Pendugaan kandungan klorofil daun tanaman padi (Oryza Sativa) melalui pendugaan tingkat warna daun dengan telepon seluler

PENDUGAAN KANDUNGAN KLOROFIL DAUN
TANAMAN PADI (Oryza Sativa) MELALUI PENDUGAAN
TINGKAT WARNA DAUN DENGAN TELEPON SELULER

TRI DIMAS ARJUNA

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul pendugaan kandungan
klorofil daun tanaman padi (Oryza Sativa) melalui pendugaan tingkat warna daun
dengan telepon seluler adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam daftar pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2014
Tri Dimas Arjuna
NIM F14070005

ABSTRAK
TRI DIMAS ARJUNA. Pendugaan Kandungan Klorofil Daun Tanaman Padi
(Oryza Sativa) Melalui Pendugaan Tingkat Warna Daun dengan Telepon Seluler.
Dibimbing oleh LIYANTONO.
Padi (Oryza Sativa) adalah salah satu tanaman budidaya terpenting dalam
peradaban. Penelitian ini bertujuan untuk menduga kandungan klorofil daun padi
(Oriza sativa) dengan bagan warna daun dan telepon seluler. Hasil pendugaan
tingkat warna daun dengan bagan warna daun menunjukkan korelasi yang tinggi
dengan kandungan klorofil (R2=0.9093). Semakin tinggi tingkat warna daun,
maka semakin tinggi kandungan klorofil (mg/g). Hasil pendugaan menggunakan
telepon seluler adalah tingkat warna daun dugaan dan komponen RGB dugaan.
Akurasi pendugaan tingkat warna daun bervariasi antara 36%-47%. Akurasi
pengenalan pola k-NN masing-masing telepon seluler bervariasi antara 34%-43%
dengan rata-rata akurasi tertinggi pada pengambilan siang hari. Akurasi ini

diakibatkan karena kondisi pemotretan yang tidak seragam dan membuat RGB
yang didapat tidak konsisten.
Kata kunci: padi, klorofil, tingkat warna daun, SPAD, RGB

ABSTRACT
TRI DIMAS ARJUNA. Estimation of Chlorophyll Leaves Content in Paddy Plant
(Oryza Sativa) Through Leaves Color Level Estimation with Cellular Phones.
Supervised by LIYANTONO.
Paddy (Oryza Sativa) is one of the important cultivated plants in the civilization.
Objectives of this research is to estimate chlorophyll content in paddy leaves
(Oriza sativa) using leaves color chart and cellular phones. The results of
estimation of leaf color level with the leaf color chart shows a high correlation
with chlorophyll content (R2=0.9093). The higher levels of leaf color, then the
higher the chlorophyll content (mg/g). The results of the estimation using a
handphone is the estimation of leaf color levels and RGB components . Predictive
accuracy of leaf color levels varies between 36%-47%. Accuracy of k-NN pattern
recognition each cell phone varies between 34%-43% with an average of the
highest accuracy in daytime. This accuracy is caused by the shooting conditions
are not uniform and make RGB obtained inconsistent.
Keyword: paddy, chlorophyll, leaves color level , SPAD, RGB

PENDUGAAN KANDUNGAN KLOROFIL DAUN
TANAMAN PADI (Oryza Sativa) MELALUI PENDUGAAN
TINGKAT WARNA DAUN DENGAN TELEPON SELULER

TRI DIMAS ARJUNA

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknologi Pertanian
pada
Departemen Teknik Mesin dan Biosistem

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Judul Skripsi : Pendugaan Kandungan Klorofil Daun Tanaman Padi (Oryza

Sativa) Melalui Pendugaan Tingkat Warna Daun dengan Telepon
Seluler
Nama
: Tri Dimas Arjuna
NIM
: F14070005

Disetujui oleh

Dr Liyantono MAgr
Pembimbing

Mengetahui,

Dr Ir Desrial MEng
Ketua Departemen

Tanggal Lulus:

Judul

Nama
NIM

ｓ ｫｲＺｆｾ＠

ｾ＠

. ;!ndugaan Kandungan Klorofil Daun Tanaman Padi (Oryza
ＧＺ Ｎ ［ｾｲ＠
Ｎ＠
Melalui Pendugaan Tingkat Warna Daun dengan Telepon
_'- u.er
: -:-:-: Dimas Arjuna
: F:..!" 70005

Disetujui oleh

Dr Liyantono MAgr
Pembimbing

Ketua Departemen

Tanggal Lulus:

'0 4 FEB 2014

PRAKATA
Puji dan syukur dipanjatkan kehadirat Allah SWT yang telah memberikan
rahmat serta hidayah-Nya, sehingga skripsi yang berjudul “Pendugaan Kandungan
Klorofil Daun Tanaman Padi Melalui Pendugaan Tingkat Warna Daun Dengan
Telepon Seluler” dapat diselesaikan. Penelitian dilaksanakan dari Juni 2012 s.d.
Februari 2013, bertempat di lahan sawah Cianjur, Situ Udik, Lewingkolot, dan
Dramaga.
Dengan selesainya penelitian hingga tersusunnya skripsi ini, penulis ingin
menyampaikan penghargaan dan terima kasih kepada:
1. Orangtua penulis Budi Harto dan Nur Elmi, saudari kandung penulis Ika
Putri Syafira dan Suaminya Zainul Arifin serta Dwi Aprillia Nanda yang
telah memberi banyak dorongan, semangat dan doa sehingga penulis dapat
menyelesaikan tugas akhir skripsi ini.

2. Istri Penulis yang tercinta Mutia Halimah Nasution dan Anak Penulis yang
tersayang Muhammad Fatih El-Din yang selalu setia mendampingi penulis
dalam menyelesaikan tugas akhir ini.
3. Dr Ir I Wayan Astika MSi yang telah banyak membimbing dan membantu
selama penulis melakukan penelitian dan penyusunan skripsi.
4. Dr Liyantono MAgr selaku dosen pembimbing tugas akhir yang telah
mambantu dalam penyelesaian skripsi
5. Bapak Ghozali, Bapak Andri selaku teknisi lapangan serta Kak Iqbal dan
Marko yang banyak membantu penulis dalam melaksanakan penelitian.
6. Aep, Fandi, Awang, Ridho, Fuad, Haidir, Agra, Nuzul, Famul, dan Gede
yang membantu selama penelitian dan dalam penulisan tugas akhir.
7. Teman-teman KAMMI, Mujahid Badar, Tim4 (Vida, Ichi, Kak Akbar),
Staff dan Guru Kharisma Prestasi yang telah membantu semangat,
finansial dan doa.
8. Departemen Teknik Mesin dan Biosistem dan Fakultas Teknologi
Pertanian yang telah membantu dan memberikan ijin pelaksanaan
penelitian.
9. Semua pihak yang tidak dapat disebutkan satu persatu dan telah banyak
membantu penulis selama menyelesaikan penelitian dan penulisan skripsi
ini

