II. TINJAUAN PU STAKA

II. TINJAUAN PU STAKA

A.

UNSUR HARA

Unsur hara sangat diperlukan untuk pertumbuhan tanaman. Unsur hara terdiri dari unsur hara makro dan mikro. Unsur hara makro terdiri atas unsur nitrogen (N), kalium (K), dan fosfor (P), sedangkan unsur hara mikro terdiri atas unsur seng (Zn), tembaga (Cu), besi (Fe), molibdenum (Mo), boron (B), dan mangan (Mn) unsur hara mikro hanya sedikit terdapat didalam tanah. Pupuk menyediakan unsur hara bagi tanaman melalui pemupukan tanaman. Pupuk dapat membantu mencegah kehilangan unsur hara yang cepat hilang seperti N, P, dan K yang mudah hilang oleh penguapan atau oleh air perkolasi. Hubungan antara produksi dan kadar hara tanaman atau pemberian hara biasanya didasarkan pada satu, dua, atau tiga unsur hara yang divariasikan, sedangkan hara lainnya dianggap dalam kisaran yang cukup. Sudah lama diketahui bahwa kadar hara (bobot kering tanaman) berubah dengan nyata mengikuti umur tanaman (Rominger et al. 1975 dalam Leiwakabessy dan Sutandi (2004). Munson dan Nelson (1973) dalam Leiwakabessy dan Sutandi (2004) menjelaskan pada tanaman padi, kacang tanah, kentang, dan okra kadar N dan K umumnya menurun cepat dengan umur, sedangkan kadar P berubah sedikit.

1. Nitrogen (N) Nitrogen merupakan salah satu unsur yang diperlukan bagi pertumbuhan tanaman. Menurut hanway (1971) absospsi N oleh tanaman berlangsung selama pertumbuhannya. Nitrat dan ammonium merupakan bentuk nitrogen yang dapat diserap oleh tanaman padi untuk pertumbuhannya (Leiwakabessy 1988 diacu dalam Sianipar 2006). Nitrogen dalam bentuk ammonium lebih efektif dibandingkan bentuk nitrat dalam peningkatan produksi padi (Soepardi 1983 diacu dalam Sianipar, 2006). Manfaat nitrogen bagi pertumbuhan tanaman padi adalah membuat daun tanaman lebih hijau segar dan banyak menggandung butir hijau daun (chlorophyl) yang mempunyai peranan sangat penting dalam proses citrasintetis, mempercepat pertumbuhan tanaman (tinggi tanaman, jumlah anakan, cabang), menambah kandungan protein tanaman. Pemberian pupuk yang berlebihan akan mengakibatkan kelebihan jumlah kandungan nitrogen. Kelebihan nitrogen dapat menyebabkan pertumbuhan vegetatif memanjang (lambat panen), tanaman mudah rebah, menurunkan kualitas bulir, dan respon yang tinggi terhadap hama dan penyakit tanaman. Kekurangan unsur hara nitrogen mengakibatkan daun tanaman terlihat pucat kekuning-kuningan, daun tanaman menjadi kering dimulai dari daun bagin bawah sampai ke bagian atas daun, pertumbuhan tanaman yang lambat dan kerdil, perkembangan buah tidak sempurna.

2. Fosfor (P) Fosfor merupakan unsur hara yang tidak kalah pentingnya dibandingkan dengan nitrogen. Fosfor berfungsi untuk pembelahan sel, pembentukan bunga, perkembangan akar, memperkuat batang agar tidak mudah roboh, memperbaiki kualitas tanaman. Beberapa bagian tanaman sangat banyak mengandung zat ini, yaitu bagian-bagian pembiakan generatif, seperti daun-daun bunga, tangkai sari, kepala sari, butir tepung sari, daun buah dan bakal biji. Jadi untuk pembentukan bunga dan buah 3

sangat banyak diperlukan unsur fosfor. Selain itu fosfor juga berperan pada sintesa hijau daun, mendorong pertumbuhan akar-akar muda yang berguna bagi resistensi terhadap kekeringan. Penyebab kekurangan fosfor di dalam tanah disebabkan jumlah fosfor di tanah sedikit, sebagian besar terdapat dalam bentuk yang tidak dapat diambil oleh tanaman, karena terjadi pengikatan (fiksasi) oleh Al pada tanah masam atau Ca pada tanah alkalis (Hardjowigeno 2007 diacu dalam Nugroho 2011). Gejala kekurangan fosfor menyebabkan pertumbuhan tanaman menjadi lambat, batang kerdil dan dan kurus, daun tanaman terlihat ungu atau coklat. Faktor yang mempengaruhi tersedianya P untuk tanaman yang terpenting adalah pH tanah. Fosfor paling mudah diserap oleh tanaman pada pH sekitar netral (pH 6-7).

3. Kalium (K) Kalium merupakan unsur hara terpenting ketiga dari unsur hara makro. Kalium tidak kalah penting perannya dibandingkan dengan nitrogen dan fosfor. Kalium berperan sebagai aktivator dari berbagai enzim yang terlibat dalam reaksi-reaksi citrasintetis dan respirasi, sintetis protein dan karbohidrat (Tjondronegoro et al, 1999 diacu dalam Cahyono 2003). Kalium berfungsi sebagai katalis berbagai fungsi fisiologis essensial, yaitu: (1) metabolism atau pembentukan karbohidrat, (2) metabolism N dan sintetis protein, (3) mengontrol dan mengatur aktivitas berbagai hara mineral essensial, (4) mineralisasi asam organik, (5) aktifasi berbagai enzim, (6) pemicu pertumbuhan jaringan meristematik, dan (7) menggiatkan stomata dan pergerakan air (Tisdale et al, 1985 diacu dalam Cahyono, 2003). Jika terjadi kekurangan unsur fosfor, maka gejala yang tampak pada tanaman adalah daun berubah tua agak kemerahan, pada cabang, batang, dan tepi daun berwarna merah ungun yang lambat laun berubah menjadi kuning, pada buah tampak kecil dan cepat matang. Kekurangan K juga dapat mengurangi hasil dan menurunkan resistensi tanaman terhadap penyakitpenyakit tertentu, seperti Powldry-midew (kerusakan pada bagian batang) pada tanaman gandum, busuk akar dan Winter killed pada tanaman Alfalfa. Kekurangan K juga dapat mengakibatkan menurunnya kualitas tanaman buahbuahan dan sayuran (Direktorat Jenderal Pendidikan Tinggi Depdikbud, 1991 diacu dalam Nugroho, 2011).

B.

PEMUPUKAN

Pupuk adalah bahan yang memberikan unsur hara pada tanaman (Harjadi, 1996). Pemupukan dipengaruhi oleh waktu, konsentrasi, dan cara aplikasinya. Konsentrasi, waktu dan cara pemberian harus tepat agar tidak merugikan dan merusak lingkungan akibat kelebihan konsentrasi dan salah satu dalam waktu dan cara aplikasinya (Soepardi, 1983). Oleh sebab itu diperlukan pemupukan yang berimbang yang dilakukan secara efektif dan efisien sesuai kebutuhan tanaman dan ketersediaan hara dalam tanah. Pemupukan berimbang adalah pemberian berbagai unsur hara dalam bentuk pupuk untuk memenuhi kekurangan hara yang dibutuhkan tanaman berdasarkan tingkat hasil yang ingin dicapai. Menurut Siregar (1981), unsur hara yang penting terhadap pertumbuhan dan produksi padi yaitu N, P, K. Leiwakabessy dan Sutandi (2004) menjelaskan tujuan pemupukan untuk memperoleh produksi yang tinggi dan bernilai dengan memperbaiki peneyediaan hara dengan memperhatikan atau memperbaiki kesuburan tanah tanpa merusak lingkungan. Menurut Syarief (1985), pemberian pupuk terhadap tanaman dapat dilakukan melalui media tanam yang akan diserap oleh akar maupun pemberian melalui daun dengan menggunakan pupuk 4

daun dengnan menggunakan pupuk daun. Lingga dan Marsono, (2009) menjelaskan meskipun pupuk daun mempunyai banyak kelebihan, teetap saja dalam pengggunaannya masih terdapat kekurangan. Dengan mengetahui kekurangannya maka kita lebih hati-hati dalam mengaplikasikannya. Kebutuhan N tanaman dapat diketahui dengan cara mengukur tingkat kehijauan warna daun padi menggunakan bagan warna daun (BWD). Bagan warna daun adalah sebuah alat untuk mengukur tingkat kebutuhan N tanaman dengan mengukur skala tingkat kehijauan warna daun sehingga dapat diketahui jumlah kebutuhan unsur hara N tanaman.Nilai pembacaan bagan warna daun (BWD) digunakan untuk mengoreksi dosis pupuk N yang telah ditetapkan sehingga menjadi lebih tepat sesuai dengan kondisi tanaman. Menurut Siregar (1981), unsur hara yang mempunyai peranan penting terhadap pertumbuhan dan produksi tanaman padi yaitu N, P, dan K. Leiwakabessy dan Sutandi (2004) menjelaskan tujuan pemupukan untuk memperoleh produksi yang tinggi dan bernilai dengan memperbaiki penyediaan hara dengan memperhatikan atau memperbaiki kesuburan tanah tanpa merusak lingkungan. Pemberian pupuk awal N diberikan pada umur tanaman sebelum 14 HST ditentukan berdasarkan tingkat kesuburan tanah. Dosis pupuk awal N (urea) untuk padi varietas unggul baru adalah 50 – 75 kg/ha, sedangkan untuk padi tipe baru dengan dosis 100 kg/ha. Pembacaan BWD hanya dilakukan menjelang pemupukan kedua (21 – 28 HST) dan pemupukan ketiga (35 – 40 HST). Khusus untuk padi hibrida dan padi tipe baru pembacaan BWD juga dilakukan pada saat tanaman dalam kondisi keluar malai dan 10 % berbunga. Pemupukan dilakukan dengan cara disebar/ditabur merata di seluruh permukaan tanah. Urea merupakan pupuk yang mudah larut dalam air sehingga pada saat pemupukan sebaiknya saluran pemasukan dan pengeluaran air ditutup. Pemupukan P dan K disesuaikan dengan hasil analisis status hara tanah dan kebutuhan tanaman. Metode pemberian pupuk terhadap tanaman padi beragam. Pada tanaman padi pupuk diberikan melalui akar tanaman dan ada juga memupuk dengan cara pemberian melalui daun cara pemberian pupuk tergantung kebutuhan dan kondisi tanaman. Pemberian pupuk pada tanaman padi mempunyai peranan yang sangat penting sehingga perlu melaksanakan pedoman dan rekomendasi yang dianjurkan. Pada dasarnya hasil produksi maksimal budidaya tanaman padi dipengaruhi oleh faktor-faktor penting yang menjadi kunci kesuksesan budidaya. Pemupukan salah satu faktor penting, sehingga dengan menerapkan rekomendasi pemberian pupuk yang berimbang, tepat dan efisien diharapkan tercapai hasil yang maksimal, menguntungkan, berkelanjutan, dan ramah lingkungan.

Gambar 1. Kegiatan pemupukan padi

5

C.

BAGAN WARNA DAUN

Bagan warna daun (BWD) merupakan bagan sebagai indikator yang berguna bagi kebutuhan pupuk nitrogen bagi tanaman. Bagan warna daun pertama kali dikembangkan di Jepang, dan kemudian peneliti-peneliti dari Universitas Pertanian Zhejiang Cina mengembangkan suatu BWD yang lebih baik dan mengkalibrasi dengan padi indica, japonica, dan hibrida. Bagan warna daun didistribusikan oleh Crop Resources and Management Network (CREMNET)-IRRI ( International Rice Research Institute). Sebuah alat sederhana dapat menentukan jumlah klorofil dalam daun tanaman disebut SPAD52 (KONICA MINOLTA 1989), namun alat ini masih cukup mahal. Alat ini secara digital mencatat jumlah relatif dari molekul klorofil, jadi sangat sensitif dan akurat. Pencatatannya disebut nilai SPAD yang diperhitungkan berdasarkan jumlah cahaya yang ditransmisikan oleh daun dalam dua berkas panjang gelombang dimana absorbansi klorofil berbeda. Nilai SPAD yang ditentukan dengan SPAD52 memberikan indikasi mengenai jumlah relatif klorofil yang ada dalam daun (Gani, 2006). BWD terdiri atas empat warna hijau, dari hijau kekuningan sampai hijau tua. BWD tidak dapat dapat menunjukan perbedaan warna hijau daun yang terlalu kecil sebagaimana pada khlorofil meter (SPAD). Namun, BWD bisa dibandingkan dengan SPAD untuk menentukan ketepatan relatifnya dalam menentukan status N tanaman padi (Gani, 2006). Penggunaan BWD dapat digunakan melalui dua cara. Cara pertama berdasarkan kebutuhan riil tanaman (real time), dengan membandingkan warna daun padi dengan skala BWD secara berkala, setiap 7-10 hari sejak 21-28 hari setelah tanam (HST) sampai fase primordia (pada padi hibrida dan padi tipe baru atau PTB dilanjutkan sampai fase 10% berbunga). Tanaman segera diberi pupuk N ketika warna daun berada dibawah skala 4 BWD. Menggunakan metode ini petani perlu sering ke sawah untuk membandingkan warna daun padi dengan BWD. Penggunaan BWD berdasarkan kebutuhan riil tanaman, pemupukan N pertama diberikan 50-75 kg urea/ha sebagai pupuk dasar pada saat padi berumur 14 HST, pada saat ini BWD tidak perlu digunakan. Pengukuran dilakukan dengan memilih secara acak 10 rumpun tanaman sehat pada hamparan yang seragam, kemudian memilih daun teratas yang telah membuka penuh pada satu rumpun. Posisi pengukuran warna daun padi dilakukan dengan membelakangi matahari, hal ini diyakini karena matahari dapat memperngaruhi warna. Hasil yang telah didapatkan melalui pengukuran warna daun padi, jika 10 daun padi yang telah diukur terdapat 5 daun atau lebih berada dalam nilai kritis, yaitu dibawah skala 4, maka tanaman perlu segera diberi pupuk N susulan sesuai dengan target hasil yang ingin dicapai. Berikut ini disajikan kriteria pemberian pupuk untuk mendapatkan hasil yang diharapkan bila warna daun dibawah nilai kritis (skala < 4 BWD) pada tabel 1. Tabel 1. Takaran pupuk urea yang diperlukan bila warna daun dibawah nilai kritis, skala < 4 (BB Padi, 2006 di dalam Gani, 2006)

BWD

Respon terhadap pupuk N Pembacaan BWD

Rendah

Sedang

Tinggi

Sangat tinggi

Target hasil (ton/ha GKG) ≈ 5.0

BWD < 4

≈ 6.0

≈ 7.0

≈ 8.0

Takaran urea yang digunakan (kg/ha) 50

70

100

125 6

Metode kedua berdasarkan waktu yang telah ditetapkan (fixed time), biasanya berdasarkan pertumbuhan tanaman, yaitu pertumbuhan awal (0-14 HST), pembentukan anakan aktif (21-28 HST), dan primordia. Dengan cara ini hanya melakukan 2-3 kali pengukuran warna daun padi dengan BWD. Sebelum berumur 14 hari setelah tanam pindah (HST), tanaman padi diberi pupuk dasar N dengan takaran 50-70 kg/ha. Pada saat itu BWD belum diperlukan. BWD digunakan pada pemupukan kedua atau stadia anakan aktif (21-28 HST) dan pemupukan ketiga atau primordia (35-40 HST) dengan membandingkan warna daun dengan skala BWD (Gani, 2006). Prosedur pemberian pupuk yang diberikan sesuai skala warna pada BWD dapat dilihat pada tabel 2.

Tabel 2. Takaran urea yang diberikan sesuai dengan skala warna daun pada penggunaan BWD berdasarkan waktu yang ditetapkan (BB Padi, 2006 di dalam Gani, 2006) Respon terhadap pupuk N Rendah Pembacaan BWD

Sedang

Tinggi

Sangat tinggi

Target hasil (ton /ha) ≈ 5.0

≈ 6.0

≈ 7.0

≈ 8.0

Takaran Urea yang digunakan (kg/ha) BWD ≤ 3

75

100

125

150

BWD = 3.5

50

75

100

125

BWD ≥ 4

0

0-50

50

50

Penelitian bagan warna di Maligaya Filipina menunjukkan bahwa dengan menerapkan BWD, petani kooperator dapat menghemat penggunaan pupuk N sebesar 10-53 kg N/ha atau sekitar 10-58% dari takaran umum yang diterapkan oleh petani untuk mencapai produktivitas yang sama. Serangan penyakit bakteri bercak daun dan penyakit bergaris merah juga tidak banyak ditemukan pada petak yang menerapkan BWD (Morales, 2000 di dalam Wahid, 2003). Abdulrahman et. Al (2001) diacu di dalam Wahid (2003) melaporkan bahwa pemberian pupuk N berdasarkan klorofil daun dengan menggunakan klorofil meter (SPAD) atau BWD menghemat urea 30-40%. Wahid et al (2001) melaporkan bahwa keuntungan usaha tani padi dengan menerapkan BWD-4 dan BWD-5 lebih tinggi daripada cara petani atau pemupukan sesuai rekomendasi. Penghematan pupuk N dibandingkan dengan takaran rekomendasi sebesar 75 kg N (60%) untuk BWD-4 dan sekitar 15 kg N (12%) untuk BWD-5.

