ANALISIS FOTO UDARA UNTUK EVALUASI KESUBURAN TANAMAN PADI PADA FASE VEGETATIF
RIZKY AIDIL PERDANA PUTRA
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR 2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Foto Udara untuk Evaluasi Kesuburan Tanaman Padi pada Fase Vegetatif adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Januari 2015
Rizky Aidil Perdana Putra NIM F14100056
ABSTRAK RIZKY AIDIL PERDANA PUTRA. Analisis Foto Udara untuk Evaluasi Kesuburan Tanaman Padi pada Fase Vegetatif. Dibimbing oleh LIYANTONO dan MOHAMAD SOLAHUDIN Foto udara menggunakan Unmanned Aerial Vehicle (UAV) telah banyak digunakan untuk beberapa aplikasi seperti melakukan foto udara untuk pemantauan banjir, pemantauan lalu lintas, dan banyak lagi tetapi penggunaan UAV untuk aplikasi di sektor pertanian masih jarang dilakukan. Tujuan dari penelitian ini adalah untuk mengembangkan multikopter dan menentukan kesuburan tanaman padi. Foto dianalisis dengan menggunakan program visual basic untuk menentukan tingkat warna daun di lahan. Tingkat warna daun diklasifikasikan berdasarkan Bagan Warna Daun (BWD), membedakan daun dengan warna hijau dari komposisi warna pada daun. Sebelum menggunakan pengolahan citra untuk foto udara, uji pelatihan dilakukan dengan menggunakan 10 sampel tiap tingkat BWD, diperoleh tingkat akurasi 100%. Tingkat warna daun dibagi menjadi empat kelas. Hasil validasi pengolahan citra menggunakan akurasi berbobot sebesar 95.040%. Kebutuhan urea di lapangan adalah 43.72 kg dan 43.74 kg berdasarkan foto udara dan BWD. Petani menggunakan 60 kg urea sebagai takaran pupuk, sehingga dengan menggunakan aplikasi foto udara bisa mengurangi 27.1% urea dan meningkatkan ketepatan pada aplikasi pemupukan. Kata Kunci : Bagan Warna Daun, Foto Udara, Multikopter, Padi
ABSTRACT RIZKY AIDIL PERDANA PUTRA. Aerial Photo for Fertility Evaluation of Rice Plants in Vegetative Phase. Supervised by LIYANTONO and MOHAMAD SOLAHUDIN Aerial photographs using Unmanned Aerial Vehicle (UAV) has been widely used for several applications such as doing aerial photography for several applications such as aerial flood monitoring, traffic monitoring, and much more. The use of UAV for applications in the agricultural sector is still rare. The purpose of this study is to develop multicopter and determine the fertility of rice plants. Photos was analyzed using visual basic program to determine the level of leaf color on the field. The leaf color level was classified based on Leaf Color Chart (LCC), distinguish the leaf by Green color from color composition in the leaf. Before using image processing for the aerial photos, training test do with using 10 sample for every level of LCC, obtained 100% accuracy rate to that program. The level of leaf color divided into four class. The validation results of image processing using weighed accusations of 95.040%. Requirement of urea in the field is 43.72 kg and 43.74 kg based on aerial photos and LCC, respectively. The farmer was apply 60 kg ureas in practical, therefore application of aerial photo could be reduce 27.1% of urea and increase the precision of fertilization application. Keywords: Aerial Photo, Leaf Color Chart, Multicopter, Rice plant
ANALISIS FOTO UDARA UNTUK EVALUASI KESUBURAN TANAMAN PADI PADA FASE VEGETATIF
RIZKY AIDIL PERDANA PUTRA
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik pada Departemen Teknik Mesin dan Biosistem
DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2015
Judul Skripsi : Analisis Foto Udara untuk Evaluasi Kesuburan Tanaman Padi pada Fase Vegetatif Nama : Rizky Aidil Perdana Putra NIM : F14100056
Disetujui oleh
Dr Liyantono, STP, MAgr Pembimbing I
Dr Ir Mohamad Solahudin, M Si Pembimbing II
Diketahui oleh
Dr Ir Desrial, M Eng Ketua Departemen
Tanggal Lulus:
PRAKATA Puji syukur kehadirat Allah Yang Maha Esa yang telah melimpahkan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan penelitian serta menyusun karya ilmiah yang berjudul “Analisis Foto Udara untuk Evaluasi Kesuburan Tanaman Padi pada Fase Vegetatif”. Terima kasih penulis ucapkan kepada Dr Liyantono, STP, MAgr dan Dr Ir Mohamad Solahudin, M.Si selaku pembimbing serta Dr Ir I Dewa Made Subrata, Magr sebagai dosen penguji yang telah banyak memberi saran, arahan, dan motivasi serta seluruh dosen dan teman-teman Teknik Bioinformatika yang telah membantu kepada penulis. Ungkapan terima kasih juga disampaikan kepada bapak, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya. Disamping itu, terima kasih penulis ucapkan kepada bapak Ucu selaku petani di sawah yang dijadikan sebagai lahan pengamatan yang telah membatu penelitian penulis. Terima kasih kepada Danang, Fajardo, Setio dan Made selaku rekan bimbingan atas bantuannya selama masa bimbingan hingga penelitian ini selesai. Terima kasih kepada teman-teman Departemen Teknik Mesin dan Biosistem angkatan 47 atas bantuan dan kebersamaannya. Semoga karya ilmiah ini bermanfaat dan dapat menambah pengetahuan kita. Bogor, Januari 2015 Rizky Aidil Perdana Putra
DAFTAR ISI
DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Ruang Lingkup Penelitian TINJAUAN PUSTAKA Aerial Photography (Foto Udara) Mutikopter Badan Warna Daun (BWD) Pengolahan Citra Penelitian Terdahulu yang Telah Dilakukan METODE Tempat dan Waktu Penelitian Alat dan Bahan Prosedur Penelitian HASIL DAN PEMBAHASAN Perakitan Multikopter Pemilihan Kamera Pengambilan Gambar Pengambilan Data BWD Lahan Pembuatan Program dan Pengolahan Citra Validasi Gambar Peta Kerja dan Pemupukan SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA
vi vi vi 1 1 1 1 2 2 2 2 3 4 4 4 4 4 5 9 9 11 12 14 15 19 21 22 22 23 23
DAFTAR TABEL 1 2 3 4 5 6 7 8 9
Dosis urea sesuai skala warna daun Daftar kebutuhan Watt/kg daya untuk digunakan pada aeromodeling Spesifikasi komponen Multikopter Komposisi warna pada objek gambar Nilai perbandingan rata-rata warna objek Segmentasi warna pada klasifikasi lingkat BWD Uji validasi sistem pada lahan I Uji validasi sistem pada lahan II Hasil peritungan kebutuhan pupuk urea
3 6 9 16 17 17 20 21 22
DAFTAR GAMBAR 1 Bagan Warna Daun (BWD) tanaman padi 2 Diagram Alir Penelitian 3 Tampilan program DJI NAZA-M LITE Assistant 1.00 4 Multikopter yang telah dirakit 5 Perbandingan hasil pemotretan kamera 6 Foto udara lahan yang diamati 7 Hubungan ketinggian kamera dengan luas tangkapan 8 Pengambilan data BWD lahan 9 Tampilan program pengolahan gambar 10 Keterangan warna pada program pengolahan 11 Komposisi nilai rata-rata warna R dan B tiap objek 12 Komposisi nilai rata-rata warna R/B dan B/G tiap objek 13 Pengambilan data sampel daun dengan BWD 14 Hasil validasi program dengan daun 15 Transformasi sebelum dan sesudah Lens correction 16 Proses pengolahan citra 17 Perbandingan nilai BWD lahan dan hasil program 18 Peta pemupukan berdasarkan hasil program
