78
5. IDENTIFIKASI JENIS TANAMAN
Pendahuluan
Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari
kontaminasi obat-obatan pertanian, penghematan penggunaan bahan dan minimalisasi pencemaran lingkungan akibat penggunaan obat-obatan yang
berlebihan. Jenis teknologi yang di digunakan adalah perangkat sensor yang bekerja secara real time, VRT yang dilengkapi dengan aktuator yang bekerja
sesuai dosis dari data pengamatan langsung. Cara kerja metode ini berdasarkan pembacaan kondisi lapangan oleh sensor
secara real time. Data kondisi lahan diolah untuk menentukan dosis aplikasi yang harus dilakukan. Posisi di lahan biasanya dideteksi berdasarkan data dari alat
pencatat jarak tempuh odometer. Data kecepatan operasi dan dosis diolah untuk menentukan nilai aktivasi aktuator dan lama aktivasi yang harus dilakukan. Ciri
lain dari metode ini adalah peralatan bekerja per satuan luasan tanah yang kecil untuk memperoleh kinerja yang lebih teliti.
Beberapa penelitian telah dilakukan berkaitan dengan penggunaan metode pertanian presisi berbasis sensor, terutama yang berkaitan dengan teknologi
aplikator cairan. Pérez A.J. dan F. López 1997 melakukan penelitian dengan membangun teknik pengambilan citra untuk mendeteksi sebaran gulma pada
tanaman sereal. Metode yang dipergunakan adalah dengan analisa warna dan bentuk untuk membedakan tanaman pokok, gulma, dan tanah sebagai latar
belakang citra. Perbedaan pola tanaman pokok dan gulma dinilai dengan metode K-Nearest Neighbours. Penilaian mata manusia dipakai sebagai pembanding
untuk menentukan akurasi kinerja sistem yang dibangun. Hasil uji coba
menunjukkan bahwa sistem yang dibangun mampu mendeteksi gulma dengan
ketelitian 75 bila menggunakan analisis warna, dan ketelitian meningkat menjadi 85 bila analisa yang dilakukan memasukkan faktor bentuk tanaman.
Jafari A dan kawan-kawan 2006 dari universitas Teheran melakukan penelitian untuk mendeteksi gulma pada lahan gula bit. Metode yang
79 dipergunakan adalah dengan menganalisa nilai Luminansi dari citra. Hasil uji
coba menunjukkan bahwa sistem yang dibangun mampu membedakan gulma dan
tanaman dengan ketelitian 88.5. Imran Ahmed, Awais Adnan, Muhammad Islam, dan Salim Gul 2008
melakukan penelitian dengan tujuan untuk mengidentifikasi gulma dengan menganalisa bentuk batas citra objek dan membedakannya dalam kelas narrow
dan broad. Hasil uji coba pada 140 contoh citra menunjukkan bahwa sistem yang
dibangun mampu membedakan gulma narrow dan broad dengan akurasi 94. Berdasarkan penelitian-penelitian tersebut dapat dilihat bahwa belum ada
penelitian yang bertujuan untuk membedakan satu jenis tanaman dengan tanaman yang lain secara time-series . Pengertian time-series adalah selama waktu
budidaya tanaman pokok berlangsung, atau sampai batas umur kritis tanaman terlampui 2 sampai 4 minggu setelah tanam tergantung jenis tanaman yang
dibudidayakan.
Metode
Pengamatan yang dilakukan untuk mengetahui serangan gulma dengan sensor kamera digital dilakukan dengan dua tahap. Tahap pertama adalah pengamatan
serangan gulma pada lahan terbuka Gambar 34. Lampiran 2. Menampilkan citra sebaran gulma pada lahan terbuka. Tahap kedua adalah pengamatan serangan
gulma pada lahan yang telah ditanami tanaman kacang tanah Gambar 35. Identifikasi keberadaan gulma diantara tanaman pokok secara visual
dilakukan dengan cara mengevaluasi suatu nilai tertentu yang bersifat khas antara gulma dan tanaman pokok pada citra hasil tangkapan. Apabila nilai khas tersebut
nyata-nyata berbeda di antara gulma dan tanaman pokok, maka nilai khas yang dimaksud dapat digunakan sebagai acuan bagi pengenalan bentuk fisik gulma atau
tanaman pokok. Pada penelitian ini dilakukan analisa dimensi fraktal untuk mengidentifikasi
jenis tanaman secara real time dengan camera vision. Pengamatan secara terus- menerus dilakukan pada tanaman kacang tanah dan jagung. Pengamatan gulma
hanya dilakukan pada periode kritis tanaman kacang tanah minggu ke-4.
