PREDIKSI UMUR DAN KANDUNGAN KLOROFIL DAUN TEH BERDASARKAN IMAGE DAUN DENGAN MENGGUNAKAN VEKTOR CIRI WARNA HIJAU

(1)

commit to user

i

PREDIKSI UMUR DAN KANDUNGAN KLOROFIL

DAUN TEH BERDASARKAN IMAGE DAUN DENGAN

MENGGUNAKAN VEKTOR CIRI WARNA HIJAU

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu

Program Studi Informatika

Disusun Oleh :

NITYA PRATIWI M0511041

PROGRAM STUDI INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET

SURAKARTA 2015

(2)

commit to user

(3)

commit to user

(4)

commit to user

iv MOTTO

Kamu adalah aku, aku adalah kamu (anonim)

Orang yang selalu hormat dan setia kepada orang tuanya, sehingga menyebabkan senang hati orang tuanya, pahalanya adalah ia akan selalu mendapat kemasyuran dan keselamatan pada kehidupannya sekarang dan kelak

kemudian hari (Sarasamuscaya : 247)

(5)

commit to user

v

HALAMAN PERSEMBAHAN

Skripsi ini ku persembahkan kepada Ida Sang Hyang Widhi Wasa Kedua orang tuaku tercinta , Kedua adikku tercinta, Kemriyik (anti, dina, dhani, dyta, indah, ummi, nia, nanda, shelly, sanza) Tim Ngarsapura creative media, Teman-teman Informatika angkatan 2011, teman-teman kos Kurniasih dan Rajindra yang selalu memberikan semangat.

(6)

commit to user

vi

KATA PENGANTAR

Atas wara nugraha Sang Hyang Widhi Wasa, penulis dapat menyelesaikan skripsi , yang merupakan salah satu syarat mendapatkan gelar strata satu Informatika Universitas Sebelas Maret Surakarta.

Penulis menyadari keterbatasan yang dimiliki, serta penulis mengucapkan terima kasih atas bantuan, bimbingan, dan petunjuk selama penulis menyusun skripsi ini. Semoga Tuhan membalas semua kebaikan mereka yang telah membantu penulis menyelesaikan skripsi ini. Penulis ucapkan terima kasih kepada :

1. Kedua orang tua Penulis, yang selalu mencurahkan kasih sayang, doa, serta

dukungan kepada Penulis.

2. Bapak Drs. YS. Palgunadi, M.Sc., dosen pembimbing I yang penuh

kesabaran membimbing, mengarahkan, dan memberi motivasi kepada penulis selama proses penyusunan skripsi ini.

3. Bapak Ristu Saptono, S.Si, M.T, dosen pembimbing II yang telah

memberikan arahan serta masukan selama proses penyusunan skripsi.

4. Ibu Esti Suryani, S.Si., M.kom. dan Bapak Bambang Harjito M.App.Sc.,

Ph.D yang sudah memberi banyak masukan dalam menyusun skripsi.

5. Teman-teman Informatika angkatan 2011, kemriyik (Anti, Dina, Indah,

Umi, Shelly, Sanza, Nia, Nanda, Dhani, Dyta). Ngarsapura team ngarasapuracreative.com ( Sekar, Nana, Dhani, Dyta, Mendo, Joko, Eki, Abud, Iik, Basir, Nawa, Billy, Nia, Husein, Galih, Bagus), Kos Rajindra ( Mbak Astri, Mbak Rora, Mbak Yuni, Fani), yang senantiasa memotivasi penulis untuk segera menyelesaikan skripsi ini.

Semoga skripsi ini dapat memberikan manfaat bagi pembaca umumnya dan mahasiswa Informatika pada khususnya.

Surakarta, 7 Juli 2015 Penulis

(7)

commit to user

vii

PREDIKSI UMUR DAN KANDUNGAN KLOROFIL

DAUN TEH BERDASARKAN IMAGE DAUN DENGAN

MENGGUNAKAN VEKTOR CIRI WARNA HIJAU

NITYA PRATIWI

Program Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret

ABSTRAK

Teh merupakan komoditas ekspor yang menyumbang devisa bagi negara. Tetapi enam tahun terakhir ini ekspor teh mengalami naik-turun. Penurunan ekspor teh tersebut salah satunya disebabkan oleh kualitas teh yang menurun. Salah satu penentu kualitas teh hijau tersebut merupakan kandungan klorofil dari daun dan juga penentuan umur daun pada saat dipanen. Dengan pendekatan menggunakan pengolahan citra dapat digunakan untuk memprediksi umur dan kandungan klorofil daun teh. Penelitian ini bertujuan untuk mengembangkan suatu metode sederhana yang dapat digunakan untuk memprediksi umur dan kandungan klorofil teh (Camellia sinensis), berdasarkan ekstraksi ciri warna hijau pada image daun teh. Sampel penelitian adalah 315 data image daun teh dari masing-masing kelompok umur dari umur 7 hari sampai umur 13 hari, sedangkan untuk pengujian akurasi ketepatan prediksi sebanyak 21 image daun. Data penelitian diambil dari PT Rumpun Sari Kemuning Karanganyar yang diambil pada bulan Mei 2015. Proses pengambilan image dilakukan dengan menggunakan kamera Cannon EOS 600D sedangkan data kandungan klorofil diperoleh dengan alat Klorofilmeter SPAD 502 Plus Chorophyll Meter. Image daun yang sudah didapatkan akan diproses untuk menghasilkan vektor ciri image warna hijau menurut kelompok umur. Prediksi