3 8 10 11 12 12 13 14 15 15 16 16 17 18 18 19 20 22
DAFTAR LAMPIRAN 1 Perhitungan pemilihan motor dan ESC 2 Hubungan antara ketinggian kamera dan luas tangkapan 3 Spesifikasi motor yang digunakan
25 25 25
PENDAHULUAN Latar Belakang Padi merupakan tanaman pangan yang sangat penting bagi negara-negara Asia Tenggara karena hampir semua negara anggota ASEAN mengkonsumsi beras olahan dan menjadikan beras sebagai bahan pangan pokok. Tanaman padi (Oryza sativa L.) termasuk famili tumbuhan gramineae atau rumput-rumputan dengan batang tersusun dari beberapa ruas. Tanaman padi memiliki sifat merumpun, yang dalam waktu singkat bibit padi yang ditanam hanya satu batang dapat membentuk rumpun sejumlah 20 sampai 30 anakan (Siregar 1981). Banyaknya generasi muda lebih bangga apabila bekerja di perkantoran dan di perkotaan pada era modern ini, disamping itu penghasilan yang tidak menentu dari hasil panen dan rendahnya harga yang diberikan dari para tengkulak yang membuat enggannya para generasi muda untuk bekerja di sawah. Oleh karena itu, diperlukan beberapa solusi agar pertanian tetap berjalan. Salah satu solusi dari aspek teknologi yaitu dengan menggunakan sistem kontrol. Kemajuan teknologi yang telah berkembang membuat metode pendugaan kesuburan padi dapat dilakukan dengan menggunakan image processing. Metode ini memungkinkan untuk mendapatkan data yang akurat dan waktu cepat, guna membuat pendugaan produktivitas padi melalui analisis citra, saat ini telah banyak dikembangkan metode melalui analisis citra. Penelitian ini dilakukan pembuatan multikopter yang digunakan untuk pengambilan citra secara tegak lurus pada lahan dengan menggunakan kamera, yang selanjutnya ditentukan kesuburan tiap populasi tanaman padi pada sawah dengan pengolahan citra dengan penggunaan Visual Basic (VB). Hal ini dilakukan untuk membuktikan bahwa pemberian pupuk dapat dilakukan secara merata dengan bantuan pengolahan gambar. Perumusan Masalah Suatu lahan padi yang telah ditanami terdapat perbedaan kesuburan dari tiap populasi tanaman tersebut, hal ini dapat terjadi dikarenakan beberapa faktor seperti kesuburan tanah, perbedaan pemberian pupuk. Perbedaan kesuburan tanaman yang terjadi biasanya dapat disadari dari perbedaan warna dari daun tanaman tersebut. Pemindaian dari darat sulit dilakukan jika melihat perbedaan warna untuk mendapatkan nilai kesuburan tiap populasi tanaman padi pada lahan yang ditanami. Tujuan Tujuan penelitian ini adalah: - Evaluasi sebaran kesuburan tanaman padi dengan pemotretan udara di suatu lahan sawah. - Pembuatan peta perlakuan pemupukan berdasarkan perbandingan Bagan Warna Daun (BWD).
2
Ruang Lingkup Penelitian Penelitian ini hanya dibatasi untuk pembuatan multikopter untuk penentuan kesuburan tanaman padi pada fase vegetatif dengan menggunakan menggunakan foto udara untuk klasifikasi tingkat warna daun berdasarkan BWD hingga didapatkan pemetaan warna dari tiap populasi tanaman pada lahan tersebut
TINJAUAN PUSTAKA Konsep dasar sitem dapat dijelaskan sebagai kumpulan elemen-elemen yang saling terkait dan bekerja sama untuk memproses dan mengolah masukan sampai menghasilkan keluaran yang diinginkan (Kristanto 2003). Suatu sistem yang baik harus mempunyai tujuan dan sasaran yang tepat karena hal itu akan sangat menentukan masukan yang dibutuhkan, proses yang dibutuhkan, dan keluaran yang akan dihasilkan. Tanaman Padi (Oriza sativa L.)
Padi adalah komoditas utama yang berperan sebagai pemenuh kebutuhan pokok karbohidrat bagi penduduk. Komoditas padi memiliki peranan pokok sebagai pemenuhan kebutuhan pangan utama yang setiap tahunnya meningkat sebagai akibat pertambahan jumlah penduduk yang besar, serta berkembangnya industri pangan dan pakan. Umur padi mulai dari benih sampai panen mencapai empat bulan, petani harus menunggu sambil merawat tanamannya sedemikian rupa sesuai dengan anjuran teknologi yang direkomendasikan, atau sesuai dengan teknologi yang mampu diserap atau mampu diterapkan petani. Setiap tanam tergantung varietasnya mempunyai kemampuan genetik tanaman yang diusahakan dalam penerapan teknologi yang mampu diterapkan mulai dari pengelolahan sampai panen (Wahid AS 2003). Aerial Photography (Foto Udara) Foto udara merupakan tindakan memeriksa gambar foto untuk tujuan mengidentifikasi objek dan menilai signifikansi mereka (Colwell 1997). Prinsipprinsip interpretasi citra telah dikembangkan secara empiris lebih dari 150 tahun. Dasar dari prinsip-prinsip ini adalah unsur-unsur interpretasi citra diantaranya: lokasi, ukuran, bentuk, bayangan, nada / warna, tekstur, pola, tinggi/kedalaman dan situs/situasi/asosiasi. Pengambilan foto udara dapat dilakukan dengan berbagai cara seperti pengambilan dengan bantuan google maps. Mutikopter Multikopter merupakan pesawat tanpa awak yang memiliki lebih dari 1 motor sebagai mekanis angkat dari flying platform dan baling-baling di tiap ujung-ujung kerangka utama. Bagian tengah digunakan untuk peletakan sumber daya (baterai), sistem kontrol, dan sensor dari multikopter. Sistem kontrol tersebut digunakan untuk mengatur kecepatan dari tiap-tiap motor sesuai dengan gerakan yang
3
diinginkan. Contohnya adalah gerakan moving forward yang mana multikopter terbang dan bergerak maju dengan kecepatan tertentu (Kardono et al. 2012). Pergerakan multiopter dipengaruhi oleh kecepatan putar pada setiap rotornya. Kecepatan putar masing-masing rotor dikendalikan dengan menggunakan control penyeimbang putaran, maka nilai kecepatan setiap rotor dapat dipertahankan kestabilannya sesuai set point nilai sehingga pergerakan moving forward multikopter dapat berjalan secara stabil. Badan Warna Daun (BWD) Bagan warna daun (BWD) adalah alat berbentuk persegi empat yang berguna untuk mengetahui kadar hara N tanaman padi. Pada alat ini terdapat empat kotak skala warna, mulai dari hijau muda hingga hijau tua, yang menggambarkan tingkat kehijauan daun tanaman padi yang dapat dilihat pada Gambar 1 yang diproduksi oleh Pusat Penelitian dan Pengembangan Tanaman Pangan. Sebagai contoh, jika daun tanaman berwarna hijau muda berarti tanaman kekurangan hara N sehingga perlu dipupuk. Sebaliknya, jika daun tanaman berwarna hijau tua atau tingkat kehijauan daun sama dengan warna di kotak skala 4 pada BWD berarti tanaman sudah memiliki hara N yang cukup sehingga pemberian pupuk dapat diketahui dengan melihat warna dari tanaman tersebut.
