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
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.
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.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian
pada
Departemen Teknik Mesin dan Biosistem
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
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,
Tanggal Lulus:
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
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 11
HASIL DAN PEMBAHASAN 11
Klorofil Daun Padi 11
Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun 11 Hubungan Klorofil (mg/g) dengan Tingkat Warna Daun 13
Pemotretan Berbagai Tingkat Warna Daun Padi 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
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. Pola Pengenalan k-NN 4
2. Klorofil Meter SPAD 502 Konica Minolta 7
3. Bagan warna daun IRRI 7
4. Diagram alir tahapan penelitian 8
5. Contoh pengambilan citra daun padi 9
6. Pengukuran kandungan klorofil dengan SPAD 9
7. Bagan pengambilan data pada lahan sawah penelitian 10 8. 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. Spesifikasi telepon seluler 24
2. Contoh hasil pengukuran SPAD 25
3. Contoh hubungan antara komponen RGB daun dengan TWD 28
4. Foto kegiatan penelitian 33
5. Dosis pemupukan (kg/ha) 34
6. Hasil RGB daun dan patokan menggunakan patokan warna daun 36 7. Sebaran data TWD dugaan terhadap TWD manual dan akurasi pendugaan
TWD berbagai telepon seluler 37
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.
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
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 kandunga 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 et al, 2000).
4
k-Nearest Neighbor
k-Nearest Neighbor (k-NN) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel ujiyang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-NN. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut dan sampel latih.
Pengklasifikasiantidak menggunakan model apapun untuk dicocokkan dan hanya
berdasarkan pada memori.. Algoritma k-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari sample ujiyang 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 ujike sample latihuntuk 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
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 kotak-kotak 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
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
7
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.
Gambar 2 Klorofil Meter SPAD 502
8
Gambar 4 Diagram alir tahapan penelitian
Mulai
Pengukuran manual tingkat warna daun padi dengan BWD
Hubungan linear antara SPAD dengan
Klorofil
Pengambilan citra daun padi dengan telepon seluler
dan aplikasi pendugaan tingkat warna daun Pengukuran
kandungan klorofil menggunakan SPAD
Pengukuran kandungan klorofil dengan uji
spektrofotometer
Pengenalan pola k-NN Hubungan Linear antara TWD dengan
klorofil Indeks SPAD
RGB dugaan dan TWD dugaan
Klorofil (mg/g)
Selesai Budidaya padi untuk
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.
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 5 Contoh pengambilan citra daun padi
10
Gambar 7 Bagan pengambilan data pada lahan sawah penelitian
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 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 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 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 A dan B Luas total : 3508,66 m2
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 Lewingkolot Luas : 1139,57 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
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
12
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).
Gambar 9 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan indeks SPAD
Gambar 8 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan tingkat warna daun
13
(a) Lahan Cianjur 2 (b) Lahan Leuwingkolot 1 Tabel 1 Hubungan klorofil (mg/g) dengan indeks SPAD menggunakan berbagai
model persamaan
Hubungan klorofil (mg/g) dengan indeks SPAD memiliki R2 yang cukup tinggi. Bisa dilihat dari Tabel 1, R2 dari berbagai model persamaan memiliki rata-rata 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
14
(c) Lahan Leuwingkolot 2
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.
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 ∑ Benar Akurasi
17 Tabel 3 Akurasi pendugaan indeks SPAD pada telepon seluler LG
Golongan Jumlah Data ∑ Benar Akurasi
(%) 26-31 31-36 36-41 41-46 46-51
26-31 0 0 0 0 0 0 0
31-36 73 0 21 42 10 0 28.77
36-41 314 0 41 213 60 0 68
41-46 95 0 12 52 31 0 33
46-51 0 0 0 0 0 0 0
Rata-rata 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 ∑ Benar Akurasi
(%) 26-31 31-36 36-41 41-46 46-51
26-31 1 0 0 1 0 0 0
31-36 69 0 14 55 0 0 20.29
36-41 299 0 25 234 40 0 78
41-46 89 0 3 69 17 0 19
46-51 0 0 0 0 0 0 0
Rata-rata 39.22
Sony Ericcson Xperia Mini Pro SK17i
18
Tabel 5 Akurasi pendugaan indeks SPAD pada telepon seluler Sony Xperia
Golongan Jumlah Data ∑ Benar Akurasi
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 ∑ Benar Akurasi
Perbandingan Akurasi Setiap Telepon Seluler
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 Akurasi TWD Rata-rata
akurasi
Tabel 8 Akurasi pemupukan pada telepon seluler
Jenis HP Akurasi Pemupukan Rata-rata akurasi
20
Tabel 10 Akurasi telepon seluler pada setiap waktu pengambilan Waktu Intensitas
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.
