APLIKASI DETEKSI MASA PANEN PADI MENGGUNAKAN PERBANDINGAN HISTOGRAM WARNA DAUN PADI

Authors

  • Wawan Ragil Wibowo
  • Murinto Murinto

DOI:

https://doi.org/10.12928/jstie.v4i3.10795

Abstract

Padi merupakan tanaman yang menghasilkan beras. Petani padi merupakan aktor yang menentukan kelanjutan komoditas padi di Indonesia. Dalam penanganan pra dan pasca panen tanaman padi, penentuan masa panen tanaman padi merupakan salah satu hal yang paling penting. Dengan kurang tepatnya masa panen tanaman padi hasil panen yang didapat akan menurun. Keberlangsungan para petani padi keberadaan para petani pemula. Terkadang beberapa petani, kebanyakan adalah petani pemula masih belum memiliki pengetahuan khusus untuk mendeteksi waktu yang tepat dalam memanen padi. Tujuan dari penelitian ini adalah agar dapat mempermudah para petani pemula dalam mendapatkan informasi apakah tanaman padinya sudah masuk masa panen atau belum.

   Subjek penelitian menggunakan aplikasi Mathlab R2010a sebagai image processing. Data dalam penelitian ini menggunakan sample citra daun padi berupa file citra berekstensi bitmap.  Aplikasi merepresentasikan citra daun padi ke dalam bentuk piksel (pixel based models). Sistem menggunakan pendekatan perbandingan histogram warna citra daun padi. Ada 3 tahapan dalam sistem ini yaitu, tahap pengubahan citra digital menjadi citra grayscale dimana citra masukan diproses dan dideteksi unsur warna RGB didalamnya, kemudian dari unsur warna tersebut akan diubah menjadi satu nilai derajat keabuan. Tahap selanjutnya adalah mencari  histogram dari citra daun padi hasil konversi grayscale. Tahap ketiga adalah pelatihan sistem untuk membandingkan histogram citra sampel awal dengan database yang sebelumnya ditentukan, kemudian dihitung nilai kedekatan dari tiap masing-masing citra yang diujikan dengan menghitung nilai ekstraksi cirinya. Parameter ekstraksi ciri yang digunakan adalah mean, variance, skewness, kurtosis dan entropy.

Berdasarkan hasil penelitian selain dari hitungan manual usia tanaman padi, tingkat kandungan air dari malai padi, dan penampakan fisik malai padi, tanaman padi juga bisa diketahui masa panennya berdasarkan dari warna daun tanaman padi. Berdasarkan hasil pengujian dengan menggunakan 30 sampel yang terdiri dari 15 citra daun padi belum siap panen dan 15 citra daun padi siap panen menunjukkan bahwa hasil untuk pengujian daun padi belum siap panen mencapai 73,33%, sedangkan untuk daun padi siap panen mencapai 73,33%. Secara keseluruhan tingkat keberhasilan aplikasi deteksi masa panen padi memanfaatkan perbandingan histogram warna daun padi yaitu sebesar 73,33%.

Kata Kunci: Histogram, Masa Panen Padi, Warna Daun Padi

References

Fadlil, Abdul. 2011. Petunjuk Praktikum Pengenalan Pola. Fakultas Teknologi Industri, Laboratorium Multimedia, Program Studi Teknik Informatika-Universitas Ahmad Dahlan.

Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi Offset.

Nasir, Muhammad, dkk. 2013. Deteksi Usia Tanaman Padi Berdasarkan Warna. Jurnal Seminar Nasional Teknologi Informasi dan Komunikasi. Aceh : Jurusan Teknik Elektro Politeknik Negri Lhokseumawe.

Utomo, Pradityo. 2014. Sistem Deteksi Pra Panen Padi Berdasarkan Warna Daun Dengan Menggunakan Learning Vector Quantization (LVQ). Program Studi Magister Ilmu Komputer, Universitas Gadjah Mada.

Romadhon, Galang. 2014. Aplikasi Pengenalan Citra Rambu Lalu Lintas Berbentuk Lingkaran Menggunakan Metode Jarak City-block. Teknik Informatika, Fakultas Teknologi Industri, Universitas Ahmad Dahlan.

Permadi, Yuda. 2014. Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun Berdasarkan Tekstur Kulit Buah Dengan Metode Ekstraksi Ciri Statistik. Teknik Informatika, Fakultas Teknologi Industri, Universitas Ahmad Dahlan.

Badan Penyuluhan Dan Pengembangan SDM Pertanian. 2015. Panen Dan Pascapanen Padi. Pelatihan Teknis Budidaya Padi Bagi Penyuluhan Pertanian Dan BABINSA. Pusat Pelatihan Pertanian.

Kementrian Pertanian. Pedoman Penanganan Pasca Panen Padi. Melalui : http://pustaka.litbang.deptan.go.id.bppi.lengkap(pedoman penanganan pasca panen padi).

Published

01-10-2016

Issue

Section

Articles