80 Gambar 34 . Citra serangan gulma pada tanaman kacang tanah.
Gambar 35. Citra serangan gulma pada lahan terbuka.
81 Pengendalian gulma dengan sensor kamera digital memerlukan beberapa
perangkat komputasi cerdas pada kegiatan filterisasi, identifikasi tanaman, dan identifikasi kepadatan serangan gulma. Konsep prosedur kegiatan pengendalian
gulma adalah sebagaimana digambarkan pada Gambar 36.
Gambar 36. Blok diagram pengendalian gulma. Tujuan
dari penelitian
identifikasi jenis
tanaman adalah
untuk mengidentifikasi jenis tanaman utama dan gulma yang terdapat di lahan pada
tahapan pascatumbuh. Fungsi identifikasi tanaman pada tahapan pengendalian gulma adalah untuk menentukan batas serangan gulma. Tahapan kegiatan diawali
dengan penangkapan citra serangan gulma, kemudian dilanjutkan dengan filterisasi citra untuk memisahkan citra tanaman dengan latar belakangnya. Citra
hasil filterisasi kemudian dianalisa untuk mengetahui jenis tanaman. Setelah diketahui identitas masing-masing tanaman yang ada di dalam citra, maka dapat
ditentukan batas serangan gulma untuk keperluan analisa kepadatan serangan gulma yang terjadi.
Hasil dan Pembahasan Pengambilan Citra
Citra tanaman diperoleh dari laboratorium lapangan Prof. Siswadi, kampus IPB Darmaga. Jenis tanaman pokok yang dipilih adalah kacang tanah, jagung,
Pengambilan Citra Filterisasi Citra
Analisa Jenis Tanaman
Batas Serangan Gulma Analisa Kepadatan Serangan
Dosis Penyemprotan
Penyemprotan sesuai Dosis dan Lokasi
82 dan beberapa tanaman gulma. Citra yang telah diambil dianalisa untuk
mengetahui komponen warna penyusunnya. Lampiran 3 menampilkan data pengolahan citra sebaran gulma dalam bentuk komponen warna penyusunnya.
Berdasarkan komponen warna tersebut selanjutnya ditentukan parameter filterisasi untuk memisahkan latar belakang citra dengan citra tanaman secara
biner hitam-putih. Data array piksel yang menyimpan nilai biner citra diolah menggunakan metode analisa dimensi fraktal.
Penentuan Parameter Filterisasi
Langkah awal dari filterisasi adalah menentukan parameter yang akan digunakan sebagai pembatas filetrisasi. Parameter pembatas filterisasi
digunakan untuk menentukan batasan yang memisahkan antara gulma atau tanaman pokok dengan latar belakangnya.
Nilai batas filterisasi ditentukan untuk mengetahui apakah sebuah piksel berupa obyek yaitu gulma atau latar gambar yaitu lahan. Nilai ambang batas
yang digunakan dapat berupa kombinasi warna RGB atau Hue Solahudin et al, 2010, dengan R, G, dan B masing-masing merupakan besaran yang
menyatakan nilai intensitas warna merah, hijau, dan biru. Model warna HSI yang merupakan model warna yang paling sesuai
dengan manusia. Nilai Hue dapat diaplikasikan untuk membedakan antara obyek dan latar belakang. Saturation kejenuhan yang tinggi dapat menjadi
jaminan nilai Hue cukup akurat dalam membedakan obyek dan latar belakang. Nilai ditentukan berdasarkan besaran masing-masing nilai R,G, dan B sebagai
berikut :
6 2
2
5 .