Gambar 1 BWD tanaman padi Tabel 1 Dosis urea sesuai skala warna daun Nilai warna Tingkat Hasil (t/ha GKG) daun (BWD) 5 6 7 8 Takaran Urea yang digunakan (kg/ha) 3 75 100 125 150 4 50 75 200 235 5 0 50 50 50 Sumber : (BPTP 2013)
Pada Tabel 1 dapat dilihat takaran yang digunakan pada pemberian pupuk urea tambahan sesuai dengan petunjuk penggunaan BWD dengan tingkat hasil kondisi kebutuhan tanaman akan unsur hara seperti P dan K terpenuhi serta faktor lain seperti pengendalian organisme penggangu tanaman (OPT) dan pengelolaan air dilakukan secara optimal. Penggunaan pupuk yang berlebihan, selain memperbesar biaya produksi juga merusak lingkungan akibat adanya emisi gas N20 pada proses amonifikasi, nitrifikasi, dan denitrifikasi (Wahid 2003).
4
Pengolahan Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra (Munir 2004). Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud disini adalah gambar diam (foto) maupun gambar bergerak (video). Sedangkan digital disini mempunyai maksud bahwa pengolahan citra/gambar dilakukan secara digital menggunakan komputer. Penelitian Terdahulu yang Telah Dilakukan Penelitian yang dilakukan oleh Hanafi et al. (2013), quadcopter dikendalikan melalui antarmuka pengguna grafis (GUI) di mana komunikasi antara GUI dan Quadcopter dibangun dengan menggunakan sistem komunikasi nirkabel. Penyeimbang kondisi quadcopter dengan kontrol FY90 dan sensor IMU 5DOF. Kemampuan pada sistem pendaratan halus, quadcopter dilengkapi dengan sensor ultrasonik. Semua sinyal dari sensor diproses oleh Arduino Uno dan output dari Arduino Uno diimplementasikan untuk mengontrol baling-baling quadcopter. Penelitian yang dilakukan oleh Kardono et al. (2012), implementasi yang dilakukan pada quadcopter dengan penggunaan sistem pengaturan optilam LQR untuk menjaga kestabilan dengan menggunakan microcontroller ATMEGA 128 dan sensor ketinggian yang dihubungkan dengan remote control sehingga dapat melakukan Hold Position pada suatu ketinggian. Penelitian yang dilakukan oleh Kasih (2012) melakukan penentuan iluminansi dan ketinggian terbang pesawat yang optimal untuk pemetaan tingkat warna daun padi dimana penelitian ini melakukan pemetaan terhadap ragam warna daun pada suatu lahan sawah dengan menggunakan pesawat terbang mini sehingga didapatkan tinggi dan iluminansi optimum dalam penggunaan metode ini sehingga didapatkan pemetaan terhadap variasi warna daun dengan menggunakan pesawat terbang mini.
METODE
Tempat dan Waktu Penelitian Penelitian ini dilakukan pada bulan Februari sampai dengan bulan Agustus 2014 di Laboratorium Teknik Bioinformatika Departemen Teknik Mesin dan Biosistem Fakultas Teknologi Pertanian, Institut Pertanian Bogor dan lahan persawahan yang berlokasi di Dramaga tepatnya di Desa Marga Jaya. Alat dan Bahan Alat dan bahan yang akan digunakan selama penelitian adalah kit hexacopter propeller 6, gimbal mount camera sebagai tempat meletakan kamera pada multikopter, transmitter 9 ch (turnigy 9xr) sebagai pengendali gerak pada multikopter yang dihubungkan dengan receiver, timah solder, solder, komputer intel core i3, ram 4 GB, DDR3, HDD 500GB, kamera RGB (GoPro Hero 3 Black
5
Edition), smartphone, BWD IRRI 4 level, servo 9 gr, flying controller DJI NAZA LITE M, software Visual Basic (VB) sebagai pembuat program untuk pengolahan gambar. Prosedur Penelitian Studi Literatur dan Identifikasi Langkah yang diambil dalam penelitian ditunjukkan dalam Gambar 3. Penelitian dimulai dengan studi literatur yang dilakukan pada tahapan ini yaitu pencarian literature mengenai kondisi dari tempat yang akan digunakan secara umum serta alat dan bahan yang digunakan dalam penelitan ini mulai dari komponen penyusunnya hingga mekanisme kerjanya, selanjutnya dilakukan studi lapangan untuk memastikan kondisi nyata di lapangan sebenarnya. Kemudian dilakukan identifikasi dan formulasi masalah yang ada sebenarnya di lapangan dan membandingkan hasil tersebut dengan literatur yang telah didapat secara umum setelah itu dibuat formulasi msalah yang akan diselesaikan. Identifikasi ini meliputi pengamatan di lapangan mulai dari pengukuran luar wilayah, pemotretan melalui udara hingga mengidentifikasi parameter yang ada di lapangan. Perakitan Multikopter Langkah selanjutnya adalah pembuatan multikopter yang dengan spesifikasi dapat mengangkat beban dari kamera serta memiliki kestabilan dengan perhitungan pusat gravitasi dari pembebanan tiap komponen multikopter yang digunakan ditambah dengan beban kamera yang dapat diangkat lebih dari 20 meter diatas permukaan tanah tempat pengambilan foto lahan sawah. Sebelum dilakukan pemotretan udara, hardware dan software harus dilakukan kalibrasi secara satu persatu untuk motor, ESC (Electronic Speed Control), dan flight controller pada flying board yang digunakan agar meminimalkan resiko terjadinya hal yang tidak diinginkan seperti konsleting pada motor, ESC, microcontroller pada flight controller dan terjadinya crash pada multikopter pada saat pengambilan data. Perakitan multikopter menggunakan beberapa rumus untuk menentukan beberapa bagian yang dibutuhkan antara lain: Tabel 2 Daftar kebutuhan Watt/kg daya untuk digunakan pada aeromodeling Jenis pesawat Park flyer, pesawat ringan untuk indor Trainer plane, pesawat model skala kecepatan rendah Pesawat model skala kecepatan tinggi, aerobatik Advance aerobatic 3D aerobatic, ducted fan 3D unlimited performance Multikopter
Kebutuhan daya 100 – 140 Watt/kg 140 – 180 Watt/kg 180 – 220 Watt/kg 220 – 260 Watt/kg 260 – 300 Watt/kg 300 – 400 Watt/kg 400 + Watt/kg
Sumber : (FASI 2014)
Pada Tabel 2 merupakan tabel dasar yang dipakai sebagai panduan dasar kebutuhan daya standar pada model yang dibuat untuk memilih motor serta ESC
6