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
Gambar 11 Patokan warna dan contoh pengambilannya Patokan kanan
(TWD 3) Patokan kiri
(TWD 2)
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 Rumus IF yang berlaku Akurasi (%)
2 IF(AND(A>=5,A<=30,B>=-30,B<=-5),2,0) 15.44 2.5 IF(AND(A>=5,A<=15,B>=5,B<=15),2.5,0) 33.73 3 IF(AND(A>=6,A<=16,B>=-10,B<=5),3,0) 32.77 3.5 IF(AND(A>=10,A<=20,B>=-15,B<=-5),3.5,0) 22.62 4 IF(AND(A>=12,A<=35,B>=-16,B<=-6),4,0) 20.00
Rata-rata 24.91
Keterangan :
A = Greyscale kiri – Greyscale Tengan (Daun) B = Greyscale Tengah (Daun) – Greyscale Kanan
KESIMPULAN DAN SARAN
Kesimpulan
Dari penelitian yang telah dilaksanakan dapat disimpulkan hal berikut :
a. Tingkat warna daun berdasarkan BWD dan klorofil (mg/g) memiliki hubungan yang signifikan dengan R2 = 0.909
b. Akurasi pendugaan tingkat warna daun yang didapat bervariasi antara 36.46%-47.51%
c. Akurasi pendugaan klorofil yang didapat rendah karena terjadi dua kali pendugaan, yaitu pertama pendugaan warna daun 2, 2.5, 3, 3.5, dan 4 oleh telepon seluler dan kedua pendugaan nilai Indeks SPAD dengan k-NN. Selain itu rendahnya akurasi diduga kuat karena kondisi pemotretan tidak seragam, sehingga membuat RGB yang didapat tidak konsisten. d. Akurasi pendugaan klorofil SPAD terbaik pada waktu pagi hari adalah
telepon seluler LG (44.69%), terbaik pada siang hari adalah telepon seluler LG (48.78%), dan terbaik pada sore hari adalah telepon seluler Sony Xperia (55.89%).
e. Rata-rata akurasi terbaik adalah pada waktu siang hari yaitu, 44.87%. f. Akurasi pendugaan tingkat warna daun menggunakan patokan warna
22
mengkilapnya patokan warna dan bayangan tangan yang mengenai objek foto.
Saran
Untuk penelitian selanjutnya perlu dilakukan hal-hal berikut dengan tujuan untuk memperbaiki hasil penelitian :
a. Perlu pengukuran klorofil SPAD yang lebih banyak agar mendapatkan rataan yang cukup baik.
b. Pengambilan citra sebaiknya jangan terlalu dekat agar foto hasil pemotretan bagus.
c. Penggunaan telepon seluler masih sulit untuk yang berukuran besar, sebaiknya menggunakan telepon seluler yang berukuran sedang atau kecil agar mengurangi getaran saat pemotretan.
d. Aplikasi pendugaan warna daun perlu diupdate dengan data training yang beragam, agar menghasilkan data yang cukup konsisten dan memiliki akurasi tinggi.
e. Patokan warna daun sebaiknya menggunakan bahan yang tidak mengkilap agar tidak mempengaruhi hasil foto
f. Dalam pemotretan, jika terjadi RGB yang tidak sesuai karena terkena bayangan atau patokan mengkilap, data sebaiknya tidak diproses, dan dilakukan pemotretan ulang.
g. Untuk pemakain pada petani sebaiknya perlu panduan dan petunjuk agar mempermudah pemakaian.
DAFTAR PUSTAKA
Astika, IW. 2010. The Use of Hand Phone Camera to Determine Paddy Leaf Color Level as a Reference for Fertilizing Dosage. Procceding AFITA.105-108.
Astika, IW, M Solahudin, RPA Setiawan, MF Syuaib, IE Nugroho, and M Ardiyansah. 2011. Digital Camera Based Color Sensor for Determining Leaf Color Level of Paddy Plants. Proceedings of International Conference on Robotic Automation System. Trengganu, May 23-24, 2011.
23 Astika, IW dan Sugiyanta. 2012. Penentuan Dosis Pupuk N Tanaman Padi
Dengan Telepon Seluler. Laporan Penelitian Hibah Riset SINAS 2012 KNRT. Lembaga Penelitian dan Pengabdian Kepada Masyarakat IPB. Bogor.
Arymurthy, AM, dan S Suryani. 1997. Pengantar Pengolahan Citra. PT Elex Media Komputido. Jakarta.
meter (SPAD) technology for real-time N management in rice: a review. Journa 4-8.
Batist dan MC Monard. 2003. A Study of k-Nearest Neighbour as an Imputation Method . Working Paper. University Sao Paulo. Brazil
Cibro, Marko Mitokona. 2012. Penentuan Kondisi Pemotretan Optimum Untuk Pendugaan Tingkat Warna Daun Padi Dengan Menggunakan Kamera Telepon Seluler. Departemen Teknik Mesin Biosistem. Fakultas Teknologi Pertanian. IPB. Bogor.
Dwidjoseput ro. 1994. Pengantar Fisiologi Tumbuhan. Jakarta: PT Gramedia Jakarta.
Gani, A. 2006. Bagan Warna Daun. Balai Besar Tanaman Padi. Sukamandi. Isma’il, M. 2009. Bahas Tuntas Soal Biologi SMP. PT Buku Kita. Jakarta. Jati, W. 2003. Biologi Interaktif Kls XII IPA. Tinta Emas. Medan
Nugroho, IE. 2011. Pengembangan sensor warna Daun Untuk Menduga Kebutuhan Pupuk Pada Tanaman Padi. Institut Pertanian Bogor. Bogor.
Prabawa, S, B Pramudya, IW Astika, RPA Setiawan, dan E Rustiadi. 2009. Sistem informasi geografis dalam pertanian presisi aplikasi pada kegiatan pemupukan di perkebunan tebu. Makalah Presentasi di Seminar Nasional Himpunan Informatika Pertanian Indonesia (HIPI). Bogor.
Prabawa, S. 2006. Pendekatan Presicion Farming dalam Pemupukan N, P, dan K pada Budidaya Tebu (Studi Kasus di PT Gula Putih Mataram). Disertasi. Departemen Teknik Pertanian. Fakultas Teknologi Pertanian. IPB. Bogor.
Setijo, P. 2008. Khasiat Cincau Perdu. Kanisius. Jogjakarta.
Sianipar AJS. 2006. Review pengaruh dosis pupuk inorganic tunggal (N,P,K) terhadap pertumbuhan, produksi, dan mutu fisik gabah. Institut Pertanian Bogor. Bogor.
24
Lampiran 1 Spesifikasi telepon seluler 1. Samsung Galaxy Ace S5830
Sistem operasi : Android OS, v2.2
Jaringan : GSM 850/900/1800/1900 dan HSDPA 900/1200
Processor : 800 MHz ARM 11, Qualcomm QCT MSM7227-1 Turbo Memori : Internal 158Mb, eksternal 32 GB
Kamera : 5MP, autofocus, flash light, night mode Baterai : Li-Ion 1350 mAh
2. LG P698
Sistem operasi : Android OS, Gingerbread 2.3 Jaringan : 3G 900/2100, GPRS/EDGE Processor : internal 150Mb, eksternal 32 GB Memori : TFT 320 x 480 piksel, 32 Inci Kamera : 3.15 MP, auto fokus
Baterai : Li-Ion 1500 mAh 3. Samsung Young GT S5360
Sistem operasi : Android OS, v2.3.5 Gingerbread
Jaringan : 2G GSM 850/900/1800/1900. 3G HSDPA 900/2100 Processor : 800 MHz ARM 11, Qualcomm QCT MSM7227-1 Turbo Memori : internal 160Mb, eksternal 32 GB
Kamera : 2MP, 1600 x 1200 piksel Baterai : Li-ion 1200 mAh
4. Nexian A893
Sistem operasi : Android 2.2 Froyo
Jaringan : Dualband GSM 900/1800 MHz , WCDMA 2100 MHz Processor : 800 MHz ARM 11, Qualcomm QCT MSM7227-1 Turbo Memori : Up to 8 GB
Kamera : Dual camera, VGA (depan), 2MP (belakang) Baterai : Li-Ion
5. Sony Ericcson Xperia Mini Pro SK17i Sistem operasi : Android 2.2 Froyo
Jaringan : Dualband GSM 900/1800 MHz , WCDMA 2100 MHz Processor : 800 MHz ARM 11, Qualcomm QCT MSM7227-1 Turbo Memori : Up to 8 GB
25 Lampiran 2 Contoh hasil pengukuran SPAD
28
Lampiran 3 Contoh hubungan antara komponen RGB daun dengan TWD Telepon seluler : Samsung Ace
Rd Gd Bd Rt Gt Bt TWD
88 157 88 124 99 112 2
70 137 103 122 107 127 2
69 142 104 133 112 137 2
88 136 92 137 111 125 2
112 121 96 149 101 123 2
90 120 91 154 115 138 2.5
96 117 87 144 97 117 2.5
71 128 100 140 110 138 2.5
91 115 96 127 86 110 2.5
89 123 100 131 88 111 2.5
78 111 75 144 90 105 3
84 121 82 158 113 122 3
81 137 105 139 101 121 3
44 124 70 132 109 114 3
72 110 66 137 94 103 3
78 123 92 169 125 147 3.5
54 109 85 130 103 123 3.5
65 117 90 135 113 126 3.5
44 138 115 126 109 138 3.5
71 129 102 146 119 130 3.5
84 130 102 128 100 109 4
89 121 84 139 100 109 4
36 121 89 117 100 111 4
64 123 89 120 93 104 4
29 Telepon seluler : Samsung Young
Rd Gd Bd Rt Gt Bt TWD
75 100 53 154 108 109 2
39 102 49 149 139 141 2
45 107 50 124 117 121 2
48 117 69 124 114 122 2
57 142 91 127 123 128 2
36 105 70 122 116 121 2.5
61 158 110 146 143 155 2.5
42 113 73 122 116 124 2.5
51 145 116 98 91 107 2.5
57 157 116 124 115 124 2.5
43 84 48 147 112 120 3
50 88 62 166 130 139 3
48 103 67 140 132 136 3
36 108 68 137 133 145 3
52 125 72 147 138 149 3
44 88 54 138 112 123 3.5
50 89 53 166 134 140 3.5
43 117 78 136 132 138 3.5
38 105 60 148 145 149 3.5
35 99 70 136 127 135 3.5
42 116 79 138 135 137 4
35 88 61 118 111 113 4
33 82 66 128 115 114 4
37 100 79 133 122 134 4
30
Telepon seluler : LG
Rd Gd Bd Rt Gt Bt TWD
99 148 73 116 111 109 2
94 150 90 114 110 111 2
84 135 75 129 128 130 2
90 146 78 153 143 147 2
79 133 76 126 115 117 2
81 142 82 140 135 138 2.5
71 131 68 147 142 144 2.5
72 128 78 130 124 126 2.5
85 131 93 130 116 118 2.5
77 133 72 142 129 130 2.5
98 139 66 108 97 96 3
62 111 66 144 130 133 3
69 121 80 135 122 127 3
75 136 78 145 139 146 3
74 128 68 136 133 136 3
81 129 76 125 113 116 3.5
48 108 56 142 131 129 3.5
78 134 78 125 116 118 3.5
71 120 78 119 111 113 3.5
65 119 73 123 114 113 3.5
72 131 83 146 136 137 3.5
61 125 81 127 121 123 4
89 139 102 150 146 149 4
57 117 83 125 113 114 4
31 Telepon seluler : Nexian
Rd Gd Bd Rt Gt Bt TWD
71 96 70 89 77 84 2
51 86 56 90 79 84 2
103 103 105 75 70 73 2
93 103 89 68 67 64 2
104 97 102 98 81 87 2
54 60 49 84 76 84 2.5
29 94 40 109 97 108 2.5
50 82 56 89 72 81 2.5
97 87 77 92 69 72 2.5
93 85 81 98 73 80 2.5
47 70 48 124 112 121 3
36 77 45 90 87 94 3
42 80 50 92 83 95 3
77 87 69 82 67 68 3
72 83 69 87 73 75 3
29 76 44 104 97 108 3.5
30 76 40 96 92 101 3.5
60 77 60 82 67 69 3.5
52 79 54 98 85 88 3.5
64 95 66 98 80 84 4
110 104 108 42 61 44 4
127 105 105 102 77 77 4
34 79 37 126 105 113 4
32
Telepon seluler : Sony Xperia
Rd Gd Bd Rt Gt Bt TWD
112 123 66 150 102 87 2
82 115 78 149 127 141 2
68 56 58 31 46 33 2
112 135 82 139 111 109 2
103 131 85 110 89 100 2
90 114 73 140 116 117 2.5
89 105 65 135 109 116 2.5
96 121 89 131 105 105 2.5
104 139 97 135 103 108 2.5
89 117 75 128 93 90 2.5
81 127 69 133 96 86 3
86 137 82 140 106 96 3
114 143 98 120 95 99 3
86 121 81 136 113 125 3
108 127 73 126 88 84 3
104 151 90 146 106 93 3.5
91 132 81 144 115 109 3.5
97 129 90 126 101 102 3.5
92 114 75 145 109 102 3.5
96 125 76 148 116 106 3.5
85 111 79 156 123 126 4
57 88 61 156 134 142 4