2
B G
G R
G R
B G
R Cos
Arc H
Gambar 37. menunjukkan hasil interpretasi data ke dalam bentuk grafik dengan sumbu x menunjukkan kolom piksel pada gambar dan sumbu y adalah
rata-rata nilai RGB dan Hue untuk masing-masing kolom piksel pada gambar. Data selengkapnya ditampilkan pada Lampiran 3. Pada Gambar 37 terlihat
jelas bahwa nilai rata-rata Green dan Blue tidak dapat merepresentasikan apakah kolom piksel tersebut merupakan gulma ataupun tanah dengan jelas.
83 Berbeda dengan nilai rata-rata Red dan Hue, keduanya memperlihatkan
perubahan nilai ketika kolom piksel dari gambar beralih dari lahan ke gulma. Akan tetapi, perubahan nilai rata-rata Hue lebih signifikan dibanding
perubahan nilai rata-rata Red yang terjadi. Oleh karena itu, untuk melakukan proses segmentasi digunakan nilai Hue. Langkah selanjutnya adalah
menentukan nilai batas Hue. Cara yang digunakan adalah dengan menarik garis lurus memotong sumbu y dan sejajar dengan sumbu x sehingga diperoleh
bagian atas garis menunjukkan gulma dan bagian bawah garis menunjukkan lahan. Dengan cara tersebut nilai batas segmentasi yang diperoleh adalah nilai
Hue sebesar 46.5
o
. Gambar 38 menunjukkan hasil filterisasi sebuah citra kedalam 4 potongan citra yang telah dibedakan dengan latar belakangnya.
Gambar 37. Nilai rataan RGB dan Hue pada satu contoh citra hasil
tangkapan.
84 Gambar 38. Hasil proses tresholding dengan pembatas nilai Hue 46.5
o
Analisa Dimensi Fraktal untuk Identifikasi Jenis Tanaman
Objek alami seperti penampakan daun hasil penangkapan kamera visi memiliki bentuk yang tidak teratur dan sulit diukur namun hal ini dapat diatasi
dengan menggunakan pendekatan dimensi fraktal. Pendekatan ini berbeda dengan pendekatan geometri Euclid yang selama ini digunakan untuk
mengukur objek yang teratur dan simetris. Fraktal memiliki sifat self similarity yaitu apabila diperbesar akan memiliki bentuk yang menyerupai bentuk
keseluruhan dan hal ini mendekati sifat objek-objek alam Mandelbrot 1982. Metode dimensi fraktal menawarkan pendekatan untuk menggambarkan
bentuk yang alami dan keadaan yang tidak teratur dengan mengukur kesimetrisan suatu objek.
Dimensi benda yang umum dalam kehidupan sehari-hari merupakan dimensi dalam ruang Euclid, yaitu 0, 1, 2, dan 3. Pada objek-objek Euclid, nilai
bilangan bulat menggambarkan jumlah dimensi dari ruang objek, misalnya garis berdimensi 1 karena memiliki panjang, bidang berdimensi 2 karena
memiliki panjang dan lebar, sedangkan ruang memiliki dimensi 3 karena memiliki panjang, lebar, dan kedalaman.