yang harus digunakan. Selanjutnya dilakukan perhitungan kebutuhan daya dengan rumus : P = (w x Preq) / jumlah motor Dimana : P = Daya W = Berat pesawat Preq = Kebutuhan daya Berat pesawat adalah penjumlahan dari semua perkiraan berat komponen yang akan digunakan pada pembuatan model. Setelah didapatkan daya motor maka selanjutnya dilakukan perhitungan untuk pemilihan ESC dengan: I ESC = Imotor + (SF x Imotor) Dimana: I ESC = Kuat arus ESC Imotor = Kuat arus motor SF = Faktor pengaman SF merupakan faktor pengaman yang bernilai dari 0 sampai dengan 1. Nilai arus yang dicari pada komponen ESC harus memiliki nilai yang lebih besar dari nilai arus pada motor yang digunakan. Setelah terbentuknya multikopter selanjutnya dilakukan pengujian kestabilan terbang, pengangkatan beban, IOC (intelegent Operation Control), serta pengujian RTH (Return To Home). Pembuatan Program Pengolahan Program diperlukan sebagai sarana pengolahan data atau gambar yang didapat dari pengambilan foto udara lahan yang diamati. Pembuatan program dilakukan beberapa perlakuan filterisasi pada warna hingga didapatkan warna padi pada tiap kotak populasi yang telah ditentukan. Pembuatan program pengolahan citra dilakukan menggunakan software VB. VB merupakan program yang dapat membuat program dengan berbasis Windows sesuai dengan kebutuhan pengguna mulai dari program yang sederhana sampai program yang kompleks seperti pengolahan citra. Program yang dibuat, bertujuan menentukan warna hijau dari gambar lahan berdasarkan foto udara yang diambil untuk dibandingan dengan 4 tinggat warna pada bagan warna daun. Pengukuran dilakukan dengan bagan warna daun untuk mengetahui keadaan perbedaan warna hijau pada daun padi. Program yang telah selesai dibuat, dilakukan penyocokan atau validasi dengan daun padi yang memiliki perbedaan tingkat BWD secara acak untuk dijadikan sebagai acuan terhadap akurasi pada pengolahan citra lanjutan yang dilakukan. Setelah hasil didapat, dilakukan pemetaan perlakuan pada lahan padi yang diamati sehingga menghasilkan perbedaan warna dari dau tanaman padi pada lahan tersebut yang selanjutnya dijadikan peta warna untuk mengetahui perbedaan tiap kesuburan tanaman padi di lahan tersebut. Pengambilan Data BWD pada Lahan BWD merupakan sebuah alat bantu yang dapat digunakan untuk menentukan kesuburan tiap tanaman padi pada suatu lahan secara langsung dengan menyamakan warna yang terdapat pada bagan warna daun dan daun yang sedang
7
diamati. Pengambilan data langsung pada lahan dilakukan dengan mengotakkotakan lahan sawah agar menjadi sebuah populasi yang berbeda pada seluruh lahan yang diamati sebesar 2x2 m. Pengambilan data dilakukan kepada semua populasi yang telah dibuat kotakan berdasarkan warna daun yang lebih dominan pada tiap gridnya sehingga didapatkan peta warna dari tingkat warna hijau dari padi berdasarkan BWD. Validasi Data dengan Hasil Pengolahan Program Validasi dilakukan dengan cara membandingkan hasil pengambilan data secara langsung dan hasil dari pengolahan program. Dua peta warna yang didapat dilakukan penyamaan dari angka tingkat warna daun. Sehingga didapatkan akurasi dari hasil pengolahan citra program yang dibuat. Validasi merupakan pembuktian melalui pengujian dan pengadaan bukti yang objektif untuk membuktikan bahwa hasil yang dihasilkan oleh model memiliki hasil yang mendekati hasil yang didapatkan secara langsung. Validasi dilakukan dengan mengasumsikan bahwa data dari pengambilan secara manual dengan menggunakan BWD adalah benar. Sehingga hasil program harus diatur agar mendapatkan akurasi yang paling tinggi. Validasi dilakukan dengan mencari nilai akurasi berbobot yang dilakukan terhadap dua hasil agar memiliki nilai persentase yang tinggi pada beberapa percobaan. Pada penelitian kali ini dapat dilihat diagram alir yang menunjukan tahapan penelitian pada Gambar 2.
8
Mulai Studi Literatur Identifikasi dan Formulasi Masalah Perakitan multikopter Kalibrasi software dan hardware pada multikopter Penentuan pusat grafitasi dengan beban kamera Pengujian kestabilan terbang Tidak Berhasil Ya Pembuatan Program dengan Visual Basic
Pengambilan data Pengambilan foto udara di atas lahan Tidak Berhasil Ya Pengambilan data manual BWD Pemetaan data BWD lahan Pengolahan citra yang didapat
Tuning pada program
Validasi hasil gambar foto udara dengan pemetaan manual
Sesuai
Ya Kesimpulan
Selesai
Gambar 2 Diagram alir penelitian
Tidak
9
HASIL DAN PEMBAHASAN
Perakitan Multikopter Pada penelitian ini, sebelumnya dilakukan perakitan pada multikopter dimana alat yang dibuat harus sesuai dengan kebutuhan pengangkatan beban kamera yang digunakan. Berikut merupakan perhitungan yang dilakukan untuk pemilihan motor dan ESC pada multikopter yang dibuat Pada Tabel 2 dapat dilihat kebutuhan daya yang dibutuhkan untuk perakitan aeromodeling yang dibuat. Berdasarkan tabel tertera kebutuhan daya untuk multikopter minimal adalah 400 Watt/kg atau lebih. Pada perakitan ini digunakan kebutuhan daya minimal 400 Watt/kg, dengan perhitungan tersebut diperlukan motor dengan daya minimal sebesar 146.66 Watt. Terdapat beberapa motor dengan spesifikasi yang berbeda, tetapi untuk perakitan multikopter ini dipilih motor model V2216-12 800 KV dengan tipe SunnySky karena memiliki daya maksimal sebesar 180 Watt. Selain perhitungan pada motor, perlu dilakukan perhitungan pada ESC yang berfungsi mengatur kecepatan putaran motor pada tiap lengan yang ada di multikopter, dimana pada spesifikasi motor tertulis arus penggunaan adalah 17 A (Lampiran 3). Perhitungan ESC digunakan faktor keamanan sebesar 0.5 agar dapat menanggulangi beberapa kejadian yang tidak diharapkan seperti mendadaknya menaikan throotle sehingga membuat motor tidak stabil sehigga dapat mengakibatkan multikopter terbalik dan terjadi crash. Pada perakitan multikopter yang dilakukan, digunakan ESC dengan kapasitas arus sebesar 30A dikarenakan ESC bernilai 25.5 tidak terdapat di pasaran sehingga harus memilih kapasitas ESC yang berada diatasnya yaitu 30 A. Perakitan multikopter digunakan propeller dengan ukuran 10 X 4.7 dikarenakan batas maksimal yang dapat digunakan pada frame hexacopter yang digunakan adalah propeller berukuran 10. Tabel 3 Spesifikasi komponen Multikopter Spesifikasi Hexacopter Flying control DJI NAZA Jumlah motor 6 buah (800 KV) Maksimal berat angkat 2.3 kg Baterai 3 cell 5000 mAh Lama terbang 5 menit Flying Control DJI NAZA LITE M Gyroscope 1 ESC 6 buah (30A) Ukuran propeller Nilon 10 x 4.7 Berat tanpa beban kamera 1.90 kg Berat kamera 300 gr Pada Tabel 3 merupakan spesifikasi dari multikopter yang dibuat dengan perhitungan yang sebelumnya dilakukan. Setelah perhitungan komponen didapat
10
pada Lampiran 1, dilakukan pemesanan komponen dan perakitan multikopter yang digunakan. Setelah perakitan dilakukan, perlu dilakukan pemasukan perintah multikopter pada remote atau transmitter yang digunakan agar sinyal yang dihasilkan sama dengan reciver yang digunakan. Pemberian perintah pada transmitter meliputi persentase pada throotle, aileron, rudder, elevator, serta gear switch yang digunakan. Multikopter yang telah dirakit dan pemasukan perintah pada transmitter yang telah dilakukan, selanjutnya dilakukan kalibrasi terhadap masing-masing komponen yang digunakan serta melakukan pemasukan perintah pada flight controller yang digunakan.