dilakukan antara nilai green pada daun testing dengan vektor ciri perkelompok

umur dilakukan dengan metode korelasi, sedangkan model hubungan umur (x) dan

kandungan klorofil (y) dilakukan dengan regresi eksponensial 𝑦 = 𝑎𝑒𝑏𝑥.

Perhitungan persamaan regresi dilakukan dengan program CurveExpert. Hasil penelitian menunjukan bahwa koefisien regresi yang diperoleh adalah a=25.632 dan b= 0.0476 dengan r = 0.992. Akurasi yang didapatkan dalam prediksi umur

adalah sebesar 76,2 % sedangkan rerata error prediksi kandungan klorofil adalah

sebesar 10,125%.

Kata Kunci: image daun teh , prediksi, kandungan klorofil, vektor ciri, korelasi, regresi

(8)

commit to user

viii

AGE PREDICTION AND TEA LEAVES

CHLOROPHYLL CONTENT BASED ON LEAVES

IMAGE BY USING GREEN COLOR

CHARACTERISTIC VECTOR

NITYA PRATIWI

Department of Informatics, Mathematics and Science Faculty, Sebelas Maret University

ABSTRACT

Tea is an export commodity which accounted for foreign exchange for the country. But the past six years, exports of tea has experienced up and down. One reason of the decline in exports of tea is the declining quality of the tea. One determinant of the quality of green tea is the chlorophyll content leaves and also the determination of the age of leaves at the harvest time. With the approach using image processing it can be used to predict the age and the chlorophyll content of tea leaves. This research aims to develop a simple method that can be used to predict the age and chlorophyll content of tea (Camellia sinensis), based on green feature extraction in the image of tea leaves. The research samples were 315 data of tea leaves image of each age group from 7 days until the age of 13 days, while for testing the accuracy of prediction accuracy by 21 leaves image. Data were taken from PT Sari Kemuning Karanganyar in May 2015. The process of image-taking is done by using a Cannon EOS 600D camera while chlorophyll content data obtained by Klorofilmeter SPAD 502 Plus Chlorophyll Meter. Image of leaves that have been obtained will be processed to produce green color image feature vector by age group. Prediction age groups conducted between the value of green leaf on testing with reserved feature vector by age group conducted by the method of correlation, while the correlation models of age (x) and chlorophyll content (y) is done with the exponential

regression 𝑦 = 𝑎𝑒𝑏𝑥. Calculations of regression equation done by curve expert

program. The results showed that the regression coefficients obtained are a = 25 632 and b = 0.0476 with r = 0.992. Accuracy that obtained in age prediction is equal to 76.2%, while the average error of the chlorophyll content prediction is10,125%.

Keywords : image of tea leaves, prediction, chlorophyll content, characteristic vectors, correlation, regression

(9)

commit to user

ix DAFTAR ISI

HALAMAN JUDUL ... I HALAMAN PERSETUJUAN ... II HALAMAN PENGESAHAN ... III MOTTO ... IV HALAMAN PERSEMBAHAN ... V KATA PENGANTAR ... VI ABSTRAK ... VII ABSTRACT ... VIII DAFTAR ISI ... IX DAFTAR TABEL ... XI DAFTAR GAMBAR ... XII DAFTAR LAMPIRAN ... XIV

BAB I PENDAHULUAN ... 1 1.1 LATAR BELAKANG ... 1 1.2 RUMUSAN MASALAH ... 3 1.3 BATASAN MASALAH ... 3 1.4 TUJUAN PENELITIAN ... 3 1.5 MANFAAT PENELITIAN ... 3 1.6 SISTEMATIKA PENULISAN ... 3