Sifat self similarity adalah salah satu konsep penting dalam geometri fraktal. Sebuah objek berdimensi satu seperti garis jika dibagi menjadi N
bagian yang sama maka setiap bagian memiliki rasio dari keseluruhan
bagian. Begitu pula dengan objek dua dimensi seperti bidang yang bisa dibagi menjadi N bagian yang memiliki rasio
√
. Objek tiga dimensi seperti
85 kubus bisa dibagi menjadi N bagian yang memiliki rasio
√
. Dapat disimpulkan bahwa untuk objek dengan dimensi D dapat dibagi menjadi N
bagian yang sama dengan faktor
√
atau dapat dituliskan sebagai berikut: 7
Dari persamaan tersebut kemudian dihasilkan rumus untuk menghitung nilai dimensi fraktal berikut :
8
Dimensi fraktal tidak seperti dimensi Euclid yaitu tidak harus bilangan bulat, sehingga pada dimensi 2 nilai dimensi yang mungkin diperoleh adalah
berupa pecahan yang berada di antara nilai 1 dan 2. Nilai dimensi fraktal D didapatkan berdasarkan hubungan antara ukuran persegi r dan jumlah persegi
Nr, yang melingkupi objek. Dari plot log dan log Nr dihasilkan
kurva dengan nilai kemiringan α yang merupakan nilai dimensi fraktal dari
objek. Nilai α dihitung menggunakan regresi linear seperti persamaan berikut
ini :
∑ ∑
∑ ∑
∑
9
keterangan : α = kemiringan kurva
n = jumlah data X = nilai logukuran persegi
Y = nilai
86 Gambar 39. Ilustrasi tahapan perhitungan dimensi fraktal.
Gambar 40 menunjukkan tampilan antar muka dari proses untuk menentukan nilai dimensi fraktal dari sebuah citra tanaman jagung.
Gambar 40. Tampilan program Analisa Dimensi Fraktal
87 Nilai dimensi faktal tanaman kacang tanah dan jagung diperoleh dari
pengamatan secara acak dan terus menerus dari minggu ke minggu pada tanaman yang dibudidayakan di laboratorium lapangan IPB. Nilai dimensi
fraktal tanaman kacang tanah berubah mengikuti pertumbuhan tajuk daunnya dengan kisaran nilai dimensi fraktal 1.1 minggu ke-1 sampai 1.77 minggu
ke-6 dengan sebaran baku antara 0.05 sampai 0.07 Tabel 9. Selisih nilai dimensi fraktal antar minggu yang berurutan bervariasi tergantung dari
kecepatan pertumbuhan tanaman kacang tanah pada periode tersebut. Memasuki minggu ke-5 dan ke-6 pertumbuhan vegetatif cenderung melambat
beda nilai dimensi fraktal 0.08, dan mulai terjadi pertumbuhan generatif ditandai dengan mulai munculnya bunga.
Pertumbuhan tajuk kacang tanah vegetatif tercepat terjadi pada periode minggu ke-2 dan minggu ke-3 sebagaimana terlihat di Gambar 41. Hal ini
sesuai dengan perbedaan rata-rata nilai dimensi fraktal antara minggu tersebut, yaitu 0.24.
Gambar 41. Perkembangan bentuk tajuk tanaman kacang tanah pada berbagai umur.
Berdasarkan Gambar 41 dapat dilihat bahwa tampak atas kanopi tanaman kacang tanah akan berubah dari pola menyebar ke bentuk yang lebih kompak,
sedangkan tampak atas kanopi tanaman jagung akan mulai bersinggungan pada
88 minggu ke-4 Gambar 42. Dalam perspektif dimensi fraktal hal ini berarti
bahwa nilai dimensi fraktal tanaman kacang tanah akan bertambah dari minggu ke minggu mendekati nilai 2 sebagaimana tampak pada Tabel 9. Fenomena ini
juga berlaku bagi tanaman jagung sebagaimana dapat dilihat pada Tabel 10.
Gambar 42. Perkembangan bentuk tajuk tanaman jagung pada berbagai umur.
Gambar 43. Nilai dimensi fraktal tanaman kacang tanah pada berbagai umur tanam.
0,00 0,20
0,40 0,60
0,80 1,00
1,20 1,40
1,60 1,80
2,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Nomor tanaman
N il
a i
D im
e ns
i Fra
k ta
l
1 Minggu 2 Minggu
3 Minggu 4 Minggu
5 Minggu 6 Minggu
89 Tabel
9 . Nilai dimensi fraktal tanaman kacang tanah pada berbagai
umur.