Bogor, Januari 2014

Tri Dimas Arjuna
NIM F14070005

DAFTAR ISI
DAFTAR TABEL

ix

DAFTAR GAMBAR

ix

DAFTAR LAMPIRAN

ix

PENDAHULUAN

1

Latar Belakang

1

Tujuan

2

TINJAUAN PUSTAKA

2

Klorofil

2

SPAD Klorofil Meter

3

k-Nearest Neighbor

4

Pengolahan Citra

4

Pertanian Presisi

5

METODOLOGI PENELITIAN

6

Tempat dan Waktu Penelitian

6

Alat dan Bahan

6

Tahapan Penelitian

7

Pengambilan Data

9

Analisis Data
HASIL DAN PEMBAHASAN

11
11

Klorofil Daun Padi

11

Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun

11

Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun
Pemotretan Berbagai Tingkat Warna Daun Padi

13
15

Samsung Galaxy Ace S5830

16

LG P698

16

Nexian A893

17

Sony Ericcson Xperia Mini Pro SK17i

17

Samsung Young GT S5360

18

Perbandingan Akurasi Setiap Telepon Seluler

18

Pengambilan Citra dengan Latar Belakang Patokan Warna Daun

20

KESIMPULAN DAN SARAN

21

Kesimpulan

21

Saran

22

DAFTAR PUSTAKA

22

RIWAYAT HIDUP

41

DAFTAR TABEL
1. Hubungan klorofil (mg/g) dengan indeks SPAD menggunakan berbagai
model persamaan
13
2. Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Ace
16
3. Akurasi pendugaan indeks SPAD pada telepon seluler LG
17
4. Akurasi pendugaan indeks SPAD pada telepon seluler Nexian
17
5. Akurasi pendugaan indeks SPAD pada telepon seluler Sony Xperia
18
6. Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Young 18
7. Akurasi tingkat warna daun pada semua telepon seluler
19
8. Akurasi pemupukan pada telepon seluler
19
9. Akurasi k-NN setiap golongan pada semua telepon seluler
19
10. Akurasi telepon seluler pada setiap waktu pengambilan
20
11. Akurasi pengambilan citra dengan patokan warna daun
21

DAFTAR GAMBAR
1.
2.
3.
4.
5.
6.
7.
8.

Pola Pengenalan k-NN
4
Klorofil Meter SPAD 502 Konica Minolta
7
Bagan warna daun IRRI
7
Diagram alir tahapan penelitian
8
Contoh pengambilan citra daun padi
9
Pengukuran kandungan klorofil dengan SPAD
9
Bagan pengambilan data pada lahan sawah penelitian
10
Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan indeks
SPAD
12
9. Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan tingkat
warna daun
12
10. Hubungan klorofil (mg/g) dengan tingkat warna daun setiap lahan
14
11. Patokan warna dan contoh pengambilannya
20

DAFTAR LAMPIRAN
1.
2.
3.
4.
5.
6.
7.

Spesifikasi telepon seluler
24
Contoh hasil pengukuran SPAD
25
Contoh hubungan antara komponen RGB daun dengan TWD
28
Foto kegiatan penelitian
33
Dosis pemupukan (kg/ha)
34
Hasil RGB daun dan patokan menggunakan patokan warna daun
36
Sebaran data TWD dugaan terhadap TWD manual dan akurasi pendugaan
TWD berbagai telepon seluler
37
8. Akurasi pemupukan pada berbagai telepon seluler
39

PENDAHULUAN
Latar Belakang
Pemberian pupuk dengan jumlah yang tepat dan efisien sangat perlu
dilakukan. Efisiensi pemupukan dimaksudkan untuk penghematan sumberdaya
energi dan kelestarian lingkungan sehingga tercipta sistem produksi yang
berkelanjutan (sustainable production system). Dengan demikian penggunaan
pupuk yang efisien pada tanaman padi akan sangat nyata membantu menekan
biaya produksi.
Salah satu inovasi teknologi untuk menciptakan pemberian pupuk yang
seragam, jumlah yang tepat, dan efisien adalah dengan menerapkan sistem
pertanian presisi atau sering disebut dengan precision farming. Pertanian presisi
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 (Astika,
2010).
IRRI telah menciptakan dan mengeluarkan bagan warna daun (BWD)
dengan tujuan untuk mengetahui dan menentukan tingkat warna daun padi.
Penggunaan bagan warna daun (BWD) adalah salah satu cara untuk menganalisis
kebutuhan pupuk. Alat ini cocok untuk mengoptimalkan pemberian unsur
nitrogen untuk tanaman padi. Alat ini terdiri atas empat warna hijau, mulai dari
hijau kekuningan hingga hijau tua (Nugroho, 2011). Penggunaan BWD masih
terbatas di lingkungan peneliti dan penyuluh pertanian karena penyediaannya
masih yang terbatas. Pada tingkat petani penggunaan BWD masih belum dikenal
secara luas. Hal ini disebakan karena kurangnya sosialisasi dan ketersediaannya.
Pengembangan teknologi untuk menentukan tingkat warna daun telah
banyak dilakukan, diantaranya adalah dengan metode Soil Plant Analysis
Development (SPAD). Alat ini berguna untuk mengukur kandungan klorofil daun
secara relatif. Dibandingkan dengan metode uji spektrofotometer, alat ini lebih
efisien dan mudah penggunaannya. Alat ini sangat cocok untuk sampel data yang
banyak, walaupun tidak seakurat pengujian spektrofotometer. Namun dengan
harga alat ini yang mahal, membuat petani belum banyak menggunakannya.
Pengembangan metode untuk menentukan tingkat warna daun dengan
teknologi yang murah dan terjangkau mulai banyak dilakukan. Astika (2010)
mengembangkan metode pendugaan tingkat warna daun padi dengan
menggunakan kamera hand phone dan metode k-nearest neighbor (k-NN) sebagai
pengganti bagan warna daun. Namun dari penelitian tersebut didapatkan hasil
akurasi yang rendah. Akurasi yang rendah diyakini disebabkan oleh pemakaian 5
merek telepon seluler secara bersama yang memiliki pengaturan pewarnaan yang
berbeda-beda sehingga sebaiknya setiap merek dan tipe telepon seluler memiliki