BAB II TINJAUAN PUSTAKA ... 5

1.1 DASAR TEORI ... 5

2.1.1. Tanaman Teh dan Daun Teh ... 5

2.1.2. Klorofil... 6

2.1.3. Akuisisi Citra ... 7

(10)

commit to user

x

2.1.5. RGB ... 9

2.1.6. Ekstraksi Ciri dan Vektor Ciri ... 10

2.1.7 Korelasi ... 11

2.1.8 Regresi dan Eksponensial ... 12

2.2 PENELITIAN TERKAIT ... 13

2.3 KERANGKA PEMIKIRAN ... 18

BAB III METODOLOGI PENELITIAN... 19

3.1 SURVEY DAN PENGUMPULAN DATA ... 19

3.1.1 Setting Parameter ... 20

3.2 IMPLEMENTASI PENELITIAN ... 23

3.2.1 Pengecekan kandungan klorofil ... 23

3.2.2 Pengambilan citra daun teh ... 24

3.2.3 Mendapatkan model regresi ... 26

3.2.4 Mencari nilai green pada citra daun teh ... 26

3.2.5 Mencari vektor ciri pada setiap kelompok umur daun ... 27

3.2.6 Prediksi ... 29

3.3 EVALUASI HASIL ... 30

BAB IV PEMBAHASAN ... 32

4.1. PREDIKSI ... 32

4.2. MENDAPATKAN MODEL REGRESI ... 37

4.3. MENCARI NILAI GREEN PADA CITRA DAUN TEH ... 39

4.4. MENCARI VEKTOR CIRI PADA PERKELOMPOK UMUR DAUN ... 42

4.5. EVALUASI HASIL ... 44 BABVPENUTUP ... 50 1.1 KESIMPULAN ... 50 1.2 SARAN ... 50 LAMPIRAN ... 51 DAFTAR PUSTAKA ... 115

(11)

commit to user

xi

DAFTAR TABEL

Tabel 2.1 Sampel Perhitungan Korelasi ... 12

Tabel 2.2 Penelitian Terkait ... 16

Tabel 3.1 Contoh Tabel Confusion Matrix (Andriani, 2013) ... 31

Tabel 4.1Tabel nilai piksel perkelompok umur 7 ... 33

Tabel 4.2 Tabel korelasi VC dengan nilai green... 34

Tabel 4.3 Hasil perhitungan koefisien korelasi ... 35

Tabel 4.4 Tabel rata-rata kandungan klorofil ... 37

Tabel 4.5 Tabel nilai piksel perkelompok umur ... 42

Tabel 4.6 Tabel perhitungan vektor ciri umur 7 hari ... 43

Tabel 4.7 Tabel Prediksi Umur ... 45

Tabel 4.8 Prediksi Kandungan Klorofil ... 45

Tabel 4.9 Confusion Matrix ... 47

Tabel 4.10 Perolehan prediksi umur 7 ... 47

Tabel 5.1 Hasil Prediksi Data Training ... 59

Tabel 5.2 Hasil Perhitungan Korelasi ... 61

Tabel 5.3 Akurasi Data Training ... 62

Tabel 5.4 Kandungan Klorofil ... 63

(12)

commit to user

xii

DAFTAR GAMBAR

Gambar 2.1 Koordinat gambar ... 8

Gambar 2.2 Model Gambar RGB ... 9

Gambar 2.3 RGB perpiksel ... 10

Gambar 3.1 Tahapan Penelitian ... 19

Gambar 3.2 Kamera Canon ... 21

Gambar 3.3 Klorofil meter SPAD ... 22

Gambar 3.4 Diagram Implementasi Penelitian ... 23

Gambar 3.5 Diagram Pengecekan Kandungan Klorofil ... 23

Gambar 3.6 Diagram perolehan data citra daun teh ... 24

Gambar 3.7 Skema Akuisisi Citra ... 25

Gambar 3.8 Contoh gambar setelah di crop dan resize ... 25

Gambar 3.9 Alur mendapatkan model regresi ... 26

Gambar 3.10 Diagram alur mendapatkan nilai green ... 27

Gambar 3.11 alur mendapatkan vektor ciri ... 28

Gambar 3.12 Diagram Alir program prediksi ... 29

Gambar 4.1 Contoh masukkan gambar untuk testing ... 32

Gambar 4.2 Program hasil prediksi ... 36

Gambar 4.3 Window Curveexpert ... 38

Gambar 4.4 Persamaan Eksponensial dengan Curve Expert ... 38

Gambar 4.5 Grafik Eskponensian antara umur dengan klorofil ... 39

Gambar 4.6 Contoh masukkan gambar ... 40

Gambar 4.7 Program mencari array green ... 40

Gambar 4.8 Nilai Green pada Gambar ... 41

Gambar 4.9 Contoh file excel array green ... 42

Gambar 4.10 Hasil Perhitungan Vektor Ciri ... 44

Gambar 4.11 Program Perhitungan Vektor Ciri ... 44

Gambar 5.4 Kumpulan Image Daun Teh Umur 7 Hari ... 51

(13)

commit to user

xiii

(14)

commit to user

xiv

DAFTAR LAMPIRAN

Lampiran 1 Foto Daun Teh Training ... 51

Lampiran 2 Foto Daun Teh Testing ... 58

Lampiran 3 Hasil Prediksi Data Training ... 59

Lampiran 4 Hasil Perhitungan Korelasi ... 61

Lampiran 5 Hasil Perhitungan Akurasi Data Training ... 62

Lampiran 6 Data Kandungan Klorofil ... 63

Lampiran 7 Vektor Ciri Perkelompok Umur ... 65