No. Contoh
Minggu ke- 1
2 3
4 5
6 1
1.15 1.33
1.45 1.66
1.71 1.78
2 1.07
1.25 1.48
1.61 1.72
1.81 3
1.06 1.28
1.54 1.58
1.70 1.72
4 1.17
1.18 1.47
1.51 1.59
1.69 5
1.22 1.36
1.54 1.61
1.75 1.83
6 1.04
1.19 1.48
1.68 1.75
1.81 7
1.04 1.39
1.49 1.59
1.65 1.71
8 1.17
1.31 1.54
1.66 1.69
1.79 9
1.13 1.25
1.69 1.76
1.81 1.80
10 1.10
1.20 1.53
1.62 1.64
1.73 11
1.14 1.19
1.42 1.64
1.69 1.78
12 1.13
1.32 1.51
1.68 1.70
1.74 13
1.20 1.27
1.52 1.66
1.71 1.86
14 0.99
1.29 1.44
1.60 1.62
1.67 15
0.98 1.19
1.56 1.60
1.63 1.79
Terkecil 0.98
1.18 1.42
1.51 1.59
1.67 Terbesar
1.22 1.39
1.69 1.76
1.81 1.86
Rataan 1.10
1.27 1.51
1.63 1.69
1.77
Tabel 10. Nilai dimensi fraktal tanaman jagung pada berbagai umur.
No. Contoh
Minggu ke-
2 3
4
1 1.45
1.54 1.75
2 1.52
1.59 1.63
3 1.51
1.65 1.65
4 1.49
1.52 1.62
5 1.38
1.40 1.76
6 1.43
1.52 1.74
7 1.42
1.51 1.74
8 1.35
1.65 1.82
9 1.37
1.43 1.57
Terkecil 1.35
1.40 1.57
Terbesar 1.52
1.65 1.82
Rata-rata 1.44
1.53 1.70
90 Pengamatan terhadap tanaman jagung hanya dapat dilakukan sampai
minggu ke-4. Hal ini dikarenakan pada umur 4 minggu dan seterusnya kanopi tanaman jagung sudah bergabung satu dengan lainnya, sehingga tidak
memungkinkan pengambilan citra tanaman jagung secara individual.
Gambar 44. Hubungan umur tanaman kacang tanah dengan rata-rata nilai dimensi fraktal pada masing-masing umur tanaman.
Hubungan umur tanaman kacang tanah dengan rata-rata nilai dimensi fraktal pada masing-masing umur tanaman mengikuti bentuk persamaan
kuadratik. Bentuk persamaannya adalah : y = -0,010x
2
+ 0,234x + 0,869 10 keterangan :
y : nilai dimesi fraktal x : umur tanaman kacang tanah minggu
dengan nilai koefisien determinasi sebesar R
2
= 0,987 Persamaan tersebut dapat digunakan sebagai referensi bagi sistem
pendeteksian jenis tanaman menggunakan camera vision dengan input berupa citra tanaman, umur pengambilan citra dan nilai dimensi fraktal pada umur
tersebut.
0.0 0.2
0.4 0.6
0.8 1.0
1.2 1.4
1.6 1.8
2.0
1 2
3 4
5
D im
e n
si Fr
a kt
a l
Minggu Setelah Tanam
91 Perbandingan nilai rata-rata dimensi fraktal antara tanaman kacang tanah
dan tanaman jagung dilakukan untuk mengetahui karakteristik bentuk kanopi masing-masing tanaman pada masa pertumbuhan vegetatifnya.
Gambar 45. Nilai dimensi fraktal tanaman jagung dan kacang tanah pada berbagai umur tanam.
Gambar 45. menunjukkan nilai dimensi fraktal tanaman jagung dan kacang tanah pada umur tanam 1 sampai 4 minggu. Dari gambar tersebut dapat dilihat
bahwa nilai dimensi fraktal antara kedua jenis tanaman tersebut pada umur yang sama tidak pernah memiliki nilai yang sama. Fakta ini menunjukkan
bahwa sistem camera vision yang dilengkapi dengan sistem cerdas dimensi fraktal akan mampu membedakan dengan pasti antara tanaman jagung dan
tanaman kacang tanah. Pada umur 4 minggu nilai dimensi fraktal gulma berkisar antara 1.41
sampai 1.60, jagung memiliki nilai rata-rata dimensi fraktal 1.70, dan kacang tanah memiliki nilai rata-rata dimensi fraktal 1.63. Penggunaan sistem cerdas
dimesi fraktal untuk pemberantasan gulma pada minggu ke-4 dengan perangkat camera vision sebagai sensor dapat dilakukan, karena sistem pendeteksi
keberadaan gulma di lahan dapat dengan jelas membedakan antara tanaman pokok dan gulma berdasarkan nilai dimensi fraktal masing-masing tanaman.