Gambar 3 Tampilan program DJI NAZA-M LITE Assistant 1.00 Gambar 3 merupakan tampilan program yang digunakan untuk memberi pemasukan coding atau perintah pada flight controller yang digunakan serta mengaktifkan fitur IOC (Intelegent Operation Control), dan RTH (Return To Home). Pada pemasukan coding, dilakukan pengkalibrasian terhadap Roll, Yaw, dan Pitch dari multikopter yang dibangun dengan metode simulasi trial and error sehingga ditemukan titik kestabilan pada pusat grafitasi pada multikopter tersebut. IOC merupakan sebuah fitur yang digunakan untuk membantu pilot ketika hilang orientasi pengendalian, dan RTH merupakan fitur yang digunakan untuk mengembalikan multikopter ke tempat tinggal landas awal sehingga mengurangi terjadinya resiko crash pada multikopter. Pada Gambar 4 merupakan hasil siap terbang dari multikopter yang telah dirakit.
11
Gambar 4 Multikopter yang telah dirakit Penelitian kali ini digunakan multikopter untuk memperbaiki pengambilan gambar yang telah dilakukan sebelumnya dengan menggunakan pesawat terbang mini yang diterbangkan dengan membawa kamera. Pengambilan gambar dengan pesawat dilakukan dengan cutting video, penggunaan cutting video pada gambar yang diinginkan dapat mengakibatkan tingkat resolusi pada gambar menjadi lebih kecil dari pada dengan menggunakan foto secara langsung. Pada pengambilan gambar dengan pesawat, tidak bisa dilakukan dengan menggunakan pemotretan dikarenakan posisi pesawat yang terus bergerak. Penggunaan multikopter pada penelitian ini diharapkan dapat menghasilkan resolusi gambar yang lebih besar dan mengurangi efek fish eye yang terjadi saat pengambilan gambar. Efek fish eye akan berkurang dengan jarak pengambilan yang lebih jauh. Penggunaan metode pengambilan gambar menggunakan fitur Timelaps pada kamera akan didapatkan gambar yang lebih jernih dari pada menggunakan cutting video. Hal ini disebabkan karena fitur image stabilizer pada kamera cenderung lebih berfungsi pada sistem pengambilan gambar Timelaps. Penangkapan gambar dengan video, pada kamera akan mengalami guncangan yang cukup besar dikarenakan pada pengambilan video diperlukan FPS yang tinggi agar gambar yang didapatkan halus.
Pemilihan Kamera Pada penelitian ini digunakan jenis kamera tipe adventur yaitu GoPro Hero 3. Kamera ini digunakan karena memenuhi beberapa syarat pengambilan gambar, dimana gambar yang diambil tidak menjadi blur karena memiliki fitur frame per detik yang cukup tinggi dibanding kamera lain. Sebelumnya telah digunakan kamera RGB standar yaitu menggunakan Nikon AW 110. Penggunaan kamera GoPro memiliki beberapa kekurangan yaitu gambar yang dihasilkan cenderung wide dibandingkan gambar dari kamera RGB standar. Hal ini disebabkan tidak terdapatnya fitur zoom in dan zoom out pada kamera tersebut. Tetapi resolusi yang dihasilkan cenderung lebih tajam dari kamera sebelumnya. Berikut ditampilkan perbandingan gambar dengan menggunakan kedua kamera tersebut.
12
Gambar 5 Perbandingan hasil pemotretan kamera Gopro (a), kamera RGB (b) Berdasarkan hasil Gambar 5 dapat dilihat perbedaan hasil gambar antara dua kamera yang dicoba. Percobaan dilakukan dengan mengambil gambar pada kertas millimeter block yang diambil dengan ketinggian 10 cm dari objek pengambilan. Gambar yang didapat dari kamera GoPro lebih jernih dari kamera Nikon. Pada penggunaan kamera Nikon AW 110 terlihat gambar yang dihasilkan normal dan tidak ada perubahan terhadap tampilan widenya, tetapi daya tangkap yang dihasilkan jauh lebih rendah dari kamera GoPro. Pengambilan gambar di udara terdapat beberapa kesulitan pada image stabilizer atau stabilitas gambar dikarenakan posisi motor pada multikopter yang menghasilkan getaran ke tiap lengannya, sehingga membuat dudukan kamera pada frame multikopter juga bergetar secara cepat. Daya tanggap kamera GoPro jauh lebih cepat dari kamera Nikon AW 110, pada gambar yang dihasilkan oleh Nikon, gambar yang didapat banyak mengalami blur atau gambar menjadi tidak jelas pada suatu titik tertentu. Pengambilan Gambar Data pada penelitian ini didapatkan berupa foto lahan yang diambil untuk dilakukan pengolahan dengan program yang telah dibuat.