2
satu formulasi (Astika, 2010). Pendugaan warna daun dengan telepon seluler juga
dilakukan Cibro (2012). Dalam penelitian ini, foto yang diperoleh diekstrak
menggunakan Visual Basic untuk mendapatkan komponen RGB. Pada penelitian
ini juga didapatkan kondisi pengambilan foto terbaik adalah pada saat intensitas
cahaya rendah, yaitu pada pagi dan sore hari. Penelitian lanjutan untuk pendugaan
tingkat warna daun juga dilakukan oleh Astika dan Sugiyanta (2012). Dimana
penelitian membangun program aplikasi yang dipasang pada telepon seluler
Android untuk menentukan tingkat warna daun padi dan dosis pupuk N.
Penggunaan telepon seluler pada saat ini tidak terbatas dari golongan atas
sampai golongan bawah. Petani juga telah menggunakan telepon seluler dalam
melaksanakan aktifitas sehari-hari. Oleh sebab itu pengembangan penelitian untuk
menentukan tingkat warna daun tanaman padi berprospek bagus dan akan
diminati banyak orang.
Oleh karena itu, perlu dilakukan pengembangan dan penyempurnaan
penelitian yang telah dilakukan sebelumya yaitu pendugaan tingkat warna daun
oleh kamera hand phone (Astika, 2010; Astika dan Sugiyanta, 2012; dan Cibro,
2012) untuk mendapatkan hasil pendugaan yang lebih baik serta bisa digunakan
dalam pendugaan kandungan klorofil.
Tujuan
Tujuan umum penelitian ini adalah menduga kandungan klorofil daun padi
(Oriza sativa) dengan bagan warna daun (BWD) dan telepon seluler (hand
phone) . Sedangkan tujuan khusus dalam penelitian ini adalah sebagai berikut :
1. Membangun hubungan antara nilai indeks SPAD dengan kandungan
klorofil daun dan hubungan tingkat warna daun hasil pengukuran
menggunakan BWD dengan kandungan klorofil daun.
2. Menduga tingkat warna daun berdasarkan BWD dengan beberapa
merek kamera telepon seluler dengan aplikasi yang dibuat oleh Astika
(2010)
3. Membangun hubungan antara tingkat warna daun hasil pendugaan
telepon seluler dan nilai indeks SPAD

TINJAUAN PUSTAKA
Klorofil
Klorofil berasal dari bahasa yunani “chloros” yang berarti hijau dan
“phyllum’ yang berarti daun. Klorofil adalah pigmen hijau yang pada tanaman dan
merupakan faktor utama yang mempengaruhi fotosintesis. Fotosintesis
merupakan proses perubahan senyawa anorganik (CO2 dan H2O) menjadi

3
senyawa organik (karbohidrat) dan O2 dengan bantuan cahaya matahari
(6CO2+6H2O C6H12O6 + 6O2). Klorofil terdapat pada kloroplas di dalam sel
daun tanaman dan bagian lain yang berwarna hijau (Setijo, 2008).
Peran klorofil adalah untuk menangkap cahaya yang akan disimpan
energinya. Tanpa klorofil berarti tidak ada penangkapan cahaya, berarti pula tidak
akan terjadi fotosintesis (Isma’il, 2009). Warna hijau pada daun berasal dari
kandungan klorofil yang ada pada daun. Semakin besar jumlah klorofil semakin
hijau pula daun tersebut. Contohnya daun yang masih muda warnanya hijau
muda, yang menandakan klorofil daun tersebut masih sedikit, sedangkan pada
daun yang sudah tua warnanya kuning atau merah, yang menandakan daun tua
tersebut kehilangan klorofil. Daun yang menguning bisa juga disebabkan karena
kekurangan zat hara nitrogen. Hal ini karena nitrogen berfungsi sebagai bahan
fotosintesis, protein dan asam amino yg berperan dalam pembentukan sel,
jaringan juga organ tanaman dan sangat dibutuhkan dalam jumlah yang tinggi
pada fase pertumbuhan vegetative, sehingga membuat daun itu menguning karena
kekurangan klorofil (Dwidjoseputro, 1994)

SPAD Klorofil Meter
SPAD (Soil Plant Analysis Development) adalah alat untuk mengukur
klorofil daun secara relatif yang dinyatakan dalam satuan unit. Kandungan klorofil
daun yang ditetapkan dengan SPAD berkorelasi positif dan sangat nyata dengan
kandungan klorofil yang ditetapkan secara destruktif. Begitu pula tingkat warna
daun dengan nilai klorofil daun (SPAD) menunjukkan hubungan positif nyata
linier, dimana semakin besar nilai klorofil SPAD semakin besar pula tingkat
warna daunnya (Suwardi dan Roy Efendi, 2009). Pengukuran klorofil daun secara
destruktif berkorelasi positif nyata dengan kadar Nitrogen daun. Namun
pengukuran ini hanya bisa dilakukan di laboratorium dan cara pengukurannya
rumit. Sedangkan dengan SPAD sangat mudah mengukur kandungan klorofil
daun. Karena alat tersebut bisa langsung mengukur klorofil di lapangan walaupun
akurasinya tidak seakurat pengukuran destruktif. Untuk pengukuran yang
melibatkan sampel banyak sangat cocok menggunakan SPAD. Nilai SPAD juga
cukup akurat untuk mengukur tingkat kecukupan hara N pada tanaman padi,
gandum, jagung, sorgum, dan kapas (Balasubramanian et al, 2000).
Untuk menghindari dosis N berlebihan dan meningkatkan efisiensi,
pemberian pupuk N dilakukan berdasarkan kandungan klorofil daun yang diukur
menggunakan klorofil meter (SPAD meter). Cara SPAD dapat menghindari
terjadinya kelebihan pupuk dan diharapkan juga akan menekan polutan.
Pemberian pupuk urea dengan cara SPAD meningkatkan efisiensi dan menghemat
pupuk urea hingga 40% (Balasubramanian et al, 2000).