0,00 0,20
0,40 0,60
0,80 1,00
1,20 1,40
1,60 1,80
1 2
3 4
Umur tanaman minggu
N il
a i
D im
e n
s i
F ra
k ta
l
Kacang tanah Jagung
92 Kinerja dimensi fraktal sebagai metode untuk mendeteksi jenis tanaman
diujicoba untuk membedakan tanaman pokok dan gulma yang tumbuh di sekitarnya. Hasil ujicoba pada tanaman jagung dan tanaman kacang tanah
adalah sebagaimana disajikan pada tabel berikut : Tabel 11. Hasil uji validasi sistem identifikasi jenis tanaman pada tanaman
pokok jagung. Keterangan
Jenis Tanaman Jagung
Gulma Total
Sampel Validasi 30
14 44
Terdeteksi tepat 29
10 39
Akurasi 96.67
71.43 88.64
Tabel 12. Hasil uji validasi sistem identifikasi jenis tanaman pada tanaman pokok kacang tanah.
Keterangan Jenis Tanaman
Kacang Tanah Gulma
Total Sampel Validasi
67 14
44 Terdeteksi tepat
65 10
39 Akurasi
97.01 71.43
92.59
Tanaman jagung yang dipilih sebagai contoh untuk validasi adalah tanaman jagung yang berumur 2 MST Minggu Setelah Tanam sampai 4
MST. Contoh untuk tanaman kacang tanah diambil dari tanaman berumur 2 MST sampai 5 MST. Pemilihan umur tanaman tersebut dengan dasar
pemikiran bahwa pada umur 1 MST keberadaan gulma belum terdeteksi. Setelah umur tanaman lebih besar dari 5 MST tanaman telah melewati masa
kritis pertumbuhan. Khusus pada tanaman jagung setelah 4 MST bentuk citra daun tanaman jagung telah tumpang tindih antara tanaman satu dengan
tanaman lainnya sehingga tidak dapat dianalisa per individu dengan baik. Hasil validasi sistem pada tanaman jagung menunjukkan akurasi 88.64
sedangkan pada tanaman kacang tanah menghasilkan validasi 92.59. Kemampuan sistem dalam mengidentifikasi gulma memiliki akurasi 71.43,
93 hal ini disebabkan pada kasus yang tidak dikontrol beberapa gulma akan
memiliki penampakan bentuk menyerupai tanaman pokok.
Simpulan
1. Filterisasi dengan nilai Hue 46.5
o
mampu membedakan komponen citra dengan baik, sehingga pemisahan citra tanaman dan latar belakang dapat dilakukan
dengan tepat. 2. Pada umur tanaman 4 minggu nilai dimensi fraktal gulma berkisar antara 1.41
sampai 1.60, jagung memiliki nilai rata-rata dimensi fraktal 1.70, dan kacang tanah memiliki nilai rata-rata dimensi fraktal 1.63.
3. Hasil ujicoba sistem untuk mengenali jenis tanaman dengan tepat menunjukkan nilai validasi sistem untuk mengenali tanaman jagung menunjukkan akurasi
88.64, pada tanaman kacang tanah menghasilkan akurasi 92.59. dan kemampuan sistem dalam mengidentifikasi gulma memiliki akurasi 71.43.
4.
Sistem camera vision yang dilengkapi dengan sistem cerdas dimensi fraktal akan mampu membedakan dengan pasti antara tanaman jagung dan tanaman
kacang tanah.
94
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan