78 5. IDENTIFIKASI JENIS TANAMAN

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
78
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 terusmenerus dilakukan pada tanaman kacang tanah dan jagung. Pengamatan gulma
hanya dilakukan pada periode kritis tanaman kacang tanah (minggu ke-4).
79
Gambar 34 . Citra serangan gulma pada tanaman kacang tanah.
Gambar 35. Citra serangan gulma pada lahan terbuka.
80
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.
Pengambilan Citra
Filterisasi Citra
Analisa Jenis Tanaman
Analisa Kepadatan Serangan
Batas Serangan Gulma
Dosis Penyemprotan
Penyemprotan
sesuai Dosis dan Lokasi
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,
81
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 :


0.5
 2R  G  B 
2
H  Arc Cos 
  R  G  R  GG  B
2



(6)
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.
82
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 46.5o.
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.
83
Gambar 38. Hasil proses tresholding dengan pembatas nilai Hue 46.5o
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
84
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
N(r), yang melingkupi objek. Dari plot log (
) dan log (N(r)) 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 log(ukuran persegi)
Y = nilai
(
)
85
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
86
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
87
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.
2,00
Nilai Dimensi Fraktal
1,80
1,60
1 Minggu
1,40
2 Minggu
1,20
3 Minggu
1,00
4 Minggu
0,80
5 Minggu
0,60
6 Minggu
0,40
0,20
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Nomor tanaman
Gambar 43. Nilai dimensi fraktal tanaman kacang tanah pada berbagai
umur tanam.
88
Tabel 9 .
No.
Contoh
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Terkecil
Terbesar
Rataan
Nilai dimensi fraktal tanaman kacang tanah pada berbagai
umur.
1
1.15
1.07
1.06
1.17
1.22
1.04
1.04
1.17
1.13
1.10
1.14
1.13
1.20
0.99
0.98
0.98
1.22
1.10
2
1.33
1.25
1.28
1.18
1.36
1.19
1.39
1.31
1.25
1.20
1.19
1.32
1.27
1.29
1.19
1.18
1.39
1.27
Minggu ke3
4
1.45
1.66
1.48
1.61
1.54
1.58
1.47
1.51
1.54
1.61
1.48
1.68
1.49
1.59
1.54
1.66
1.69
1.76
1.53
1.62
1.42
1.64
1.51
1.68
1.52
1.66
1.44
1.60
1.56
1.60
1.42
1.51
1.69
1.76
1.51
1.63
5
1.71
1.72
1.70
1.59
1.75
1.75
1.65
1.69
1.81
1.64
1.69
1.70
1.71
1.62
1.63
1.59
1.81
1.69
6
1.78
1.81
1.72
1.69
1.83
1.81
1.71
1.79
1.80
1.73
1.78
1.74
1.86
1.67
1.79
1.67
1.86
1.77
Tabel 10. Nilai dimensi fraktal tanaman jagung pada berbagai umur.
No.
Contoh
1
2
3
4
5
6
7
8
9
Terkecil
Terbesar
Rata-rata
2
1.45
1.52
1.51
1.49
1.38
1.43
1.42
1.35
1.37
1.35
1.52
1.44
Minggu ke3
1.54
1.59
1.65
1.52
1.40
1.52
1.51
1.65
1.43
1.40
1.65
1.53
4
1.75
1.63
1.65
1.62
1.76
1.74
1.74
1.82
1.57
1.57
1.82
1.70
89
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.
2.0
1.8
Dimensi Fraktal
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0
1
2
3
4
5
Minggu Setelah Tanam
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 = -0,010x2 + 0,234x + 0,869
(10)
keterangan :
y : nilai dimesi fraktal
x : umur tanaman kacang tanah (minggu)
dengan nilai koefisien determinasi sebesar R2 = 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.
90
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.
1,80
Nilai Dimensi Fraktal
1,60
1,40
1,20
1,00
Kacang tanah
0,80
Jagung
0,60
0,40
0,20
0,00
1
2
3
4
Umur tanaman (minggu)
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.
91
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
96.67
71.43
88.64
Akurasi (%)
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
97.01
71.43
92.59
Akurasi (%)
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%,
92
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.
93