4
k-Nearest Neighbor
k-Nearest Neighbor (k-NN) adalah suatu metode yang menggunakan
algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan
berdasarkan mayoritas dari kategori pada k-NN. Tujuan dari algoritma ini adalah
mengklasifikasi objek baru berdasakan atribut dan sampel latih.
Pengklasifikasian tidak menggunakan model apapun untuk dicocokkan dan hanya
berdasarkan pada memori.. Algoritma k-NN menggunakan klasifikasi
ketetanggaan sebagai nilai prediksi dari sample uji yang baru. Dekat atau jauhnya
tetangga biasanya dihitung berdasarkan jarak Eucledian (Batista dan Monard,
2003).
Algoritma metode k-NN sangatlah sederhana, bekerja dengan berdasarkan
pada jarak terpendek dari sample uji ke sample latih untuk menentukan k-NN nya.
Setelah mengumpulkan k-NN, kemudian diambil mayoritas dari k-NN untuk
dijadikan prediksi dari sample uji. Data untuk algoritma k-NN terdiri dari
beberapa atribut multi-variate Xi yang akan digunakan untuk mengklasifikasikan
Y. Data dari k-NN dapat digunakan dalam skala ukuran apapun, dari ordinal ke
nominal (Batista dan Monard, 2003).

Gambar 1 Pola Pengenalan k-NN

Pengolahan Citra
Pengolahan citra merupakan teknologi visual yang mengamati dan
menganalisa suatu obyek tanpa berhubungan langsung dengan obyek yang diamati.
Proses pengolahan dan analisanya melibatkan persepsi visual dengan data

5
masukan maupun data keluaran yang diperoleh berupa citra atau image dari suatu
obyek yang diamati. Data citra didapatkan dalam bentuk format digital mentah
yang merupakan sekumpulan data numerik. Unit terkecil dari data digital adalah
bit, yaitu angka biner, atau 1 dan kumpulan dari data sejumlah 8 bit data disebut
byte dengan nilai 0-225. Dalam hal citra digital nilai level energi dituliskan dalam
satuan byte.
Citra merupakan sekumpulan titik-titik dari gambar yang berisi informasi
warna dan tidak bergantung pada waktu. Umumnya citra dibentuk dari kotakkotak persegi empat yang teratur sehingga jarak horizontal dan vertikal antar
piksel sama pada seluruh bagian citra. Titik-titik tersebut mengambarkan posisi
kordinat dan menunjukkan warna citra. Citra yang ditangkap sensor yang
dipandang sebagai suatu fungsi dua dimensi f(x,y) pada kordinat spasial (x,y)
dibidang x-y, yang mendefinisikan suatu ukuran intensitas cahaya pada titik
tersebut, kemudian disimpan dalam memori komputer sebagai bingkai penyimpan
dalam bentuk array N x M dari contoh diskrit dengan jarak yang sama.
Formulasinya bisa dilihat sebagai berikut :

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 memperoleh 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 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. Sistem manajemen
informasi (Management Information System) dalam presisi pertanian meliputi
Sistem Informasi Geografis (Geographical Information System), Sistem
Pendukung Keputusan (Decision Support System), dan data (crop models and
field history). Pertanian presisi pada saat sekarang ini mulai diminati oleh petani
karena mereka melihat keunggulan dan keuntungan dari penggunaan sistem ini.
Oleh karenanya, pengembangan aplikasi sistem pertanian presisi perlu terus
dilakukan. Pemakaian pertanian presisi dalam prakteknya memerlukan

6
pendekatan sistem terintegrasi yang baik yang mengkombinasikan teknologi
perangkat keras (hardware technology) dan system perangkat lunak (software
systems). Pelaksanaan pertanian presisi juga merupakan suatu siklus yang
berkesinambungan dari tahap perencanaan (planning), tahap pertumbuhan
(growing), dan tahap pemanenan (harvesting).

METODOLOGI PENELITIAN
Tempat dan Waktu Penelitian
Kegiatan penelitian dibagi menjadi dua kelompok yaitu 1) Pengukuran
kandungan klorofil dan warna daun menggunakan SPAD dan bagan warna daun,
dan 2) Pendugaan warna daun menggunakan telepon seluler berbeda merk. Selain
itu juga dilakukan uji laboratorium Spektofotometer untuk mengetahui kandungan
klorofil. Penelitian dilaksanakan pada bulan Juni 2012 hingga Februari 2013.
Penelitian dilakukan di empat tempat yaitu :
1. Desa Leuwingkolot, Kecamatan Cibungbulang, Kabupaten Bogor, Jawa
Barat
2. Kampung Saranpad, Desa Saranpad, Kecamatan Cugenang, Kabupaten
Cianjur, Jawa Barat
3. Desa Situ Udik, Kecamatan Ciampea, Kabupaten Bogor, Jawa Barat
4. Desa Cibeurem Situ Leutik, Kecamatan Dramaga, Kabupaten Bogor, Jawa
Barat
Alat dan Bahan
Alat yang dipakai dalam penelitian ini adalah:
1. Software Microsoft Visual Basic 6.0
2. Telepon seluler dengan merek yang berbeda-beda.
a. Samsung Galaxy Ace S5830
b. LG P698
c. Samsung Young GT S5360
d. Nexian A893
e. Sony Ericcson Xperia Mini Pro SK17i
3. Bagan warna daun IRRI – 4 level
4. Luxmeter
5. Klorofil Meter SPAD 502 Konica Minolta
Bahan yang dipakai adalah :
1. Saprodi berupa bibit, pupuk, dan bahan lain yang digunakan untuk
budidaya padi
2. Kertas, tali rafia, dan patok-patok untuk memberi tanda-tanda di lahan

7

Gambar 2 Klorofil Meter SPAD 502
Konica Minolta

Gambar 3 Bagan warna daun IRRI

Tahapan Penelitian

Penelitian ini terdiri dari beberapa tahapan, yaitu :
1. Pemberian dosis yang pupuk berbeda pada lahan, agar didapatkan
warna daun yang beragam. Dosis pupuk dapat dilihat di Lampiran
6
2. Pengukuran kandungan klorofil daun padi dengan menggunakan
alat Klorofil Meter SPAD pada berbagai macam tingkat warna
daun
3. Pengambilan citra daun padi dengan berbagai macam tingkat
warna daun pada waktu pagi, siang dan sore hari
4. Pengukuran
kandungan
klorofil
dengan
metode
uji
spektrofotometer
5. Analisis data pengukuran tingkat warna daun, indeks SPAD, dan
kandungan klorofil hasil uji spektrofotometer untuk mencari
korelasinya.