Gambar 2. Bagan warna daun 4 level (IRRI) 7

D.

PENGOLAHAN CITRA

Data atau informasi tidak hanya disajikan dalam bentuk teks, tapi juga dapat berupa gambar, dan video. Keempat macam data atau informasi ini sering disebut multimedia. Citra (image) istilah lain untuk gambar sebagai satu komponen multimedia yang berbentuk informasi visual. Citra diartikan harafiah adalah gambar pada bidang dua dimensi (Murni, 1992). Definisi citra menurut kamus Webster adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau benda. Sebuah citra mengandung informasi tentang obyek yang direpresentasikan. Citra dapat dikelompokkan menjadi citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, seperti mata. Citra diskrit dihasilkan melalui proses digitalisasi terhadap citra kontinu. Beberapa sistem optik dilengkapi dengan fungsi digitalisasi sehingga mampu menghasilkan citra diskrit, misalnya kamera digital. Citra diskrit inilah yang disebut citra digital. Citra disusun oleh banyak piksel. Pixel (picture element) adalah sekumpulan titik yang merupakan elemen paling kecil pada citra. Angka numerik (1 byte) dari pixel disebut digital number (DN). Digital Number bias ditampilkan dalam warna kelabu berkisar antara putih dan hitam (gray scale). Untuk menunjukkan lokasi setiap piksel, koordinat (0,0) digunakan atas posisi kiri dalam bidang citra. digunakan atas posisi kiri dalam bidang citra. Untuk menunjukkan tingkat pencahayaan suatu piksel digunakan bilangan bulat yang besarnya 8-byte, dengan lebar selang nilai 0-255, dimana 0 untuk warna hitam, 255 untuk warna putih (Ahmad, 2005). Dalam hal citra digital nilai level energi dituliskan dalam satuan byte. Pada umumnya citra digital berbentuk empat persegi panjang, dan dimensi ukurannya dinyatakan sebagai tinggi x lebar (atau lebar x panjang). Citra (x,y) disimpan dalam memori komputer atau penyimpanan bingkai citra dalam bentuk array N x M dari contoh diskrit dengan jarak sama, sebagai berikut :

f(x,y) =

f(0,0) f(0,1)......f(0,M-1) f(1,0) f(1,1)…..f(1,M-1) ........................................ f(N,0) f(N,1) ...f(N,M-1)

(1)

Menurut Murni (1992) citra sebagai keluaran dari suatu sistem perekaman data dapat bersifat: 1. Optik berupa citra. 2. Analog berupa sinyal video seperti gambar pada monitor televisi. 3. Digital yang dapat langsung disimpan pada suatu pita magnetik. Pada bidang komputer, sebenarnya ada tiga bidang studi yang berkaitan dengan data citra, namun memiliki tujuan yang berbeda, yaitu: 1. Grafika komputer (computer graphics). 2. Pengolahan citra (image processing). 3. Pengenalan pola (pattern recognition/image interpretation).

Citra

Pengolahan Citra

Citra

Gambar 3. Proses pengolahan citra (Murni,1992) 8

Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain dengan masukannya adalah citra dan keluarannya juga citra, namun citra keluaran mempunyai kualitas lebih baik daripada citra masukan seperti pada gambar di bawah ini. Termasuk dalam bidang ini juga adalah pemampatan citra (image compression). Menurut Jain (1989), pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila: 1. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra. 2. Elemen di dalam citra perlu dikelompokkan, dicocokkan, atau diukur. 3. Sebagian citra perlu digabung dengan bagian citra yang lain. Operasi-operasi yang dilakukan pada pengolahan citra banyak ragamnya, namun secara umum, operasi pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut: 1. Perbaikan kualitas citra (image enhancement). Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat di dalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikan citra: a) Perbaikan kontras gelap/terang. b) Perbaikan tepian objek (edge enhancement). c) Penajaman (sharpening). d) Pemberian warna semu (pseudocoloring). e) Penapisan derau (noise filtering). 2. Pemugaran citra (image restoration) Operasi ini bertujuan menghilangkan/meminimumkan cacat pada citra. Tujuan pemugaran citra hampir sama dengan operasi perbaikan citra. Bedanya, pada pemugaran citra penyebab degradasi gambar diketahui. Contoh-contoh operasi pemugaran citra: a) Penghilangan kesamaran (deblurring). b) Penghilangan derau (noise). 3. Pemampatan citra (image compression) Jenis operasi ini dilakukan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang digunakan lebih sedikit. Hal penting yang harus diperhatikan dalam pemampatan adalah citra yang telah dimampatkan harus tetap mempunyai kualitas gambar yang bagus. Contoh metode pemampatan citra adalah metode JPEG. 4. Segmentasi citra (image segmentation) Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola. 5. Pengolahan citra (image analysis) Jenis operasi ini bertujuan menghitung besaran kuantitif dari citra untuk menghasilkan deskripsinya. Proses segmentasi terkadang diperlukan untuk melokalisasi objek yang diinginkan dari sekelilingnya. Contoh-contoh operasi pengolahan citra: a) Pendeteksian tepi objek (edge detection). b) Ekstraksi batas (boundary). c) Representasi daerah (region). 9

