PENDUGAAN HASIL PANEN PADI MENGGUNAKAN ANALISIS IMAGE PROCESSING
SKRIPSI
Oleh : MADE ARYA BHASKARA PUTRA NIM: 1111305002
PROGRAM STUDI TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS UDAYANA 2015
PENDUGAAN HASIL PANEN PADI MENGGUNAKAN ANALISIS IMAGE PROCESSING
SKRIPSI
Skripsi ini diajukan sebagai salah satu syarat untuk mencapai gelar Sarjana Teknologi Pertanian pada Fakultas Teknologi Pertanian Universitas Udayana
Oleh : MADE ARYA BHASKARA PUTRA NIM: 1111305002
PROGRAM STUDI TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN UNIVERSITAS UDAYANA 2015
ii
LEMBAR PENGESAHAN
Skripsi ini telah mendapat persetujuan pembimbing :
Dosen Pembimbing I
Dosen Pembimbing II
Prof. Ir. I Made Anom S. Wijaya, M.App.Sc., Ph.D. NIP. 19631113 199003 1 001
Dr. Ir. Yohanes Setiyo, MP. NIP. 19631016 199003 1 001
Mengesahkan: Dekan Fakultas Teknologi Pertanian Universitas Udayana
Dr. Ir. I Dewa Gde Mayun Permana, MS. NIP. 19591107 198603 1 004
Tanggal lulus:
iii
Made Arya Bhaskara Putra 1111305002. Pendugaan Hasil Panen Padi Menggunakan Analisis Image Processing. Di bawah bimbingan Prof. Ir. I Made Anom S. Wijaya, M.App.Sc.,Ph.D., dan Dr. Ir. Yohanes Setiyo, MP.
ABSTRAK Tujuan dari penelitian ini adalah (1) untuk membuat sistem pendugaan hasil panen padi menggunakan analisis image processing, (2) mengetahui algoritma pendugaan hasil panen padi, serta (3) mengetahui akurasi pendugaan hasil panen padi. Sistem pendugaan hasil panen padi terdiri dari data akuisisi, analisis citra, dan pendugaan hasil panen padi. Penelitian ini menggunakan padi dengan varietas Ciherang dan Towuti. Analisis citra terdiri dari manual pre-processing menggunakan software Adobe Photoshop Cs4 dan processing menggunakan software MATLAB R2009b. Data sampel dalam penelitian ini dibagi menjadi dua data, yaitu data traning, dan data untuk melakukan validasi. Algoritma yang digunakan dalam pendugaan hasil panen padi adalah; akuisisi citra, manual preprocessing, grayscaling, thresholding otsu dengan penambahan nilai T yang diperoleh dari uji coba, operasi morphologi citra, resize citra, penghitungan jumlah pixel gabah, konversi jumlah pixel gabah menjadi hasil panen, dan terakhir diketahui hasil panen padi dalam satuan kg per luasan petak sawah. Hasil analisis menunjukkan korelasi yang erat antara jumlah pixel gabah dan hasil panen padi di lapangan, dengan koefisien determinasi sebesar 0,932. Pengujian yang dilakukan pada program menunjukkan rata-rata tingkat kesalahan program adalah 4,6%. Waktu rata-rata yang dibutuhkan untuk melakukan proses pendugaan adalah 69,6 menit, terbagi menjadi 64,2 menit untuk manual pre-processing dan 5,4 menit untuk memproses citra hingga diperoleh dugaan hasil panen padi. Berdasarkan hal tersebut dapat disimpulkan bahwa pendugaan hasil panen padi dapat dilakukan dengan analisis image processing secara cepat dan akurat. Kata kunci: Analisis image processing, thresholding, sistem pendugaan hasil panen padi, jumlah pixel gabah, hasil panen padi.
iv
Made Arya Bhaskara Putra 1111305002. Rice Yield Estimation Using Image Processing Analysis. Supervised by Prof. Ir. I Made Anom S. Wijaya, M.App.Sc.,Ph.D., and Dr. Ir. Yohanes Setiyo, MP.