8
Mulai

Budidaya padi untuk
mendapatkan berbagai warna
daun

Pengukuran manual tingkat
warna daun padi dengan BWD

Pengukuran
kandungan klorofil
menggunakan SPAD

Pengambilan citra daun
padi dengan telepon seluler
dan aplikasi pendugaan
tingkat warna daun

Pengukuran kandungan
klorofil dengan uji
spektrofotometer

RGB dugaan dan TWD
dugaan
Klorofil (mg/g)

Indeks SPAD

Hubungan linear
antara SPAD dengan
Klorofil

Hubungan Linear
antara TWD dengan
klorofil

Pengenalan pola
k-NN

Selesai

Gambar 4 Diagram alir tahapan penelitian

9
Pengambilan Data
Pengambilan citra (pemotretan) daun padi dilakukan menggunakan 5
telepon seluler. Daun padi dililitkan pada jari tengah, diselipkan diantara jari
manis dan jari telunjuk kemudian dipotret. Metode pengambilan citra
menggunakan metode Astika, (2010), yaitu di bawah bayang-bayang, dan Cibro
(2012) yaitu frame penuh dengan background telapak tangan. Contoh
pengambilan citra dapat dilihat pada Gambar 5.

Gambar 5 Contoh pengambilan citra daun padi
Pengambilan data dilakukan setelah tanaman padi diberikan dosis pupuk
yang berbeda agar mendapatkan warna daun yang beragam. Untuk pengukuran
kandungan klorofil di lapangan menggunakan alat SPAD Klorofil meter.
Pengukuran dilakukan pada tiga titik, yaitu di ujung, tengah dan pangkal daun,
sedangkan untuk kandungan klorofil hasil uji spektrofotometer diambil beberapa
sampel daun dari petakan sawah dengan tingkat warna daun yang berbeda-beda.
Pengambilan citra daun padi dilakukan dua kali setelah pemupukan pertama
(21-25) HST dan setelah pemupukan kedua (40-45) HST. Pengambilan citra
dilakukan pada pagi hari, siang hari dan sore hari. Pengambilan citra dilakukan di
lahan sawah Cianjur, Situ Udik, dan Leuwingkolot dengan bantuan beberapa
mahasiswa dan beberapa petani pada bulan Juni 2012 – Februari 2013.

Gambar 6 Pengukuran kandungan klorofil dengan SPAD

10
Lahan Situ Udik A dan B
Luas total : 3508,66 m2
Lahan Situ Udik A
Luas :2679.66 m2
Pengukuran 1 : 25 HST (12 agustus 2012)
Pemotretan Pagi : 2000 data
Pengambilan SPAD : 80 data
Pengambilan TWD manual : 80 data
HP yang dipakai : 5 buah HP
Perlakuan dosis : 17 perlakuan

Lahan Situ Udik A
Luas : 2679.66 m2
Pengukuran 2: 40 HST (27 Agustus 2012)
Pemotretan Sore: 2000 data
Pengambilan SPAD : 80 data
Pengambilan TWD manual : 80 data
HP yang dipakai : 5 buah HP
Perlakuan dosis : 17 perlakuan

Lahan Situ Udik B
Luas : 829 m2
Pengukuran 1 : 23 HST (22 Oktober 2012)
Pemotretan Pagi : 180 data
Pengambilan SPAD : 45 data
Pengambilan TWD manual : 45 data
HP yang dipakai : 4 buah HP
Perlakuan dosis : 9 perlakuan

Lahan Situ Udik B
Luas : 829 m2
Pengukuran 2: 41 HST (10 November 2012)
Pemotretan Sore: 225 data
Pengambilan SPAD : 45 data
Pengambilan TWD manual : 45 data
HP yang dipakai : 5 buah HP
Perlakuan dosis : 9 perlakuan

Lahan Lewingkolot
2
Luas : 1139,57 m
Pengukuran 1 : 25 HST (8 agustus 2012)
Pemotretan Pagi : 450 data (5 ulangan/HP)
Pengambilan SPAD :45 data
Pengambilan TWD manual : 45 data
HP yang dipakai : 2 buah HP
-Sony Xperia
-LG
Perlakuan dosis : 10 perlakuan

Pengukuran 2 : 40 HST (23 Agustus 2012)
Pemotretan Sore : 1125 data (5 ulangan/HP)
Pengukuran SPAD : 45 data
Pengukuran TWD manual : 45 data
HP yang dipakai : 5 buah HP
Perlakuan dosis : 10 perlakuan

Lahan : Cianjur
Luas : 2884 m2
Pengukuran 2 : 43 HST (29 agustus 2012)
Pemotretan Pagi : 500 data (5 ulangan/HP)
Pemotretan Siang : 500 data (5 ulangan/HP)
Pengambilan SPAD :40 data
Pengukuran TWD manual : 40 data
HP yang dipakai : 5 buah HP
Perlakuan dosis : 8 perlakuan

Gambar 7 Bagan pengambilan data pada lahan sawah penelitian

11
Analisis Data
Pengukuran data di lapangan mengahasilkan data TWD, indeks SPAD, dan
kandungan klorofil, sedangkan untuk pengambilan citra menghasilkan data RGB
daun, RGB tangan, dan TWD dugaan. Untuk data hasil pengukuran, dianalisis
menggunakan analisis regresi linear. Khusus untuk data indeks SPAD dan
kandungan klorofil juga dianalisis dengan analisis regresi eksponensial dan
polinomial. Analisis ini digunakan agar mendapatkan hubungan korelasi antara
kandungan klorofil dengan indeks SPAD dan TWD. Hubungan yang kuat ditandai
dengan nilai R2 yang besar.
Untuk data hasil pencitraan dianalisis menggunakan analisis pengenalan
pola k-NN. Data yang dianalisis adalah komponen RGB hasil dugaan telepon
seluler, TWD hasil dugaan telepon seluler, dan indeks SPAD hasil pengukuran.
Analisis ini bertujuan untuk mendapatkan nilai akurasi pendugaan oleh telepon
seluler. Nilai akurasi yang tinggi menandakan bahwa aplikasi pendugaan TWD
pada telepon seluler dapat digunakan untuk menduga kandungan klorofil.

HASIL DAN PEMBAHASAN
Klorofil Daun Padi
Kandungan klorofil daun padi diambil menggunakan dua metode yaitu
mengambil langsung di lapangan menggunakan SPAD klorofil meter dan
diekstrak di laboratorium dengan uji spektrofotometer. Pengukuran dilakukan
pada semua tingkat warna daun mulai dari 2, 2.5, 3, 3.5, dan 4. Pengukuran indeks
SPAD dilakukan pada pagi hari dimana intensitas cahaya matahari masih sedikit.
Hal ini untuk mengurangi pengaruh cahaya matahari terhadap hasil pengukuran.
Untuk uji spektrofotometer, sampel daun padi diambil sebelum matahari terbit
agar sampel daun yang didapat masih segar dan layak untuk diekstrak. Uji
spektrofotometer dilakukan di laboratorium Fakultas Pertanian, Departemen
Agronomi dan Hortikultura, sedangkan pengukuran indeks SPAD dilakukan pada
lahan sawah Cianjur, Situ Udik, dan Lewingkolot.
Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun
Pengukuran menggunakan uji spektrofotomer menghasilkan dua macam
jenis klorofil, yaitu klorofil a dan klorofil b dalam satuan bobot mg/g. Jumlah
klorofil a dan b disebut total klorofil.