6. Rekonstruksi citra (image reconstruction) Jenis operasi ini bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Misalnya beberapa citra rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh. Citra digital memiliki kaya akan informasi, namun seringkali citra tersebut mengalami penurunan mutu, warnanya terlalu kontras, kurang tajam, kabur dan sebagainya. Citra semacam ini menjadi lebih sulit diinterpretasi karena informasi yang disampaikan oleh citra tersebut menjadi berkurang. Citra tersebut perlu dimanipulasi menjadi citra yang kualitasnya lebih baik, dianalisis untuk tujuan dan kepentingan tertentu, agar mudah diinterpretasi baik oleh manusia maupun mesin. Proses yang dilakukan untuk mengolah dan menganalisis citra tersebut adalah pengolahan citra (image processing). Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Citra yang digunakan adalah citra digital, karena citra jenis ini dapat diproses oleh komputer digital. Keunggulan penggunaan pengolahan citra ini adalah dapat mengevaluasi bahan uji tanpa harus merusak objeknya dan memiliki konsistensi yang cukup tinggi. Menurut Arymurthy dan Suryani (1997), citra masukan akan berubah menjadi bentuk digital dengan bantuan sensor dan pengubah analog ke digital (kamera) yang disimpan pada sebuah bingkai gambar (JPG / BMP) kemudian disimpan dalam sebuah komputer digital yang dapat dilihat melalui monitor peraga proses tersebut dapat dilihat pada Gambar 4. Menurut Arymurthy dan Setiawan (1992), elemen-elemen dari sistem pengolahan citra dapat dilihat pada Gambar 4.

Citra masukan

Sensor

Pengubah analog ke digital

Penyimpanan bingkai citra

Komputer Monitor peraga digital

Gambar 4. Elemen-elemen dari sistem pengolahan citra (Arymurthy dan Setiawan,1992) Elemen pengolahan citra terdiri dari citra masukan yang ditangkap oleh sensor dan diubah menjadi citra digital, selanjutnya citra yang telah diubah akan disimpan dalam bentuk bingkai citra selanjuitnya akan diproses dalam komputer digital diolah sesuai dengan tujuan kemudian akan ditampilkan dalam monitor peraga. Warna yang digunakan dalam tampilan monitor peraga adalah model warna RGB. Model warna digital yang telah banyak dikembangkan para ahli diantaranya adalah model warna RGB (red, green, blue) dan HIS (hue, saturation, intensity). Pengolahan warna menggunakan warna RGB mudah dan sederhana karena informasi warna dalam komputer sudah dikemas dalam model yang sama (Ahmad, 2005). Pembentukan warna dengan proses substraktif dilakukan dengan memadukan warna substraktif primer, yaitu warna kuning, cyan, dan magenta 10

(Lillesand dan Kiefer, 1979). Model warna RGB merupakan model warna pokok aditif, yaitu warna dibentuk dengan mengkombinasikan energi cahaya dari ketiga warna pokok dalam berbagai perbandingan. Model warna RGB dapat juga dinyatakan dalam bentuk indeks warna RGB dengan rumus sebagai berikut : Indeks warna merah (Ired) =

(2)

Indeks warna hijau (Igreen) =

(3)

Indeks warna biru (Iblue) =

(4)

Menurut Craig (1997) pada RGB pola bit angka dikomposisikan dari ketiga nilai yang berkaitan dengan tingkat intensitas warna : satu untuk merah, satu untuk hijau, dan satu untuk biru masing masing dari 0-225 sehingga dapat mengkombinasikan warna sebanyak 16.277.216 macam. Menurut Mohsein (1984) persepsi visual warna oleh mata manusia tidak menggunakan sensor untuk setiap panjang gelombang, tetapi hanya ada 3 pusat stimulus, yaitu merah, hijau, biru. Model warna RGB merupakan model warna pokok aditif, yaitu warna yang dibentuk dengan mengkombinasikan energy cahaya dari ketika warna pokok dalam berbagai perbandingan. Sebuah jenis warna, dapat dibayangkan sebagai sebuah vektor di ruang 3 dimensi yang biasanya dipakai dalam matematika, koordinatnya dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x, komponen-y, dan komponen-z, dapat dituliskan dalam sebuah vektor r = (x,y,z). Model warna digital yang telah banyak dikembangkan para ahli diantaranya adalah model warna RGB (red, green, blue) dan HIS (hue, saturation, intensity). Pengolahan warna menggunakan RGB mudah dan sederhana karena informasi warna dalam komputer sudah dikemas dalam model yang sama (Ahmad, 2005). Pembentukan warna dapat berupa proses aditif dan substraktif. Pada proses aditif, pembentukan warna dilakukan dengan memadukan warna aditif primer yaitu warna biru, hijau, dan merah. Pembentukan warna dengan proses substraktif dilakukan dengan memadukan warna substraktif primer, yaitu warna kuning, cyan, dan magenta (Lillesand dan Kiefer, 1979). RGB aditif dapat dilihat pada Gambar 5.

Gambar 5. RGB aditif circle (Lillesand dan Kiefer, 1979) Tujuan utama dari model warna RGB adalah untuk sensing, representasi, dan menampilkan gambar dalam sistem elektronik, seperti televisi dan komputer, meskipun juga telah digunakan di konvensional citragrafi . Sebelum usia elektronik, model warna RGB sudah memiliki teori yang solid di belakangnya, yang berbasis di persepsi manusia warna. Hal yang perlu dilakukan adalah melakukan pembacaan nilai-nilai red, green dan blue pada satu piksel, menampilkan dan menafsirkan warna hasil perhitungan tadi sehingga mempunyai arti sesuai dengan yang diinginkan. 11

E.