ABSTRACT The aims of this research were (1) to develop rice yield estimation system using image processing analysis, (2) to develop rice yield estimation algorithm, and (3) to determine estimation accuracy. Rice yield estimation system consists of data acquisition, image analysis, and rice yield estimation analysis. The varieties used in this research were Ciherang and Towuti. The image analysis consists of manual pre-processing image analysis using Adobe Photoshop Cs 4 software and processing using MATLAB R2009b software. Sample data of this research was divided into two set data’s, i.e. training data and validation data. The algorithm of rice yield estimation was: image acquisition, manual pre-processing, grayscaling, thresholding otsu by adding T score on experiment, morphology image operation, image resize, counting the numbers of grain pixel, conversion from number of grain pixel to be harvest yield. The result of analysis showed that there are high correlation between numbers of grain pixel and harvest yield. The coefficient determination was of 0,932. The errors level of this estimation system was of 4,6%. Time average of estimation process was of 69,6 minutes, 64,2 minutes for manual pre-processing and, 5,5 minutes for image processing until rice yield was estimated. In conclusion, estimation of rice yield can be carried out fastly and accurately by image processing. Keywords: Image processing analysis, thresholding, rice yield estimation system, numbers of grain pixel, harvest yield of rice.
v
RINGKASAN
Pertanian menjadi hal yang sangat penting mengingat setiap manusia membutuhkan makanan untuk dapat tumbuh dan melakukan aktivitas sehari-hari. Salah satunya beras yang merupakan sumber karbohidrat utama dikebanyakan negara-negara asia. Hal tersebut membuat pemantauan terhadap hasil panen padi menjadi sangat penting untuk dilakukan agar tidak terjadi kekurangan persediaan bahan pangan. Selama ini pemantauan hasil panen padi dilakukan dengan pengamatan visual, analisis statistik, maupun menggunakan analisis citra satelit. Akan tetapi penggunaan analisis statistik maupun citra satelit memerlukan biaya dan keahlian khusus. Hal tersebut membuat pengamatan secara visual lebih banyak digunakan oleh petani khususnya dalam hal penjualan padi dengan sistem ijon. Sistem ijon diartikan sebagai sistem pembelian padi sebelum masak dan diambil oleh pembeli setelah masak. Sistem ijon sering digunakan karena waktu pertumbuhan padi yang lama, sehingga sistem ijon digunakan petani untuk mendapatkan uang terlebih dahulu karena terhimpit masalah ekonomi. Waktu pertumbuhan tanaman padi adalah 110-130 hari sesuai dengan varietas dan kondisi iklim di suatu wilayah (Makarim dan Suhartatik, 2009). Kelemahan dari pengamatan visual untuk menentukan hasil panen padi pada sistem ijon adalah adanya permainan dari pembeli padi (tengkulak) dalam menentukan hasil panen. Penentuan hasil panen dengan sistem ijon, membuat petani sering dikalahkan oleh tengkulak dengan memberikan dugaan hasil panen di bawah hasil panen sebenarnya. Kondisi tersebut yang menyebabkan petani menjadi tidak sejahtera, karena keuntungan yang seharusnya diperoleh petani malah didapatkan oleh tengkulak.
vi
Kemajauan teknologi dalam bidang pengolahan citra atau image processing memberikan peluang untuk dikembangkannya teknologi penginderaan jauh yang dipadukan dengan teknologi pengolahan citra. Image processing adalah teknologi yang menerapkan sejumlah algoritma komputasi komputer untuk memproses citra digital (Zhou dkk., 2010). Melihat hal tersebut maka perlu dilakukan penelitian lebih lanjut tentang analisis image processing untuk menduga hasil panen padi. Tujuan dari penelitian ini adalah: 1) untuk membuat sistem pendugaan hasil panen padi dengan analisis image processing, 2) mengetahui algoritma pendugaan hasil panen