Pengukuran Properti Fisik Daun Menggunakan Sistem Visi Komputer untuk Pemantaun Pertumbuhan Tanaman: Laporan Akhir Penelitian Kompetitif Penelitian Terapan

Siswantoro, Joko and Savitri, Wina Dian (2019) Pengukuran Properti Fisik Daun Menggunakan Sistem Visi Komputer untuk Pemantaun Pertumbuhan Tanaman: Laporan Akhir Penelitian Kompetitif Penelitian Terapan. Project Report. Universitas Surabaya, Surabaya. (Unpublished)

[thumbnail of Laporan akhir penelitian Internal (Penelitian Terapan) Ubaya 2018 Joko.pdf] PDF
Laporan akhir penelitian Internal (Penelitian Terapan) Ubaya 2018 Joko.pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Properti fisik daun memainkan peran yang sangan penting dalam menentukan potensi yield suatu tanaman, memantau pertumbuhan tanaman, dan mendeteksi terjadinya stress pada tanaman. Secara konvensional luas daun dapat diukur menggunakan metode Grid Counting atau metode Paper Wieghing. Kedua metode ini sangat sederhana tetapi cukup memakan waktu dan keakuratannya sangat bergantung pada keahlian pengguna. Beberapa peneliti telah mengusulkan metode alternatif untuk pengukuran luas daun baik secara semi otomatis maupun sepenuhnya otomatis. Pengukuran luas daun secara semi otomatis biasanya didahului dengan mengukur panjang dan lebar daun secara manual. Kemudian panjang dan luas daun beserta berbagai kombinasi dari kedua kuantitas tersebut digunakan sebagai input pada model matematika untuk memprediksi luas daun. Sistem visi komputer (SVK) merupakan alternatif lain yang dapat digunakan untuk mengukur luas daun secara otomatis berdasarkan teknik pengolahan citra digital. Biasanya citra daun yang akan diukur luasnya ditangkap bersama dengan objek referensi yang diketahui luas sebenarnya. Citra yang ditangkap diolah untuk mendapatkan citra biner. Luas daun kemudian dihitung dari perbandingan jumlah piksel objek daun dan jumlah piksel objek referensi pada citra biner dikalikan dengan luas objek referensi. Penggunaan objek referensi ini dapat menjadi masalah pada saat segmentasi dan akan berpengaruh pada keakuratan hasil pengukuran. Lebih lanjut jika posisi objek referensi tidak sebidang dengan daun yang diukur maka hasil pengukuran yang diperoleh juga tidak akurat. Selain itu SVK untuk pengukuran luas daun yang telah diusulkan sebelumnya tidak dilengkapi dengan fasilitas untuk menentukan properti fisik daun lainya, seperti panjang, lebar, dan keliling, serta belum diaplikasikan untuk mengklasifikasikan pertumbuhan tamanan. Untuk menghindari permasalahan yang terjadi akibat penggunaan objek referensi, penggunaan parameter intrinsik dan ekstrinsik kamera dapat dipertimbangkan sebagai penggati objek referensi untuk mengkonversi satuan luas. Parameter-parameter tersebut dapat diperoleh dengan melakukan kalibrasi kamera sebelum penangkapan citra. Dengan menggunakan parameter-parameter kamera kotak pembatas daun pada sistem koordinat citra dapat ditransformasikan kembali ke sistem koordinat dunia nyata dan dapat digunakan sebagai referensi untuk mendapatkan luas daun. Saat ini di pasar tersedia leaf area meter dengan berbagai tipe dan spesifikasi. Selain dapat digunakan untuk mengukur luas daun alat ini juga dapat digunakan untuk mengukur properti fisik daun lainya. Namun harga alat ini sangat mahal di Indonesia. Pada penelitian ini dikembangkan sebuah metode untuk mengukur luas daun dan properti fisik daun lainnya yang cepat, akurat, dan murah serta dapat diaplikasikan untuk mengklasifikasikan pertumbuhan tanaman menggunakan SVK. Hasil eksperimen menunjukkan bahwa metode pengukuran properti fisik daun yang dikembangkan mempunyai keakuratan yang tinggi dengan maksimum rata-rata kesahalan mutlak 2.27% pada pengukuran 30 sampel daun. Selain itu metode yang dikembangkan juga sangat efisien dari segi waktu komputasi jika dibandingkan dengan pengukuran secara manual. Waktu yang diperlukan untuk mengukur semua properti fisik sebuah sampel daun secara bersama-sama adalah sekitar 0.05 detik. Selain itu pada eksperimen klasifikasi pertumbuhan tanaman berdasarkan properti fisik daun diperoleh hasil bahawa akurasi klasifikasi pertumbuhan tanaman paling baik sebesar 98.95% diperoleh menggunakan jaringan syaraf tiruan dengan 3 neuron pada lapisan tersembunyi.

Item Type: Monograph (Project Report)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering > Department of Informatic
Depositing User: Joko Siswantoro
Date Deposited: 29 Jul 2020 02:23
Last Modified: 24 Mar 2021 16:25
URI: http://repository.ubaya.ac.id/id/eprint/37944

Actions (login required)

View Item View Item