K-Nearest Neighbor (KNN)

K-tetangga terdekat atau K-nearest neighbor (KNN) merupakan metode klasifikasi yang memasukkan data ke dalam mayoritas kelas dari k tetangga terdekatnya dengan k adalah sebuah parameter (Manning, 2008). Seperti halnya decision tree, K-Nearest Neighbor sangat sering digunakan dalam klasifikasi dengan tujuan dari algoritme in adalah untuk mengklasifikasi objek baru berdasarkan atribut dan training samples (Larose, 2002). Algoritma KNN sendiri adalah suatu algoritma yang sederhana, namun cukup efektif dalam melakukan kategorisasi teks (Ramadan, 2006). Pengelompokan suatu data baru berdasarkan jarak data baru itu ke bebrapa data/tetangga (neighbor). Dalam hai ini jumlah data/tetangga terdekat ditentukan oleh user yang dinyatakan dengan k. Misalkan ditentukan k=5, maka setiap data testing dihitung jaraknya terhadap data training dan dipilih 5 data training yang jaraknya paling dekat ke data testing. Lalu periksa output atau labelnya masing-masing, kemudian tentukan output mana frekuensinya paling banyak. Lalu masukkan suatu data testing ke kelompok dengan output paling banyak. Misalkan dalam kasus klasifikasi dengan 3 kelas, lima data tadi terbagi atas tiga data dengan output kelas 1, satu data dengan output kelas 2 dan satu data dengan outpit kelas 3, maka data baru tadi dapat dikelompokkan ke dalam kelas 1. Prosedur ini dilakukan untuk semua data testing (Santosa, 2007). Untuk mendefinisikan jarak antara dua titik yaitu titik pada data training (x) dan titik pada data testing (y) maka digunakan rumus Euclidean : (5) Jarak antara titik pada data training x dan titik pada data testing y disimbolkan dengan d, dimana x=x1,x2,...,xi dan y=y1,y2,...,yi dan I merepresentasikan nilai atribut serta n merupakan dimensi atribut (Han dan Kember, 2001). Algoritma ini selain memiliki kelebihan seperti tangguh terhadap training data yang noisy dan efektif apabila training data yang besar, juga mempunyai beberapa kekurangan diantaranya perlu ditentukan nilai k yang paling optimal yang menyatakan jumlah tetangga terdekat dan biaya komputasi cukup tinggi karena perhitungan jarak harus dilakukan pada setiap query instance bersama-sama dengan seluruh istan dari training sample.

Gambar 6. Ilustrasi teknik klasifikasi KNN (Fukunaga, 1997) Pada Gambar 6, diilustrasikan teknik klasifikasi KNN. Terdapat tida kelas, yaitu w1, w2, dan w3, serta xu yang merupakan vektor yang belum diketahui kelasnya. Kemudian dipilih lima tetangga 12

terdekat (k=5). Setelah dipilih lima tetangga terdekat, dihitung kelas terbanyak pada tetangga terdekat tersebut. Pada Gambar 6 dapat dilihat terdapat satu tetangga terdekat xu yang berada pada kelas w2 dan empat lainnya berada pada kelas w1. Berdasarkan jumlah kelas terbanyak pada tetangga terdekat, maka xu berada pada kelas w1. Terdapat beberapa jenis algoritma pencarian tetangga terdekat, yaitu : linear scan, pohon kd, pohon balltree, pohon metric, dan locally-sensitive hashing (LSH). Nilai k yang terbaik untuk algoritma ini tergantung pada data, secara umum nilai k yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara setiap klasifikasi menjadi lebih kabur. Nilai k yang bagus dapat dipilih dengan optimasi parameter, misalnya dengan menggunakan cross-validation. Prabawa (2006) melakukan penelitian tentang Precision Farming yang diterapkan dalam pemupukan N, P, dan K pada budidaya tebu. Model hubungan antara input hasil tebu serta kadar gula dengan dosis pupuk yang diinginkan diformulasikan dengan artificial neural network seperti ditunjukkan pada Gambar 7.

a Hasil tebu

Jumlah hara N yang dibutuhkan

b

Kadar gula

c

Jumlah hara P yang dibutuhkan

d

input layer

hidden layer

output layer

Gambar 7. Konfigurasi model neural network untuk pemupukan pertama

pada budidaya tebu

(Prabawa, 2006)

F.

PRINSIP KERJA KAMERA

Kamera tentunya sudah tidak asing lagi, beberapa peralatan elektronik sudah memiliki perangkat kamera seperti kamera handphone, CCTV, wabcam laptop atau computer, ataupun hanya kamera itu sendiri seperti kamera digital. Kamera handphone memiliki kamera yang sama dengan kamera digital. Kamera handphone memiliki resolusi dan pengaturan kerja setiap handphone berbedabeda, tetapi pada dasarnya memiliki fungsi yang sama menangkap citra/gambar. Kamera digital dalam handphone menangkap citra/gambar menggunakan sebuah barisan sensor, bukan menggunakan film, dan menyimpannya dalam sebuah memori flash/hard disk mini. Sensor-sensor yang sering dipakai adalah jenis CCD atau charge-coupled device (Nugroho, 2005). Ukuran sensor terdiri dari sensor berukuran kecil dan berukuran besar. Sensor dengan ukuran kecil dijumpai di kamera handphone dan kamera saku hingga kamera prosumer. Agung (2012), menyatakan bahwa kuran kecil sensor bisanya digolongkan menjadi tiga bagian ukuran, yaitu : ukuran 1/2.5 inci 13

