebesar 70% 3. Perlu didukung dengan pengaturan pencahayaan ruangan

yang dijaga konstan. 4. Dari semua pengujian yang dilakukan didapat suatu hasil

yang hampir sesuai dengan yang dinginkan. Kebanyakan error dan kegagalan adalah diakibatkan minimnya tool dan masih kurang optimalnya mekanik system.

SARAN

Saran – saran yang dapat diberikan penulis untuk tugas akhir ini diantaranya adalah :

1. Alat ini sangat cocok sekali diperuntukkan kepada industry

menengah ke bawah maupun kalangan mahasiswa. 2. Alat yang didesain pada tugas akhir ini tentunya masih

banyak adanya ketidaksempurnaan, sehingga perlu adanya

Arah Step

C B A 0

(maju) 1 1 0 0 1 0 0 0

0 (maju)

2 1 0 1 0 1 0 0 0

(maju) 3 1 1 0 0 0 1 0

0 (maju)

4 1 1 1 0 0 0 1 0

(maju) 1 1 0 0 1 0 0 0

8

studi lanjut yang bisa lebih meminimalkan kekurangan yang ada pada alat ini

3. Perlu adanya studi lanjut tentang pemilihan metode yang paling tepat dibanding dengan metode yang tel ah dipakai pada tugas akhir ini.

DAFTAR PUSTAKA 1. Ina Agustina, Fauziah,” KONVERSI WARNA RGB KE HLS

MENGGUNAKAN C++”, Seminar Nasional Informatika 2009 (semnasIF 2009) UPN ”Veteran” Yogyakarta, 23 Mei 2009

2. _______<http://febripuguhpermana.blogspot.com/2011/03/konversi-color-space-rgb-hsv-dan-hsv.html> . diakses pada 15 juni 2011

3. _______, “Praktikum 9 color detection” <http://lecturer.eepis-its.edu/~nana/index_files/materi/ Prak_Citra/Prak9ColorDetection.pdf>, diakses pada 14 Juni 2011.

4. D. I. Amarasinghe and D. U. J. Sonnadara, “Surface colour variation of Papaya fruits with maturity”, Proceedings of the Technical Sessions, 25 (2009) 21-28, Institute of Physics – Sri Lanka

5. _______, “Motor stepper” <http://elektronika-elektronika.blogspot.com/2007/04/motor-stepper. html>,

RIWAYAT HIDUP PENULIS

Nama : Oktaviano yudha N Tempat/Tanggal Lahir : Lumajang/ 19 Oktober 1984 Alamat : Jln. Raya Jarit No.52 Candipuro.

Lumajang Telepon/Hp : 085746364691 E-mail : oktaviano_yudha@yahoo.co.id Hobi : Wisata Kuliner, Menggambar

,Touring Motto : Hidup harus penuh makna Riwayat Pendidikan : • SD Negeri 1 Pasirian Tahun 1991 – 1997 • SLTP Negeri I Pasirian Tahun 1997– 2000 • SMU Negeri I Lumajang Tahun 2000 – 2003

• Jurusan teknik Elektro ITS Tahun 2003 – 2011 Penulis mengikuti seminar Proyek Akhir, sebagai salah satu persyaratan untuk memperoleh gelar Sarjana. Email : oktaviano_yudha@yahoo.co.id

VIAN@elect-eng.its.ac.id