54 83 64 148 117 124 4
67 92 69 151 120 127 4
33 Lampiran 4 Foto kegiatan penelitian
Gambar 16 Pemotretan daun padi menggunakan telepon seluler
Gambar 17 Sampel daun padi yang akan diuji spektrofotometer
Gambar 19 Pengukuran tingkat warna daun
34
Lampiran 5 Dosis pemupukan (kg/ha) Lahan : Situ Udik A
35
Petakan Luas (m2)
36
Lampiran 6 Hasil RGB daun dan patokan menggunakan patokan warna daun
37 Lampiran 7 Sebaran data TWD dugaan terhadap TWD manual dan akurasi
pendugaan TWD berbagai telepon seluler 1. Samsung Galaxy Ace S5830
TWD 3. Samsung Young GT S5360
38
4. Nexian A893 TWD
Manual
TWD Dugaan
Total Akurasi (%) 2 2.5 3 3.5 4 4.5
2 84 30 28 6 6 0 154 54.55
2.5 128 150 40 9 4 0 331 45.32 3 142 408 504 140 39 0 1233 40.88 3.5 13 122 224 84 85 0 528 15.91
4 7 88 42 40 84 0 261 32.18
Total 374 798 838 279 218 0 37.77 5. Sony Ericcson Xperia Mini Pro SK17i
TWD Manual
TWD Dugaan
Total Akurasi (%) 2 2.5 3 3.5 4 4.5
2 0 15 4 0 0 0 19 0.00
2.5 4 114 40 33 32 0 223 51.12 3 2 88 162 150 261 0 663 24.43 3.5 0 30 48 30 100 0 208 14.42
4 0 0 6 0 72 0 78 92.31
39 Lampiran 8 Akurasi pemupukan pada berbagai telepon seluler
1. Samsung Galaxy Ace S5830
TWD Dosis pupuk
urea (kg/ha) 2 2.5 3 3.5 4 Total
Akurasi (%)
2 125 0 250 50 0 0 3250 90.77
2.5 100 550 0 250 400 75 7100 82.04
3 75 1700 2150 0 975 1050 22275 73.63 3.5 50 525 1600 1650 0 750 8050 43.79
4 25 0 3150 800 200 0 2225 86.52
Rata-rata 75.35
2. LG P698
TWD Dosis pupuk
urea (kg/ha) 2 2.5 3 3.5 4 Total
Akurasi (%)
2 125 0 0 650 75 300 3875 83.23
2.5 100 975 0 200 250 375 6800 73.53 3 75 1750 2400 0 475 2300 22350 69.02 3.5 50 750 700 1400 0 1500 8050 45.96
4 25 400 1425 450 450 0 2200 43.18
Rata-rata 62.98
3. Nexian A893
TWD Dosis pupuk
urea (kg/ha) 2 2.5 3 3.5 4 Total
Akurasi (%) 2 125 0 150 350 150 300 4000 87.50 2.5 100 800 0 200 150 150 7000 81.43 3 75 3550 2550 0 700 650 22350 66.67 3.5 50 975 3050 1400 0 425 8050 27.33 4 25 700 3300 700 250 0 2225 15.73
40
4. Sony Ericcson Xperia Mini Pro SK17i
TWD Dosis pupuk
urea (kg/ha) 2 2.5 3 3.5 4 Total
Akurasi (%)
2 125 0 75 50 0 0 500 75.00
2.5 100 25 0 200 550 1200 5500 64.09 3 75 50 550 0 750 4350 12525 54.49 3.5 50 0 750 300 0 500 2600 40.38
4 25 0 0 100 0 0 350 71.43
Rata-rata 61.08
5. Samsung Young GT S5360
TWD Dosis pupuk
urea (kg/ha) 2 2.5 3 3.5 4 Total
Akurasi (%)
2 125 0 50 250 150 1400 4000 92.50
2.5 100 650 0 225 950 225 7100 71.13 3 75 1850 1350 0 2050 4050 22350 58.39 3.5 50 1125 950 775 0 1525 8050 45.65
4 25 200 1275 650 525 0 2225 19.10
41
RIWAYAT HIDUP
Tri Dimas Arjuna. Lahir di Medan, 27 Oktober 1989. Penulis merupakan anak dari Budi Harto dan Nur Elmi, sebagai anak ketiga dari tiga bersaudara. Penulis menempuh pendidikan formalnya di SD Widya Dharma, Labuhan Batu (1995-2001), SMP Widya Dharma, Labuhan Batu (2001-2004), SMAN 3 Rantau Utara, Labuhan Batu (2004-2007) dan pada tahun 2007 di IPB melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis diterima sebagai mahasiswa di Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor.