padi, serta 3) mengetahui akurasi pendugaan hasil panen padi dengan analisis image processing. Sistem pendugaan yang dikembangkan adalah dengan mengambil citra padi dari satu petak sawah, maka akan dapat diketahui hasil panen padi dari petak sawah tersebut secara cepat dan tepat. Penelitian ini dilakukan dengan melalui beberapa tahapan mulai dari tahap studi literatur, pembuatan aplikasi image processing, penyiapan alat akuisisi citra, akuisisi atau pengambilan citra padi, melakukan panen pada petak sawah yang digunakan sebagai sampel, dan terakhir melakukan analisis terhadap data-data yang telah diperoleh. Akuisisi citra dilakukan dengan memperhatikan beberapa hal penting, diantaranya: 1) akuisisi citra dilakukan pada pukul 09.00 pagi dan padi berumur 103 hari, 2) padi dengan varietas Ciherang dan Towuti, 3) kondisi tanaman berdiri tegak, dan 4) tripot diatur pada ketinggian 70 cm dari atas tanaman. Analisis citra terdiri dari manual pre-processing menggunakan software Adobe Photoshop Cs4 dan processing menggunakan software MATLAB R2009b. Data citra padi kemudian dibagi menjadi dua, yaitu data traning, dan data untuk validasi. Parameter
vii
dari penelitian ini adalah akurasi pendugaan hasil panen padi serta waktu yang dibutuhkan untuk melakukan proses pendugaan. Hasil penelitian menunjukkan bahwa analisis image processing dapat digunakan untuk menduga hasil panen padi, dengan mengetahui jumlah pixel gabah dalam citra sehingga dapat diketahui hasil panen dari petak sawah yang diduga. Hal tersebut ditunjukkan dari eratnya hubungan antara jumlah pixel citra gabah terhadap hasil panen padi di lapangan, dengan koefisien determinasi sebesar 0,932. Analisis terhadap citra padi untuk menduga hasil panen padi dilakukan dengan menerapkan sejumlah algoritma pengolahan citra (Image Processing). Algoritma tersebut
diantaranya;
akuisisi
citra,
manual
pre-processing,
grayscaling,
thresholding otsu dengan penambahan nilai T, operasi morphologi citra digital, resize citra, penghitungan jumlah pixel gabah, konversi jumlah pixel gabah menjadi hasil panen, hingga dapat diketahui dugaan hasil panen padi dalam satuan kg per luasan petak sawah. Akurasi pendugaan hasil panen padi dengan analisis image processing, dihitung dengan metode RMSE yang menunjukan bahwa nilai error program dalam menduga hasil panen padi adalah 4,6% dari hasil panen sebenarnya. Program pendugaan hasil panen padi cenderung menduga lebih kecil dari hasil panen sebenarnya. Waktu yang dibutuhkan untuk melakukan proses pendugaan adalah 69,6 menit, mulai dari analisis citra hingga diperoleh hasil dugaan.
viii
RIWAYAT HIDUP
Penulis adalah, Made Arya Bhaskara Putra dilahirkan di Denpasar pada tanggal 02 Oktober 1992, yang merupakan putra kedua dari tiga bersaudara, dengan ayah bernama I Nengah Sumertadana, SH dan ibu bernama Dra. Ni Ketut Suniasih. Penulis menyelesaikan pendidikan taman kanak-kanak di TK Kumara Loka Denpasar pada tahun 1999, pada tahun 2005 menyelesaikan pendidikan dasar di SD N 11 Sumerta Denpasar, pada tahun 2008 menyelesaikan pendidikan sekolah menengah pertama di SMPN 3 Denpasar, serta pada tahun 2011 menyelesaikan pendidikan di sekolah menengah atas di SMAN 3 Denpasar. Pada tahun 2011, penulis diterima sebagai mahasiswa Program Studi Teknik Pertanian, Fakultas Teknologi Pertanian, Universitas Udayana melalui jalur SMNPTN Tulis. Selama menjadi mahasiswa, penulis aktif dalam organisasi kemahasiswaan, diantaranya pengurus Himpunan Mahasiswa Jurusan Teknik Pertanian (HIMATETA), wakil ketua Badan Legeslatif Mahasiswa (BLM) Fakultas Teknologi Pertanian, serta sebagai pengurus dalam Unit Kegiatan Mahasiswa Pers Mahasiswa Akademika Universitas Udayana. Penulis adalah salah satu dari penerima beasiswa BIDIKMISI Direktorat Jendral Pendidikan Tinggi, Kementerian Pendidikan dan Kebudayaan Republik Indonesia.