Gambar 6 Foto udara lahan yang diamati
13
Luas Area (m2)
Pada Gambar 6 merupakan hasil foto udara yang didapatkan pada lahan yang diamati. Pengambilan foto udara yang dilakukan dengan menggunakan kamera yang dipasang pada multikopter dan kemudian diterbangkan di atas lahan tersebut. 100 90 80 70 60 50 40 30 20 10 0
y = 5,652x2 - 13,241x + 17,16 R² = 0,9997
0
1
2
3
4
5
6
Jarak Kamera (m)
Gambar 7 Hubungan ketinggian kamera dengan luas tangkapan Pada Gambar 7 merupakan hubungan antara ketinggian kamera dan tangkapan kamera terhadap lahan yang ditangkap gambarnya. Pengujian dilakukan dengan menempatkan kamera pada beberapa ketinggian dengan galah dan dengan menggunakan fitur First Person Viewer (FPV) pada monitor, lahan yang tertangkap pada kamera diukur panjang dan lebarnya pada Lampiran 2. Grafik yang didapatkan R2 sebesar 0.997. Luas lahan yang diambil gambarnya adalah sebesar kurang lebih sebesar 3000 m2. Melalui persamaan yang didapat pada grafik, diperoleh ketinggian kamera yang diperlukan untuk mengambil gambar adalah setinggi 17.37 m dari lahan, ketinggian pengambilan gambar dikitahui dengan menggunakan alat tambahan bernama Altitude Telemetry yang dihubungkan dengan kamera, sehingga ketinggian pada saat kamera mengambil gambar, akan tercantum ketinggian pengambilan pada gambar yang didapat. Data berupa foto yang telah didapat, diolah dengan menggunakan software yang dibuat dengan bantuan program VB. Penggunaan dimana dari gambar tersebut difilter beberapa komponen warna sehingga didapatkan warna hijau di lahan tersebut. Pengambilan foto dilakukan pada saat pagi hari. Hal ini dilakukan untuk mengurangi resiko terjadinya crash pada multikopter yang mungkin terjadi, pada wawancara yang telah dilakukan kepada ahli multirotor, tidak disarankan terbang saat menjelang siang dengan kondisi lahan basah yang berada dibawah multikopter. Hal ini disebabkan pada siang hari kecepatan angin lebih tinggi dari pada di pagi hari, sehingga menurunkan tingkat pengendalian bagi pilot yang mengendalikan multikopter tersebut. Pengambilan gambar yang optimum dilakukan sekitar pukul 07.00 WIB sampai 08.00 WIB dikarenakan citra yang diambil cukup jelas dan efek pemantulan cahaya matahari masih lemah (Kasih 2012). Setelah proses pengambilan gambar selesai dilakukan, selanjutnya gambar yang didapat disamakan dengan gambar dari google map sebagai patokan agar gambar tidak mengalami deformasi yang besar. Selanjutnya dilakukan pembuatan program dengan menggunakan software VB. Program dibuat dengan fungsi
14
pengolahan citra yang dirubah dari foto RGB biasa menjadi gambar peta dengan kompisisi warna hijau yang berbeda di tiap populasi gridnya. Pengambilan Data BWD Lahan Pengambilan data secara manual dilakukan pada lahan yang diambil foto udaranya menggunakan multikopter dengan cara melihat warna daun dari tanaman padi yang disamakan pada BWD pada saat pengambilan foto udara. Pengambilan data sebelumnya dilakukan dengan membuat kotak pada lahan dengan menggunakan tali rafia sehingga didapatkan petakan jumlah grid pada lahan.
Gambar 8 Pengambilan data BWD lahan Pada Gambar 8 adalah data yang didapat secara manual dan dijadikan panduan sebagai koreksi pada hasil dari pengolahan citra pada program yang dibuat. Sehingga didapatkan nilai filter yang digunakan pada pengolahan gambar yang terbaik dan akurasi yang baik. Pada pengambilan data BWD, lahan dikotakkotakan sebesar 2x2 m pada setiap kotaknya. Hal ini bertujuan untuk mempermudah pembagian populasi grid pada lahan dan ukuran 2x2 m dipilih berdasarkan literature pada penyebar pupuk dan jangkauan radius sebar sebesar 2 m serta agar didapatkan data untuk validasi yang lebih teliti karena dengan metode pengambilan data dengan menggunakan Bagan Warna Daun hanya mengambil sampel warna sebanyak 10 secara acak pada hamparan yang diamati. Pengambilan data BWD dilakukan pada 43 HST. Pengambilan data BWD dilakukan sebanyak satu kali pada hari yang sama dengan pengambilan gambar pada lahan sebagai data yang digunakan pada validasi. Pemupukan dilakukan dengan mengunakan 125 kg pupuk urea yang dicampur dengan 25 kg KCl dan 25 kg TSP. Lahan sawah yang ditanami menggunakan padi berjenis Inpari 13.
15
Pembuatan Program dan Pengolahan Citra Pembuatan program pengolahan citra dilakukan dengan bantuan program VB. Program yang dibuat diharapkan dapat menghasilkan pemetaan warna terhadap lahan yang diamati.
Gambar 9 Tampilan program pengolahan gambar Gambar 9 merupakan tampilan program yang telah dibuat sebagai media pemrosesan gambar yang didapat. Pada program yang dibuat terdapat 2 tampilan picture box dimana picture box 1 berfungsi menampilkan gambar yang akan diolah sedangkan picture box 2 digunakan untuk hasil olahan gambar yang dilakukan pada gambar pada picture box 1. Pada program terdapat 3 kali perlakuan tresholding yang berbeda. Hal ini dilakukan agar mendapatkan hasil gambar yang diinginkan. Karena tiap lokasi pixel yang berbeda memiliki beberapa nilai komposisi warna yang berbeda, perlu dilakukan analisis perlakuan tresholding yang dilakukan pada tiap perintahnya. Pada program ini terdapat 3 tresholding antara lain filter tanah, filter background, dan filter grid BWD.
Gambar 10 Keterangan warna pada program pengolahan Pada Gambar 10 dapat dilihat keterangan warna yang dapat digunakan untuk menilai secara visual hasil yang telah dikerjakan oleh program dalam pengolahan citra, dengan melihat hasil dari pengolahan dapat dilihat dominasi antara tingkat warna daun yang berbeda di tiap populasi pada lahan sawah yang diamati.
16
Tabel 4 Komposisi warna pada objek gambar Objek Tanaman Tanah
R 63-158 79-178
G 76-180 84-183
B 22-115 67-168
B
Pada Tabel 4 ditampilkan nilai rata-rata dari tiap komposisi warna pada objek gambar, dari nilai yang ada tidak dapat digunakan dikarenakan tiap rata-rata warna memiliki nilai yang saling bertimpahan seperti yang ditunjukan pada Gambar 11. 180 160 140 120 100 80 60 40 20 0
Tanaman Tanah
0
50
100
150
200
G
Gambar 11 Komposisi nilai rata-rata warna G dan B tiap objek
R/B
Pada pengolahan gambar, dilakukan filterisasi pada beberapa objek untuk mendapatkan objek gambar yang diinginkan. Filterisasi dilakukan dengan menentukan nilai batasan yang dapat digunakan untuk memisahkan tiap objek pada gambar, dengan menggunakan nilai rata-rata pada warna R, G, dan B tidak didapatkan pemisahan gambar secara keseluruhan. 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0
tanaman tanah
0
0,2
0,4
0,6
0,8
1
B/G
Gambar 12 Komposisi nilai rata-rata warna R/B dan B/G tiap objek Pada Gambar 12 ditampilkan komposisi antara perbandingan rata-rata tiap nilai R dibagi dengan rata-rata nilai B pada sumbu y dan nilai rata-rata B dibagi dengan nilai rata-rata G pada sumbu x dapat dilihat terdapat selang antara sebaran nilai warna pada objek tanah dan tanaman, sehingga dapat dijadikan sebagai nilai yang digunakan untuk proses filterisasi tiap objek pada gambar yang diolah.
17
Tabel 5 Nilai perbandingan rata-rata warna objek Objek Tanaman Tanah
R/B >1.368 <1.340
B/G <0.664 >0.698
Pada Tabel 5 ditampilkan nilai filterisasi yang digunakan pada program untuk memisahkan objek pada gambar. Berdasarkan nilai perbedaan komposisi warna rata-rata pada tiap objek, didapatkan nilai untuk filterisasi tanah digunakan R/B<1.340 dan B/G>0.698. Tabel 6 Segmentasi warna pada klasifikasi lingkat BWD Terjemahkan R G B GS BWD 2 136
Gambar 13 Pengambilan data sampel daun dengan BWD Gambar 13 merupakan pengambilan sampel pada daun berdasarkan BWD yang diambil sebanyak 10 sampel tiap tingkatnya. Pengambilan sampel yang dilakukan digunakan sebagai training untuk program yang dibuat untuk dijadikan sebagai acuan program pada pengolahan foto udara yang dilakukan.