(5.7 x 4.3 mm), ukuran 1/1.8 inci (7.2 x 5.3 mm), ukuran 2/3 inci (11 x 8.8 mm). Sedangkan sensor dengan ukuran besar diantaranya : Sensor Four Thirds (17 x 13 mm), Sensor APS-C (22 x 15 mm), Sensor APS-H (29 x 19 mm Sensor Full Frame (50 x 39 mm). Perekaman gambar yang dilakukan oleh CCD sebenarnya dalam format grayscale atau monokrom dengan 256 macam intensitas warna dari putih sampai hitam. Revolusi citragrafi mampu membuat gambar berwarna dari film hitam putih dengan mengunakan filter merah, hijau dan biru yang dikenal dengan RGB (James Clark Maxwel, 1860). Pembentukan warna pada gambar fitografi sebenarnya hanya terdiri dari tiga warna yaitu merah, hijau dan biru atau disebut additive color system. Apabila ketiga warna ini digabungkan dengan intensitas yang sama akan membentuk warna putih. Penggabungan dua warna dengan intensitas yang sama akan menghasilkan warna baru yaitu red- green, green-blue, blue-red. Sekeping sensor tersusun atas jutaan rangkaian dioda peka cahaya berukuran sangat kecil yang dinamakan piksel. Banyaknya jumlah piksel pada sensor menunjukkan resolusi yang menentukan seberapa detail sebuah citra bisa dihasilkan. Semakin tinggi resolusi dari sebuah citra maka akan semakin besar ukuran cetak maksimalnya. Setiap piksel pada keping sensor akan merubah intensitas cahaya yang mengenainya menjadi tegangan listrik, dimana piksel yang mendapat cahaya terang akan menghasilkan sinyal listrik tinggi sedangkan piksel yang kurang mendapat cahaya akan mengeluarkan sinyal yang rendah. Menurut Andi (2005) pada prinsipnya, resolusi sensor sendiri tidak berhubungan secara langsung dengan kualitas citra. Resolusi sensor lebih tepat digunakan untuk menentukan resolusi maksimal citra yang dihasilkan nantinya. Sebuah citra digital bila dilihat secara detail merupakan mosaik yang dibentuk dari jutaan piksel dimana semakin banyak pikselnya maka semakin detail citranya. Sebuah citra dengan dimensi 3000 piksel (sisi panjang) dan 2000 piksel (sisi pendek) menandakan citra tersebut memiliki 6 juta piksel (3000 x 2000 piksel) atau disebut 6 mega piksel (6 MP). Kamera handphone saat ini memiliki fokus otomatis. Istilah fokus sesuai terminologi artinya titik tempat berkumpulnya sinar yang melalui sebuah optik atau lensa. Auto fokus dalam kamera secara otomatis menggerakkan elemen lensa untuk mendapat hasil terbaik. Prinsip auto fokus memakai deteksi kontras (contrast detect) yang lebih hemat biaya. Prinsip deteksi kontras sebenarnya hadir di era digital yang cirinya mampu menampilkan preview gambar yang akan diambil melalui layar LCD. Citra yang muncul di monitor adalah citra yang diterima oleh sensor, sehingga biasa disebut live-view. Telepon seluler mempunyai pengaturan yang berbeda-beda, dalam berbagai merek telepon seluler sudah memiliki pengaturan auto fokus kamera, ada juga telepon seluler yang memiliki fokus manual. Proses auto fokus dimulai saat tombol ditekan setengah kemudian kamera langsung menggerakkan elemen fokus di dalam lensa secara maju mundur untuk mendapat kontras terbaik dan memberi konfirmasi berupa bunyi sebagai tanda sudah berhasil mendapat fokus. Menurut Agung (2012), beberapa hal yang menentukan kecepatan kamera dalam mencari fokus adalah : 1. 2. 3.

Adanya kontras yang baik pada obyek yang akan dicitra. Semakin rendah kontras dari obyek yang akan dicitra maka kamera makin sulit untuk mendapatkan fokus yang tepat. Kondisi pencahayaan sekitar obyek harus cukup baik dan tidak gelap. Saat gelap kamera biasanya membantu auto fokus dengan menembakkan lampu AF assist beam. Pergerakan obyek yang akan dicitra juga mempengaruhi, bila obyek bergerak terlalu cepat sulit bagi kamera untuk mengunci fokus. 14

G.

PERTANIAN PRESISI

Pertanian presisi atau precision farming merupakan sebuah konsep pengelolaan pertanian secara modern yang bertujuan untuk mengendalikan input dan proses dalam usaha tani sehingga diharapkan diperoleh hasil produksi yang optimal, berkelanjutan, dan menguntungkan. Menurut Prabawa et al., 2009 pertanian presisi merupakan informasi dan teknologi pada sistem pengelolaan pertanian untuk mengidentifikasi, menganalisa, dan mengelola informasi keragaman spasial dan temporal di dalam lahan untuk mendapatkan keuntungan optimum, berkelanjutan dan menjaga lingkungan. Dengan kata lain pertanian presisi atau precision farming adalah suatu usaha pertanian dengan pendekatan dan teknologi yang memungkinkan perlakuan yang teliti (precise treatment) dan revolusi awal dalam pengelolaan sumber daya alam berbasis teknologi informasi, Manajemen Informasi Geografis (Management Information System) dalam presisi pertanian meliputi Sistem Informasi Geografis (Geographical Information System) , seperti global positioning system (GPS), sensor, satelit atau citra udara, sensor real time. Informasi yang dikumpulkan dapat digunakan untuk mengevaluasi optimalitas input seperti perkiraan pemberian pupuk, pengolahan tanah, irigasi dan drainase, serta dapat pula untuk memprediksi hasil panen. Precision farming bertujuan untuk menghindari proses yang tidak efisien hingga tahap pemanenan, terlepas dari keadaan tanah dan kondisi iklim (Deer & Company, 1997). Deer & Company (1997) berpendapat bahwa terdapat dua buah metode dasar dalam penerapan precision farming yang pertama adalah map-based variabel rate application dan yang kedua adalah sensor-based variabel rate application. Map-based variabel rate application adalah mengukur takaran aplikasi berdasarkan informasi produk yang terkandung dalam sebuah peta elektronik dari komponen lahan.

H.

PENELITIAN TERDAHULU Teknologi yang dikembangkan telah sampai pada tahap penelitian awal (Astika, 2010), namun

dari tahap itu telah terlihat potensi pengembangan yang baik. Penelitian tersebut telah menghasilkan metoda pengolahan citra yang melakukan ekstrak citra daun padi ke komponen RGB, ekstrak citra telapak tangan petani ke komponen RGB dan membuat hubungan antara komponen RGB daun, komponen RGB telapak tangan dengan dugaan tingkat warna daun.