12
7
Klorofil mg/g

6
5
4
y = 1.968x - 1.589
R² = 0.9093

3
2
2

2.5

3

3.5

4

TWD

Gambar 8 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer
dengan tingkat warna daun

Indeks SPAD

Hasil uji spektrofotometer menunjukkan bahwa semakin tinggi tingkat
warna daun semakin tinggi pula kandungan klorofilnya. Didapatkan R2 yang
tinggi, yaitu 0.9093. Selain itu didapatkan hubungan klorofil hasil uji
spektrofotometer dengan indeks SPAD (Gambar 9).

46
44
42
40
38
36
34
32
30
28

y = 2.4965x + 28.898
R² = 0.8594

2

3

4

5

6

7

Klorofil (mg/g)

Gambar 9 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan
indeks SPAD

13
Tabel 1 Hubungan klorofil (mg/g) dengan indeks SPAD menggunakan berbagai
model persamaan
Model
Linear
Chli=α*SPADi
Polynomial
Chli=α*SPADi + β*SPADi2
Exponential
Chli=α(eβ*SPADi-1)

α

β

R2

0.24965

-

0.8594

-0.1072

3.4927

0.8619

30.184

0.0624

0.8503

Hubungan klorofil (mg/g) dengan indeks SPAD memiliki R2 yang cukup
tinggi. Bisa dilihat dari Tabel 1, R2 dari berbagai model persamaan memiliki ratarata di atas 0.8. Dengan begitu dapat disimpulkan bahwa hubungan keduanya
signifikan dan mempunyai korelasi yang kuat, sehingga persamaan dari hubungan
tersebut bisa dipakai untuk merubah variabel indeks SPAD yang didapat dari
pengukuran menjadi variabel kandungan klorofil dalam satuan mg/g. Dalam
penelitian kali ini, peneliti menggunakan persamaan linear agar memudahkan
konversi indeks SPAD menjadi klorofil (mg/g).
Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun

6

6

5

5

Klorofil (mg/g)

Klorofil (mg/g)

Data hasil pengukuran klorofil menggunakan SPAD terlebih dahulu
dikonversi menjadi mg/g menggunakan persamaan linear y = 2.4965x + 28.898.
Kemudian dihubungkan dengan TWD padi yang didapat secara manual di
lapangan.

4
3
2
y = 1.8343x - 1.9078
R² = 0.7081

1

4
3
2
y = 1.6732x - 1.3189
R² = 0.7512

1

0

0
2

2.5

3

3.5

TWD

(a) Lahan Cianjur 2

4

2

2.5

3

3.5

TWD

(b) Lahan Leuwingkolot 1

4

6

6

5

5

Klorofil (mg/g)

Klorofil (mg/g)

14

4
3
2
y = 2.141x - 2.8813
R² = 0.768

1

4
3
2

y = 2.1178x - 2.661
R² = 0.8597

1
0

0
2

2.5

3

3.5

2

4

2.5

3

(d) Lahan Situ Udik A1
6

5

5

4
3
y = 1.8883x - 1.7951
R² = 0.6723

Klorofil (mg/g)

6

4
3
y = 2.4386x - 3.274
R² = 0.3227

2
1

0

0
2

2.5

3

3.5

4

2

2.5

3

TWD

3.5

TWD

(e) Lahan Situ Udik A2

(f) Lahan Situ Udik B1

6
Klorofil (mg/g)

Klorofil (mg/g)

(c) Lahan Leuwingkolot 2

1

4

TWD

TWD

2

3.5

5
4
3
2
y = 2.1742x - 3.19
R² = 0.7512

1
0
2

2.5

3

3.5

4

TWD

(g) Lahan Situ Udik B2
Gambar 10 Hubungan klorofil (mg/g) dengan tingkat warna daun
setiap lahan

4

15
Dari grafik menunjukkan bahwa antara nilai klorofil (mg/g) dengan TWD
(tingkat warna daun) di semua lahan berbanding positif. Semakin tinggi nilai
TWD cenderung semakin tinggi juga nilai klorofil. Nilai R2 terkecil adalah pada
Grafik (f) 0.3227. Nilai R2 yang kecil diakibatkan faktor ketelitian pengukuran di
lapangan. Pengukuran indeks SPAD di lapangan sering terkendala oleh batang
daun yang menghambat pembacan indeks SPAD, sehingga kadang alat SPAD
salah membaca indeks SPAD pada daun yang tua dan yang memiliki batang daun
tebal.
Pemotretan Berbagai Tingkat Warna Daun Padi
Pengambilan citra daun padi menggunakan kamera telepon seluler
Samsung Ace, Samsung Young, LG, Sony Xperia, dan Nexian. Semua telepon
selelur tersebut telah diinstal dengan program pendugaan tingkat warna daun yang
sebelumnya telah dikembangkan oleh Astika, (2010). Pemotretan dilakukan pada
sampel daun yang telah diukur kandungan klorofilnya menggunakan SPAD.
Pemotretan dilakukan pada waktu pagi, siang dan sore. Pemotretan dilakukan lima
kali ulangan dan melibatkan 3-5 mahasiswa dan 2 orang petani. Pemotretan
dilakukan di bawah bayangan dan frame yang menggunakan telapak tangan,
dimana akurasinya lebih tinggi dibandingkan di bawah sinar matahari (Astika
Dkk, 2011). Tingkat warna daun padi hasil pemotretan didapatkan sebanyak 6980
data.
Dari program pendugaan TWD tersebut diperoleh TWD dugaan dan
komponen RGB masing-masing TWD. Pada akurasi pendugaan tingkat warna
daun yang terdapat di Lampiran 7, diberi poin pada setiap pendugaannya.
Pendugaan yang tepat diberi poin tertinggi yaitu 6, sedangkan pendugaan yang
salah disesuaikan dengan tingkat kesalahan pendugaannya. Misalkan TWD 2
diduga 2.5 diberi poin 5, TWD 2 diduga 3 diberi poin 4, TWD 2 diduga 3.5 diberi
poin 3, dan TWD 2 diduga 4 diberi poin 2. Pendugaan TWD ternyata memiliki
akurasi yang rendah. Banyak kesalahan pendugaan yang terjadi. Misalnya TWD 2
diduga menjadi TWD 2.5, 3, 3.5 (Lampiran 7). Kesalahan ini terjadi diakibatkan
karena kondisi pemotretan tidak seragam dan menyebabkan RGB yang didapat
tidak konsisten.
Data komponen RGB yang didapat dari pemotretan, digabung dengan data
indeks SPAD. Data tersebut kemudian dipisahkan berdasarkan waktu
pengambilan, yaitu pagi, siang dan sore. Data dibagi menjadi 5 golongan, yaitu
26-31 golongan 1, 31-36 golongan 2, 36-41 golongan 3, 41-46 golongan 4, dan
46-51 golongan 5. Penggolongan ini dimaksudkan untuk mempermudah
pembacaan akurasi pada pengenalan pola k-NN.