18
170
Nilai Green
150 130 110 90 70 50 1
2
3
4
5
6
7
8
9
10
Ulangan keBWD II
BWD III
BWD IV
BWD V
Batas tiap BWD
Gambar 14 Hasil validasi program dengan daun Pada Gambar 14 merupakan grafik yang didapat melalui validasi program dengan daun tanaman padi tiap warna yang didapat pada lahan sebanyak 10 ulangan tiap tingkatnya. Garis hitam pada grafik merupakan batas maksimal tiap tingkat BWD berdasarkan warna hijau pada bagan warna daun. Berdasarkan grafik dapat dilihat warna yang didapat dari tiap daun berdasarkan warna hijau memiliki ketepatan sebesar 100% sehingga dapat dijadikan sebagai acuan untuk melakukan validasi terhadap lahan yang diambil gambarnya dari udara. Pengolahan citra dilakukan dengan program yang telah dibuat yang sebelumnya. Sebelum dilakukan pengolahan citra, pada gambar yang didapat dilakukan beberapa perlakuan pada gambar yang didapat dikarenakan gambar yang diambil melalui kamera GoPro memiliki hasil yang cembung hingga perlu diratakan kembali menggunakan program Photoshop dengan menggunakan fitur Lens correction selanjutnya dsamakan pada gambar lahan yang sama yang diambil melalui gambar satelit hingga didapatkan gambar yang sama dengan gambar aslinya.
(a)
(b)
Gambar 15 Transformasi sebelum Lens correction (a), sesudah Lens correction (b)
19
Pada Gambar 15 dapat dilihat proses perubahan gambar yang dilakukan dengan bantuan fitur Lens Correction sehingga memperbaiki distorsi gambar yang dihasilkan. Setelah dilakukan Lens Correction untuk mengurangi distorsi gambar, koreksi gambar dilakukan dengan penyamaan gambar dengan gambar lahan yang diambil melaluin Google map dengan teknik warping. Pengolahan gambar yang didapat dari software yang dibuat sebelumnya dengan melakukan beberapa perlakuan filterisasi agar didapatkan hasil gambar tanaman yang diiharapkan.
A
B
C
Gambar 16 Proses pengolahan citra pada program Pada Gambar 16 diperlihatkan proses pengolahan citra yang dilakukan oleh software yang telah dibuat sebelumnya secara keseluruhan. Pada proses A dilakukan penghilangan terhadap background putih pada gambar yang akan diolah. Selanjutnya proses B dilakukan penerjemahan warna menjadi warna rata-rata hijau pada grid yang telah dibuat sehingga pada proses ini didapatkan warna hijau yang berbeda di tiap grid pada gambar. Selanjutnya pada proses C dilakukan penerjemahan klasifikasi warna hijau menjadi tingkat BWD agar lebih mudah dibaca, dengan proses ini warna hijau yang didapatkan dari proses B akan dikelompokan menjadi 4 klasifikasi warna berdasarkan BWD agar mempermudah pembacaan oleh pengguna. Pada pengolahan gambar, penentuan tingkat warna daun dilakukan dengan menentukan warna hijau rata-rata dari tiap grid pada gambar yang diolah. Warna hijau rata-rata dari tiap grid selanjutnya ditentukan berdasarkan nilai warna hijau dari tiap kotak. Validasi Gambar Validasi merupakan suatu perlakuan yang penting agar hasil program yang didapat memiliki ketepatan yang tinggi sehingga dapat digunakan pada kondisi yang ada. Validasi dilakukan penyamaan dari data yang didapat dengan pengukuran langsung pada lahan secara manual dan data yang didapat dari hasil pengolahan gambar melalui program buatan sebelumnya.
20
Data yang digunakan untuk validasi digunakan pengolahan citra secara terpisah dimana gambar lahan dipotong agar mempermudah penentuan grid pada lahan agar mendekati ukuran grid aslinya yaitu sebesar 4 m2. Pengolahan gambar dengan program dilakukan dengan cara memotong gambar menjadi beberapa bagian. Hal ini dilakukan agar mempermudah penentuan grid pada program. Pada lahan yang didapat dibagi menjadi 11 bagian untuk mempermudah pengolahan gambar lahan dikarenakan bentuk lahan yang sulit dibuat grid sehingga grid yang digunakan pada program mendekati ukuran grid sebenarnya yang digunakan pada saat pengambilan data lahan secara langsung. Validasi dilakukan dengan membandingkan nilai tiap grip pada hasil pengolahan gambar dengan data yang didapatkan secara langsung pada lahan.
Gambar 17 Perbandingan nilai BWD lahan (a), hasil program (b) Hasil yang didapatkan pada Gambar 17 digunakan untuk penyamaan dengan hasil pengukuran secara langsung di lahan pada Gambar 8. Pada validasi akan dicari persentase ketepatan warna pada kedua hasil data yang didapat. Manual BWD Jumlah contoh Kelas II 25 Kelas III 692 Kelas IV 9 Kelas V Jumlah 726
Tabel 7 Uji validasi sistem di lahan I Hasil pendugaan sistem Kelas Kelas Kelas Kelas Akurasi Bobot II III IV V (%) 18 7 0 0 72.000 0.034 16 668 8 0 96.532 0.953 0 5 4 0 44.444 0.012 Jumlah
Akurasi berbobot (%) 2.479 92.011 0.550 95.040
Pada Tabel 7 didapatkan hasil validasi dari lahan yang diamati berdasarkan pembacaan tiap lokasi terbaca dibandingkan dengan pembacaan manual pada lahan
21
seperti pada Gambar 17 dan pembacaan yang dilakukan dari program didapatkan akurasi berbobot sebesar 95.040%. Validasi dari hasil program dilakukan pada gambar lahan yang diambil fotonya antara pukul 07.00 WIB sampai 08.00 WIB dengan intensitas cahaya antara 3000-6500 lux. Dikarenakan intensitas ini gambar cukup jelas dan efek pemantulan cahaya masih lemah. Pada pengolahan gambar dengan intensitas cahaya yang tinggi akan mengakibatkan hasil pengolahan memliki akurasi yang rendah. Hal ini disebabkan pada intensitas cahaya yang tinggi menyebabkan pemantulan cahaya yang lebih tinggi pada gambar sehingga membuat kecerahan pada gambar tinggi sehingga nilai warna pada gambar memiliki nilai yang lebih tinggi. Validasi program tidak hanya dilakukan pada satu lahan, perlakuan validasi dilakukan pada lahan sawah lain dengan umur yang berbeda. Hal ini dilakukan untuk menunjukan hasil validasi yang dihasilkan dari program pada kedua lahan memiliki hasil yang hamper sama dan pembacaan pada hasil program memiliki akurasi yang tinggi.