Background Min R, Max R, Avr R Min G, Max G, Avr G Min B, Max B, Avr B

Leaf Min R, Max R, Avr R Min G, Max G, Avr G Min B, Max B, Avr B

Leaf Color Levels 2

k-Nearest Neighborhood Classifier

3 4 5

Gambar 8. kNN untuk pengenalan pola (Astika, 2010) 15

Gambar 9. Metode pengambilan citra (Astika, 2010) Akurasi yang rendah ini diyakini disebabkan oleh pemakaian 5 merek telepon seluler secara bersama menjadi satu formulasi. Tiap telepon seluler memiliki pengaturan pewarnaan yang berbedabeda sehingga sebaiknya setiap merek dan tipe telepon seluler memiliki satu formulasi. Di samping itu telah diketahui bahwa latar belakang yang terbaik adalah telapak tangan dengan dinaungi bayangan badan petani. Tabel 3. Akurasi pendugaan tingkat warna daun hasil penelitian sebelumnya (Astika, 2010) Akurasi pada berbagai kondisi latar belakang Tingkat warna Daun 2 3 4 5 Rata-rata

Kulit telapak tangan, dibawah bayangan 0.75 0.45 0.67 0.78 0.66

(a) Arah Selatan

Kulit telapak tangan, dibawah sinar matahari 0.80 0.35 0.61 0.55 0.58

Kertas putih, dibawah bayangan

Kertas putih, dibawah sinar matahari

0.85 0.21 0.21 0.25 0.38

0.80 0.53 0.58 0.63 0.63

Rata-rata

0.80 0.39 0.52 0.55 0.56

(b) Arah Timur

Gambar 10 . Contoh hasil pemetaan tingkat warna daun (Astika, dkk; 2010) 16

I.

APLIKASI SEJENIS YANG TELAH DITEMUKAN 1.

Leaf Coder

Aplikasi ini dibuat dan dikembangkan oleh mahasiswa dari Institut Teknologi Telkom, Bandung-Jawa Barat. Aplikasi ini saat ini masih diikutsertakan kedalam perlombaan Imagine Cup Indonesia 2012 yang masih dalam tahap seleksi dan kemudian menuju ke Imagine Cup Australia 2012 yang diadakan oleh perusaahaan software ternama Microsoft. Cara kerja aplikasi ini adalah mendeteksi warna daun tanaman Padi. Aplikasi ini berbasis pengenalan tingkat warna daun yang bernama LSU untuk mengetahui kekurangan unsur hara tanman padi. Penggunaan leaf coder harus terhubungkan dengan koneksi internet. kemudian diolah keluaran program berupa dosis pemupukan yang telah diolah . Hasil analisis dapat dilihat pada aplikasi web Leaf coder. Leafcoder akan menghemat 10-58 persen penggunaan pupuk. Cara penggunannya mengambil citra sampel daun padi kemudian citra tersebut akan teranalisis oleh aplikasi leaf coder berupa kode warna, kemudian kode tersebut diolah di web leafcoder dan kita akan diperlihatkan kebutuhan pupuk untuk tanaman padi. Aplikasi leaf coder dapat dilihat pada Gambar 11.

Gambar 11 . Leaf coder (Anonim, 2012)

Gambar 12 Contoh pengambilan citra daun padi dengan leaf coder (Anonim, 2012) 17

2.

Pemupukan Hara Spesifik Lokasi Padi Sawah (PHSL)

Program PHSL-Padi Sawah merupakan perangkat pembuat keputusan berbasis komputer bagi rekomendasi pemupukan padi bagi bidang sawah tertentu. Program itu mengajukan pertanyaanpertanyaan yang dapat dijawab dengan cepat oleh petani atau teknisi. Setelah itu, rekomendasi pemupukan ditampilkan. Prinsip-prinsip dari PHSL muncul dari hampir 15 tahun penelitian yang melibatkan kemitraan dari International Rice Research Institute (IRRI) dengan organisasi-organisasi di seluruh Asia. Di Indonesia, kerja sama jangka panjang dari IRRI dengan organisasi-organisasi lingkup Badan Penelitian dan Pengembangan Pertanian (Badan Litbang Pertanian) memberikan kontribusi terhadap perumusan prinsip-prinsip PHSL dan konsolidasi pengetahuan, yang memungkinkan membuat pengembangan Nutrient Manajer for Rice. Tampilan awal aplikasi PHSL dapat dilihat pada Gambar 13. Lembaga-lembaga yang ikut memberikan sumbangan pada pengembangan PHSL-Padi Sawah : 1. BB Padi (Balai Besar Penelitian Tanaman Padi) 2. Puslitbang tan (Pusat Penelitian dan Pengembangan Tanaman pangan) 3. BBSDLP (Balai Besar Litbang Sumberdaya Lahan Pertanian) 4. BBP2TP (Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. Pemupukan Hara Spesifik Lokasi Padi Sawah (PHSL) terwujud dukungan dari : 1. 2. 3.

Swiss Agency for Development and Cooperation (SDC) International Fertilizer Industry Association (IFA) International Plant Nutrition Institute (IPNI) International Potash Institute (IPI).

Gambar 13. Tampilan awal aplikasi pemupukan hara spesifik lokasi padi sawah (PHSL) (IRRI, 2012) Sumber : (http://webapps.irri.org/nm/id/index.php) 18

Gambar 14. Tampilan pertanyaan aplikasi pemupukan hara spesifik lokasi padi sawah (PHSL) (IRRI, 2012) Sumber : (http://webapps.irri.org/nm/id/index.php

Gambar 15. Tampilan rekomendasi pemupukan menurut bagan warna daun, PHSL (IRRI, 2012) Sumber : (http://webapps.irri.org/nm/id/index.php 19