ix
KATA PENGANTAR
Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa atas segala rahmat serta karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul ”Pendugaan Hasil Panen Padi Menggunakan Analisis Image Processing”. Secara garis besar skripsi ini membahas tentang penggunaan analisis image processing atau pengolahan citra untuk dapat menduga hasil panen padi, dengan mengambil citra padi dari satu petak sawah, sehingga dapat diketahui hasil panen padi dari petak sawah tersebut. Skripsi disusun sebagai salah satu syarat untuk menyelesaikan Program Pendidikan Strata Satu (S-1) di Fakultas Teknologi Pertanian Universitas Udayana. Dalam hal ini, penulis mendapat banyak bimbingan, bantuan serta dukungan dari berbagai pihak, karena itu penulis menyampaikan terima kasih yang sebesarbesarnya kepada yang terhormat : 1. Direktorat Jendral Pendidikan Tinggi, Kementerian dan Kebudayaan Republik Indonesia yang telah memberikan bantuan biaya pendidikan berupa beasiswa BIDIKMISI sejak tahun 2011 sampai dengan 2015. 2. Bapak Dr. Ir. Dewa Gede Mayun Permana, MS., selaku Dekan Fakultas Teknologi Pertanian Universitas Udayana. 3. Bapak Dr. Ir. I Wayan Widia, MSIE., Selaku Ketua Jurusan Teknik Pertanian, Fakultas Teknologi Peratanian, Universitas Udayana 4. Bapak Prof. Ir. I Made Anom S. Wijaya, M.App.Sc.,Ph.D., selaku dosen pembimbing I dan Bapak Dr. Ir. Yohanes Setiyo, MP., selaku dosen pembimbing II yang telah banyak memberikan bimbingan kepada penulis mulai dari penyusunan usulan penelitian hingga menjadi sebuah skripsi.
x
5. Segenap masyarakat yang dilibatkan dalam pengambilan sampel penelitian serta pemilik lahan sawah yang digunakan sebagai sampel penelitian di Subak Lodtunduh Desa Singakerta-Gianyar, Subak Jaka Dayang Desa KukuhTabanan, dan Subak Tegal Desa Kerobokan-Badung. 6. Segenap staf dosen dan pegawai di lingkungan Fakultas Teknologi Pertanian Universitas Udayana. 7. Pengurus Organisasi BEM, BLM, Fakultas Teknologi Pertanian dan pengurus HMJ Teknik Pertanian, Universitas Udayana. 8. Kedua orang tua penulis (I Nengah Sumertadana, SH dan Dra. Ni Ketut Suniasih), Kakak (Putu Yulia Dewi, SE), Adik (Komang Arya Utama Putra), serta Ni Nyoman Alit Purwaningsih, SP yang telah banyak memberikan dukungan serta doa kepada penulis. 9. Kawan-kawan Bodong Crew (Wirawan Suputra, Wahyu Wiguna, Edo Setiawan, Widi Sedana, Adi Guna, Gede Widnyana, Dwi Dharma, Purba Yuda, Trikuti, Pemaron, Gede Suhartana, Riadi Handika) yang senantiasa membantu penulis dalam proses penelitian di lahan sawah. 10. Rekan-rekan mahasiswa jurusan TEP, TIP, dan ITP angkatan 2011, yang selalu memberikan bantuan, motivasi dan doa. Terima kasih atas dukungan yang diberikan untuk menyelesaikan skripsi ini. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna karena itu saran dan kritik yang bersifat membangun dari pembaca sangat diharapkan. Akhir kata penulis berharap agar skripsi ini dapat bermanfaat bagi yang memerlukan. Denpasar, Juli 2015 Penulis
xi
DAFTAR ISI
Halaman COVER
i
JUDUL
ii
LEMBAR PENGESAHAN
iii
ABSTRAK
iv
ABSTRACT
v
RINGKASAN
vi
RIWAYAT HIDUP
ix
KATA PENGANTAR
x
DAFTAR ISI
xi
DAFTAR TABEL
xv
DAFTAR GAMBAR
xvi
DAFTAR LAMPIRAN
xvii
I.
II.
PENDAHULUAN 1.1 Latar Belakang
1
1.2 Rumusan Masalah
5
1.3 Tujuan Penelitian
6
1.4 Manfaat Penelitian
6
TINJAUAN PUSTAKA 2.1 Tanaman Padi (Oryza Sativa)
7
2.2 Pengolahan Citra (Image Processing)
10
2.3 Citra Digital
11
2.3.1 Citra Biner
13
2.3.2 Citra Skala Keabuan (Grayscale)
13
2.3.3 Citra Warna
14
2.4 Thresholding
16
2.5 Morphologi Citra Digital
17
2.5.1 Dilasi
18
xii
III.
IV.
V.
2.5.2 Erosi
19
2.5.3 Opening
19
2.5.4 Closing
19
2.6 Computer Vision
20
2.7 Matlab (Matrix Laboratory)
22
2.8 Kajian Tentang Penggunaan Image Processing
23
METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian
28
3.2 Alat dan Bahan
28
3.2.1 Alat
28
3.2.2 Bahan
29
3.3 Metodelogi Penelitian
29
3.3.1 Studi Literatur
30
3.3.2 Penyiapan Alat Akuisisi Citra Padi
31
3.3.3 Akuisisi Citra Padi
32
3.3.4 Pembuatan Aplikasi Image Processing
33
3.3.5 Pengambilan Sampel
33
3.3.6 Analisis Korelasi
35
3.4 Parameter yang Diamati
37
HASIL DAN PEMBAHASAN 4.1 Algoritma Program Pendugaan Hasil Panen Padi dengan Analisis Image Processing
38
4.2 Hubungan Jumlah Pixel Gabah Terhadap Hasil Panen Padi
53
4.3 Akurasi Pendugaan Hasil Panen Padi
56
4.4 Waktu Proses Pendugaan Hasil Panen Padi
57
4.5 Tampilan Aplikasi Image Processing
58
KESIMPULAN DAN SARAN 5.1 Kesimpulan
62
5.2 Saran
63
xiii
DAFTAR PUSTAKA
64
LAMPIRAN
67
xiv
DAFTAR TABEL
No.
Judul
Halaman
1.
Data intensitas cahaya saat akuisisi citra padi
41
2.
Data penambahan nilai T
47
3.
Kesalahan pendugaan hasil panen dengan analisis image processing
56
4.
Waktu proses pendugaan dengan analisis image processing
58
xv
DAFTAR GAMBAR
No.
Judul
Halaman
1.
Tanaman padi (Sumber: from. http://id.wikipedia.org/wiki/Padi. 2014)
7
2.
Koordinat citra digital (Sumber: Gonzales.C.R , Digital Image Processing Second Edition, 2009)
12
3.
Citra biner (a), Citra skala keabuan (grayscale) (b), Citra warna (c)
13
4.
Bentuk-bentuk structuring elements (Sumber: Prasetyo, 2011)
17
5.
Proses dilasi citra biner
18
6.
Proses erosi citra biner
19
7.
Diagram alir penelitian
30
8.
Disain tripot untuk akuisisi citra padi
31
9.
Algoritma image processing untuk menduga hasil panen padi
39
10.
Tahapan peningkatan kontras citra
43
11.
Citra asli (a), Citra hasil peningkatan kontras (b), Citra hasil pengurangan citra daun (c)
44
12.
Kriteria citra untuk kelas penambahan nilai T
48
13.
Penentuan nilai T untuk proses thresholding
49
14.
Grafik hubungan luasan pixel gabah dalam citra terhadap hasil panen padi
53
xvi
DAFTAR LAMPIRAN
No.
Judul
Halaman
1.
Tampilan muka/splashscreen aplikasi pendugaan hasil panen padi
67
2.
Tampilan bantuan aplikasi pendugaan hasil panen padi
67
3.
Tampilan utama aplikasi pendugaan hasil panen padi
68
4.
Daftar koding aplikasi pendugaan hasil panen padi
69
5.
Tabel kondisi tanaman padi di lokasi pengambilan sampel dan pengujian aplikasi pendugaan hasil panen padi
79
Lokasi pengambilan sampel dan lokasi pengujian aplikasi image processing
80
Data titik koordinta, intensitas cahaya, waktu akuisisi citra, hasil panen sampel, kadar air sampel, serta luas lahan sawah
81
8.
Data training untuk pembuatan persamaan pendugaan
83
9.
Standar Operasional Prosedur (SOP) proses pendugaan hasil panen padi dengan analisis image processing
84
Data hasil analisis image processing, yang digunakan sebagai data training
85
Data hasil analisis image processing, yang digunakan sebagai data uji atau validasi
89
6. 7.
10. 11.
xvii