Manual BWD Jumlah Contoh Kelas II 7 Kelas III 128 Kelas IV 1 Kelas V Jumlah 136
Tabel 8 Uji validasi sistem di lahan II Hasil pendugaan sistem Kelas Kelas Kelas Kelas Akurasi Bobot II III IV V (%) 6 1 0 0 85.714 0.051 2 125 1 0 97.656 0.941 0 0 1 0 100.000 0.007 Jumlah
Akurasi berbobot (%) 4.411 91.905 0.700 97.016
Pada Tabel 8 didapatkan hasil validasi yang dilakukan pada lahan lain dengan menggunakan metode yang sama seperti yang digunakan pada lahan sebelumnya. Berdasarkan hasil uji validasi yang dilakukan didapatkan akurasi berbobot sebesar 97.016%. Peta Kerja dan Pemupukan Peta kerja dan pemupukan dengaengan menggunakan program didapatkan persentase jumlah tingkat warna daun yang berbeda pada lahan. beradasarkan data yang dihasilkan, didapat beberapa perbedaan antara hasil yang dikeluarkan dari program dan pengambilan data manual pada lahan. Pada lahan yang diamati perlu diberikan pupuk tambahan dikarenakan tingkat BWD dari daun padi yang berada di bawah nilai kritis yaitu tingkat BWD IV. Lahan sawah yang diamati memiliki produktivitas sebesar 8 ton/ha. Pengolahan BWD dengan menggunakan program terdapat perbedaan yang terjadi dengan pengambilan data BWD secara manual pada lahan sehinggan terjadi perbedaan perhitungan pupuk yang diberikan untuk perlakuan pemupukan selanjutnya.
22
Gambar 18 Peta pemupukan berdasarkan hasil program Tabel 9 Hasil peritungan kebutuhan pupuk urea Tingkat BWD Jumlah grid Jumlah pupuk (kg)
II 30 2.1
III 684 41.04
IV 12 0.6
V 0 0
Jumlah 726 43.74
Pada Tabel 9 disajikan perhitungan yang telah dilakukan terhadap kebutuhan lahan berdasarkan data hasil dari pengolahan program. Pada lahan dilakukan perhitungan dengan menggunakan satuan grid dimana tiap grid memiliki luas sebesar 4 m2 sehingga dibutuhkan pemupukan sebesar 70 gram/grid untuk tingkat BWD II, 60 gram/grid untuk tingkat BWD III dan 50 gram/grid untuk tingkat BWD IV dengan total kebutuhan pupuk sebesar 43.74 kg sesuai dengan peta kerja yang dihasilkan pada Gambar 18, sedangkan para petani memberikan 60 kg pupuk urea untuk lahan sawah yang diamati pemberian 60 kg pupuk urea oleh petani dilakukan berdasarkan kebiasaan dimana pemberian pupuk pada lahan yang diamati selalu sebanyak 60 kg, dengan menggunakan program dapat menghemat pupuk urea sebesar 27.1% untuk pemupukan selanjutnya pada 50 HST.
SIMPULAN DAN SARAN
Simpulan Pembuatan program pengolahan citra dengan menggunakan software VB dilakukan untuk pemisahan gambar tiap objek pada lahan sawah dengan
23
menggunakan nilai perbandingan nilai rata-rata komposisi warna tiap objek filterisasi dengan nilai R/B<1.340 dan B/G>0.698 untuk pemisahan objek tanah dan tanaman. Pemetaan dengan menggunakan multikopter masih memiliki perbedaan akurasi dengan menggunakan BWD secara manual. Hal ini disebabkan kesulitan membedakan warna pixel pada daun padi dalam populasi dan efek dari penggunaan kamera fisheye yang mengakibatkan perubahan gambar lahan menjadi cembung. Pengambilan gambar dengan menggunakan multikopter dapat menghasilkan gambar yang memiliki resolusi lebih besar dari pada menggunakan pesawat. Hal ini dikarenakan pada multikopter dapat mengangkat kamera dengan beban yang lebih besar dari pesawat serta dapat mengambil gambar dengan penggunaan foto di atas lahan dengan stabil. Pada pesawat biasanya menggunakan FPV micro camera yang cenderung memiliki resolusi penangkapan gambar yang lebih kecil. Pengolahan citra pada lahan menghasilkan akurasi berbobot validasi sebesar 95.040%. Pada perhitungan penggunaan pupuk dengan menggunakan perhitungan BWD dan penggunaan program lebih membutuhkan jumlah pupuk urea yang lebih sedikit dibanding dengan tanpa penggunaan BWD sehingga dapat menghemat pemakaian pupuk urea sebesar 27.1%. Saran Metode ini masih dapat dikembangakan pada beberapa modifikasi alat seperti mengganti kamera. Metode ini dapat digunakan pada beberapa komoditas dan penerapan lain. Pada penelitian selanjutnya dapat digunakan sistem otonomus dimana multikopter dapat secara otomatis mengambil gambar tanpa dikendalikan dengan transmitter.
DAFTAR PUSTAKA [BPTP] Balai Penelitian Tanaman Pangan. 2013. Bagan Warna Daun Menghemat Penggunaan Pupuk N pada Padi Sawah. Bogor (ID): BPTP. Colwell RN. 1997. History and Place of Photographic Interpretation Ed ke-2. Bethesda (US): ASP&RS. [FASI] Federasi Aeromodeling Seluruh Indonesia. 2014. Pengetahuan penerbangan dan model. Jakarta (ID): FASI. Hanafi D, Qetkeaw M, Ghazali R, Than MNM, Utomo WM, Omar R. 2012. Simple GUI Wireless Controller of Quadcopter. Int. J. communications, network and system sciences. 6 (1): 52-59.10.4236. Kardono, Effendi RAK, Fatoni A. 2012. Perancangan dan Implementasi Sistem Pengaturan Optimal LQR untuk Menjaga Kestabilan Hover pada Quadcopter. Jurnal Teknik ITS. 10 (1): 7-13. Kasih LSB. 2012. Penentuan iluminansi dan ketinggian terbang pesawat yang optimum untuk pemetaan tingkat warna daun padi [skripsi]. Bogor (ID): Institut Pertanian Bogor.
24
Kristanto A. 2003. Perancangan Sistem Informasi dan Aplikasinya. Jakarta (ID): Gava Media. Munir R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung (ID): Informatika. Wahid AS. 2003. Peningkatan efisiensi pupuk nitrogen pada padi sawah dengan metode bagan warna daun. Jurnal Litbang Pertanian. 22(4): 156-161. Wijaya, Marvin Ch, Prijono A. 2007. Pengolahan Citra Digital Menggunakan Matlab. Jakarta (ID): Informatika. Siregar H. 1981. Budidaya Tanaman Padi di Indonesia. Jakarta (ID): PT Sastra Hudaya.
25
Lampiran 1 Perhitungan pemilihan motor dan ESC - Pemilihan motor yang digunakan Diketahui: W = 2.20 kg Preq = 400 Watt/kg n = 6 motor Daya = (2.20 kg x 400 Watt/kg) / 6 motor = 146.66 Watt / motor - Pemilihan ESC Diketahui: Imotor = 17 A SF = 0.5 ESC = 17A + (0.50 x 17A) = 25.5 A
Lampiran 2 Hubungan antara ketinggian kamera dan luas tangkapan Ketinggian kamera (m) 1.60 3.05 4.08 5.02
Luas Tangkapan (m2) 10.600 28.700 58.023 92.820
Panjang Lebar (m) (m) 5.31 2.0 7.17 4.0 9.21 6.3 11.05 8.4
Lampiran 3 Spesifikasi motor yang digunakan SunnySky V2216-12 800KV Diameter Stator 22mm Panjang stator 16mm Diameter poros 3mm (no exposing part) Ukuran motor Φ27.8×34mm (diameter x panjang) Berat 75gr Cell 2-4S (7.4 – 16.4 V) Arus maksimum 17A Daya maksimum 180W Diameter propeller adapter 5mm