16
Samsung Galaxy Ace S5830
Pengenalan pola k-NN pada telepon seluler Samsung Ace memiliki hasil
pendugaan 34.31%. Hasil akurasi yang didapat cukup baik pada golongan 3,
namun pada golongan 2 dan 4 memiliki akurasi yang rendah. Hal ini disebabkan
karena pada golongan 3 yang rata-rata memiliki TWD 3 memiliki sampel yang
paling banyak, sehingga dalam pengenalan pola k-NN golongan tersebut mudah
dikenali.
Namun yang menarik bisa kita lihat pada akurasi pengambilan siang,
dimana akurasi yang didapat lebih tinggi diantara waktu pagi dan sore. Padahal
pada penelitian sebelumnya, akurasi pendugaan pemotretan lebih tinggi pada saat
intensitas rendah, yaitu pada pagi dan sore hari (Cibro, 2012). Perbedaan ini
disebabkan komponen RGB yang diperoleh langsung dari hasil pemotretan
menggunakan program pendugaan warna daun yang telah diaplikasikan pada
semua telepon seluler, sedangkan pada penelitian sebelumnya, komponen RGB
daun tidak didapat secara langsung, tapi dengan cara ekstraksi menggunakan
program pengolahan citra yang telah dirancang oleh Astika (2010). Faktor lain
yang menyebabkan akurasi pendugaan rendah adalah kondisi pengambilan foto
yang tidak seragam yang mengakibatkan RGB daun yang didapat tidak konsisten.
Kondisi beragam ini seperti cahaya lingkungan, bayangan pemotret yang
mengenai foto, serta warna telapak tangan yang beragam.
Tabel 2 Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Ace
Golongan

Jumlah Data

26-31
31-36
36-41
41-46
46-51
Rata-rata

1
73
294
89
0

∑ Benar

26-31
0
0
0
0
0

31-36
1
19
48
3
0

36-41
0
49
203
79
0

41-46
0
5
43
7
0

46-51
0
0
0
0
0

Akurasi
(%)
0
26.03
69
8
0
34.31

LG P698
Pengenalan pola k-NN pada telepon seluler LG memiliki akurasi 43.03%.
Akurasi pada telepon seluler LG tertinggi diantara telepon seluler lainnya.
Diantara tiga waktu pengambilan, sore hari memiliki akurasi tertinggi. Telepon
seluler LG memiliki kecepatan dalam pengambilan foto, walaupun tidak didukung
kamera yang cukup bagus, sehingga mengurangi goyangan atau getaran tangan
pemotret. Akurasi pada telepon seluler LG bisa dilihat pada Tabel 3.

17
Tabel 3 Akurasi pendugaan indeks SPAD pada telepon seluler LG
Golongan

Jumlah Data

26-31
31-36
36-41
41-46
46-51
Rata-rata

0
73
314
95
0

∑ Benar

26-31 31-36
0
0
0
21
0
41
0
12
0
0

36-41 41-46 46-51
0
0
0
42
10
0
213
60
0
52
31
0
0
0
0

Akurasi
(%)
0
28.77
68
33
0
43.03

Nexian A893
Pada telepon seluler Nexian, pola pengenalan k-NN memiliki akurasi
39.22%. Pada Nexian, siang hari adalah waktu pemotretan yang memiliki akurasi
paling tinggi diantara pagi hari dan siang hari. Faktor yang mempengaruhi
rendahnya akurasi pada telepon seluler Nexian disebabkan bentuk telepon seluler
yang cukup besar, sehingga menyulitkan pemotret. Faktor lainnya adalah
kecepatan dalam pengambilan foto yang lambat, sehingga banyak terjadi getaran
sewaktu memotret.
Tabel 4 Akurasi pendugaan indeks SPAD pada telepon seluler Nexian
Golongan

Jumlah Data

26-31
31-36
36-41
41-46
46-51
Rata-rata

1
69
299
89
0

∑ Benar

26-31
0
0
0
0
0

31-36
0
14
25
3
0

36-41
1
55
234
69
0

41-46
0
0
40
17
0

46-51
0
0
0
0
0

Akurasi
(%)
0
20.29
78
19
0
39.22

Sony Ericcson Xperia Mini Pro SK17i
Pada telepon seluler Sony Xperia, akurasi pengenalan pola k-NN adalah
39.58%. Akurasi yang didapat rendah, walaupun memiliki kamera yang cukup
baik. Hal ini disebabkan sistem pengambilan foto pada saat pemotretan lambat,
sehingga banyak menimbulkan goyangan atau getaran.

18
Tabel 5 Akurasi pendugaan indeks SPAD pada telepon seluler Sony Xperia
Golongan

Jumlah Data

26-31
31-36
36-41
41-46
46-51
Rata-rata

1
62
295
102
0

∑ Benar

26-31
0
0
0
0
0

31-36
0
22
75
22
0

36-41
1
38
208
67
0

41-46 46-51
0
0
2
0
12
0
13
0
0
0

Akurasi
(%)
0
35.48
71
13
0
39.58

Samsung Young GT S5360
Akurasi pola pengenalan k-NN pada telepon seluler Samsung Young
memiliki akurasi 36.20%, dan waktu pengambilan yang memiliki akurasi tertinggi
adalah pada waktu sore hari. Faktor yang menyebabkan rendahnya akurasi pada
telepon seluler Samsung Young adalah kondisi pada saat pengambilan foto yang
beragam dan menyebabkan RGB yang didapat tidak konsisten.
Tabel 6 Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Young
Golongan

