PENDUGAAN HASIL PANEN PADI MENGGUNAKAN … Awal.pdf · Skripsi ini diajukan sebagai salah satu...
Transcript of PENDUGAAN HASIL PANEN PADI MENGGUNAKAN … Awal.pdf · Skripsi ini diajukan sebagai salah satu...
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
ii
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
iii
LEMBAR PENGESAHAN
Skripsi ini telah mendapat persetujuan pembimbing :
Dosen Pembimbing I
Prof. Ir. I Made Anom S. Wijaya, M.App.Sc., Ph.D.
NIP. 19631113 199003 1 001
Dosen Pembimbing II
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:
iv
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 pre-
processing, 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.
v
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.
vi
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.
vii
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
viii
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.
ix
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.
x
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 sebesar-
besarnya 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.
xi
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 Kukuh-
Tabanan, 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
xii
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. PENDAHULUAN
1.1 Latar Belakang 1
1.2 Rumusan Masalah 5
1.3 Tujuan Penelitian 6
1.4 Manfaat Penelitian 6
II. 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
xiii
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
III. 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
IV. 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
V. KESIMPULAN DAN SARAN
5.1 Kesimpulan 62
5.2 Saran 63
xiv
DAFTAR PUSTAKA 64
LAMPIRAN 67
xv
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
xvi
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
xvii
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
6. Lokasi pengambilan sampel dan lokasi pengujian aplikasi
image processing 80
7. 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
10. Data hasil analisis image processing, yang digunakan sebagai data
training 85
11. Data hasil analisis image processing, yang digunakan sebagai data
uji atau validasi 89