Jumlah Data

26-31
31-36
36-41
41-46
46-51
Rata-rata

1
55
311
91
0

∑ Benar

26-31
0
0
0
0
0

31-36
1
16
53
6
0

36-41
0
33
196
70
0

41-46 46-51
0
0
6
0
62
0
15
0
0
0

Akurasi
(%)
0
29.09
63
16
0
36.20

Perbandingan Akurasi Setiap Telepon Seluler
Dari semua telepon seluler yang digunakan dalam pemotretan, telepon
seluler yang memiliki akurasi tertinggi adalah telepon seluler Samsung Ace yaitu
47.51% untuk akurasi pendugaan tingkat warna daun dan telepon seluler LG
43.08% untuk akurasi pendugaan indeks SPAD, sedangkan yang memiliki akurasi
terendah pada pendugaan warna daun adalah telepon seluler Samsung Young
dengan 36.71%. Untuk akurasi pemupukan didapatkan akurasi tertinggi pada
telepon seluler Samsung Ace yaitu 75.35%. Akurasi pemupukan ini didapatkan
berdasarkan akurasi pendugaan TWD, dimana setiap TWD memiliki standard
dosis pemupukan. Perhitungan akurasi pemupukan bisa dilihat di Lampiran 8.
Akurasi terendah pada pendugaan indeks SPAD adalah telepon seluler Samsung
Ace dengan 34.31%. Hal ini disebabkan karena kondisi pengambilan foto yang
berbeda-beda. Keragaman kondisi ini seperti cahaya yang tidak merata karena

19
bayangan, dan teknik pengambilan foto yang tidak tepat, sehingga membuat RGB
daun yang didapat tidak konsisten. Perbandingan akurasi pada setiap telepon
seluler dapat dilihat pada Tabel 7, Tabel 8, Tabel 9, dan Tabel 10.
Tabel 7 Akurasi tingkat warna daun pada semua telepon seluler
Jenis HP
Samsung Ace
LG
Nexian
Sony Xperia
Samsung Young
Rata-rata

2
62.50
57.93
54.55
0.00
45.76
55.19

Akurasi TWD
2.5
3
3.5
52.33
50.91
24.34
23.00
46.83
18.31
45.32
40.88
15.91
51.12
24.43
14.42
28.38
21.46
30.35
40.03
36.90
20.67

4
45.70
61.79
32.18
92.31
57.60
57.92

Rata-rata
akurasi
47.51
41.57
37.77
45.57
36.46

Tabel 8 Akurasi pemupukan pada telepon seluler
Jenis HP
Samsung Ace
LG
Nexian
Sony Xperia
Samsung Young
Rata-rata

2
90.77
83.23
87.50
75.00
92.50
85.80

Akurasi Pemupukan
2.5
3
3.5
82.04 73.63 43.79
73.53 69.02 45.96
81.43 66.67 27.33
64.09 54.49 40.38
71.13 58.39 45.65
74.44 64.44 40.62

4
86.52
43.18
15.73
71.43
19.10
47.19

Rata-rata
akurasi
75.35
62.98
55.73
61.08
57.35

Tabel 9 Akurasi k-NN setiap golongan pada semua telepon seluler
Golongan
26-31
31-36
36-41
41-46
46-51
Rata-rata

Samsung
Ace

LG

Nexian

Sony
Xperia

Samsung
Young

0
26.03
69
8
0
34.31

0
28.77
68
33
0
43.08

0
20.29
78
19
0
39.22

0
35.48
71
13
0
39.58

0
29.09
63
16
0
36.20

20
Tabel 10 Akurasi telepon seluler pada setiap waktu pengambilan
Waktu
Pagi
Siang
Sore
Gabungan

Intensitas
Cahaya (Lux)
800-5000
7500-100.000
800-5000

Samsung
Ace
32.79
40.49
30.71
34.31

LG

Nexian

44.69
48.78
50.39
43.08

34.95
47.51
33.52
39.22

Sony Samsung
Xperia Young Rata-rata
33.81
23.40
33.93
45.96
27.12
44.87
55,89
43.46
42.79
39.58
36.20

Pengambilan Citra dengan Latar Belakang Patokan Warna Daun
Selain pemotretan daun padi dengan latar warna tangan, juga dilakukan
pemotretan menggunakan latar warna daun 2 (kiri) dan 3 (kanan). Hal ini
dilakukan agar mengurangi warna latar gelap yang mempengaruhi hasil
pemotretan. Padi yang diambil adalah padi varietas ciherang. Padi ini ditanam di
Desa Cibeurem Situ Letik, Kecamatan Dramaga. Luas lahan sawah adalah 25 m x
6 m. Pada saat panen menghasilkan gabah 120 kg. Walaupun akurasi yang didapat
rendah, namun tidak mempengaruhi hasil panen. Hal ini dikarenakan pemberian
pupuk yang banyak pada saat sebelum penanaman padi. Pada waktu sebelumnya
lahan ini digunakan untuk menanam singkong, dan diberikan pupuk yang banyak
oleh petani, sehingga pada saat penanaman padi pemberian pupuk yang tidak
sesuai tidak berpengaruh terhadap hasil panen. Hasil panen mengalami
peningkatan 2 kali lipat dibandingkan sebelumnya yang hanya 60 kg.

Patokan kanan
(TWD 3)

Patokan kiri
(TWD 2)

Daun

Gambar 11 Patokan warna dan contoh pengambilannya
Warna daun yang diambil pada pemotretan menggunakan patokan warna
daun adalah 2, 2.5, 3, 3.5, dan 4. Hasil pemotretan menghasilkan RGB daun
(tengah), RGB Patokan 2 (Kiri), RGB Patokan 3 (kanan). Dari RGB tersebut
didapatkan grayscale masing-masing RGB. Rendahnya akurasi disebabkan teknik
pemotretan yang kurang hati-hati. Seperti mengkilapnya patokan karena sinar

21
matahari dan foto tertutup bayangan tangan atau telepon seluler dan membuat
nilai A dan B tidak konsisten. Pemotretan yang baik adalah pada posisi objek
potret tidak tertutup bayangan tubuh atau telepon seluler, karena menghasilkan
warna latar yang cerah. Hasil akurasi menggunakan patokan warna daun bisa
dilihat di Tabel 11.
Tabel 11 Akurasi pengambilan citra dengan patokan warna daun
TWD
2
2.5
3
3.5
4
Rata-rata

Rumus IF yang berlaku
IF(AND(A>=5,A=-30,B=5,A=5,B=6,A=-10,B=10,A=-15,B=12,A=-16,B