OBJECT TRACKING DAN ANALISIS CITRA DIGITAL UNTUK KUANTIFIKASI MORFOLOGI TANAMAN IN VITRO HASIL TEKNOLOGI KULTUR JARINGAN KESTRILIA REGA P

Transkripsi

1 OBJECT TRACKING DAN ANALISIS CITRA DIGITAL UNTUK KUANTIFIKASI MORFOLOGI TANAMAN IN VITRO HASIL TEKNOLOGI KULTUR JARINGAN KESTRILIA REGA P SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Object Tracking dan Analisis Citra Digital untuk Kuantifikasi Morfologi Tanaman In Vitro Hasil Teknologi Kultur Jaringan adalah 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 tesis ini. Bogor, Mei 2008 Kestrilia Rega P NRP G

3 ABSTRACT KESTRILIA REGA P. Quantification Method for In Vitro Tissue Culture Plants Morphology using Object Tracking and Digital Image Analysis. Under direction of AGUS BUONO and SUTORO. Manual measurement of morphology variables on in vitro stored plants usually cause either physical damage or microorganism infection such that further monitoring of their in vitro performance is precluded. This study adapted computer vision technology by which it is possible to conduct such measurement without physical contact or destructive test. Moreover, by applying object tracking and pattern recognition technique in the algorithm, the system could provide automatic and real time analysis. It was shown that this quantification method reach 80.3% and 87.9% in the measurement of leaf area and chlorophyll intensity. Grayscale histogram and Fourier spectrum found to be the best feature for leaf recognition and interpolation usage to adjust pixel amount over the camera distance provide better estimation on leaf area. Key Words: image analysis, object tracking, pattern recognition, in vitro, tissue culture, morphology

4 RINGKASAN KESTRILIA REGA P. Object Tracking dan Analisis Citra Digital untuk Kuantifikasi Morfologi Tanaman In Vitro Hasil Teknologi Kultur Jaringan. Dibimbing oleh AGUS BUONO dan SUTORO. Kultur jaringan merupakan suatu teknik yang digunakan untuk memperbanyak tanaman secara aseksual. Sebagian kecil dari organ tanaman yang disebut eksplan seperti daun, tunas atau akar diambil untuk kemudian ditempatkan pada sebuah tabung yang steril, didalamnya terdapat media tanam yang mengandung campuran nutrisi, gula, vitamin dan hormon dengan komposisi tertentu sehingga eksplan dapat tumbuh dengan cepat dan membentuk sebuah tanaman yang utuh. Dengan metode ini, perbanyakan tanaman dapat dilakukan kapan saja (tidak tergantung musim) dan dalam waktu yang relatif singkat, selain itu tanaman yang dihasilkan akan mempunyai sifat sama atau seragam dengan induknya sehingga banyak digunakan untuk kebutuhan penelitian dan konservasi tanaman. Untuk tujuan penelitian, sering dibutuhkan data kuantitatif variabel-variabel morfologi tanaman (seperti jumlah daun, jumlah akar, jumlah batang, luas penampang daun dan intensitas kehijauan daun) sehingga dapat dilakukan pengolahan data dengan metode-metode statistik untuk tujuan penarikan kesimpulan lebih lanjut. Namun, pengukuran secara manual untuk mendapatkan data-data kuantitatif tersebut terkadang membutuhkan destructive test, kalaupun tidak pasti terjadi kontak fisik dengan tanaman yang mengakibatkan kemungkinan besar tanaman tidak dapat melanjutkan pertumbuhannya karena kontaminasi dari mikroorganisme lain. Untuk mengatasi kendala tersebut, beberapa peneliti mencoba untuk memanfaatkan teknologi computer vision sehingga kontak fisik dan destructive test dapat dihindari. Pengukuran dilakukan terhadap citra digital dari tanaman dan melalui penerapan teknik-teknik image processing, data yang terkandung dalam citra digital kemudian dirubah menjadi informasi morfologi tanaman. Hasilnya cukup memuaskan, hanya saja sistem yang dikembangkan pada penelitian-penelitian tersebut belum dipersiapkan untuk dapat bekerja secara otomatis dan real time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem kuantifikasi morfologi tanaman in vitro yang dapat bekerja secara otomatis dan real time dengan menambahkan penerapan teknik object tracking dan pattern recognition di dalam algoritmanya. Namun, mengingat kompleksnya masalah segmentasi yang dihadapi karena tidak terdapat teknik segmentasi umum yang dapat digunakan untuk mengenali daun, batang dan akar sekaligus, maka dipilih masalah segmentasi untuk daun dan kuantifikasinya kedalam variabel luas dan intensitas kehijauan daun (intensitas klorofil) sebagai indikator pertumbuhan tanaman. Dengan adanya sistem ini, peneliti di bidang teknologi kultur jaringan dapat melakukan pemantauan terhadap variabel-variabel morfologi tanaman secara mudah, detail, cepat dan akurat. Secara global, rancangan sistem terdiri dari 4 bagian yaitu citra tanaman yang diambil dengan menggunakan kamera digital sebagai input, modul object tracking untuk menemukan posisi dari setiap helai daun secara otomatis, modul pengukuran objek untuk memperoleh estimasi luas daun dan intensitas kehijauan

5 daun sebagai proses dan akhirnya laporan serta statistik deskriptif sebagai output. Citra input adalah citra yang diambil dari bagian atas tabung karena diketahui melalui sudut pengambilan ini jumlah daun yang terlihat lebih banyak dibandingkan dengan sudut pengambilan lainnya. Pada prosedur pencocokan pola yang ada dalam algoritma object tracking, digunakan ciri histogram grayscale dan spektrum Fourier untuk membedakan helaian daun dari objek-objek lain yang ada pada citra input. Kedua ciri tersebut diketahui memberikan hasil seleksi terbaik daripada ciri lain seperti moment invariants dan tekstur dengan pendekatan statistik. Pada prosedur pengukuran luas, diketahui bahwa informasi jarak daun ke kamera merupakan unsur penting yang harus masuk dalam model untuk meningkatkan akurasi pengukuran, sedangkan pada prosedur pengukuran intensitas, penggunaan komponen V pada citra dengan format HSV memberikan estimasi intensitas klorofil yang jauh lebih akurat dibandingkan dengan penggunaan rasio G/R dan indeks MNDVI pada citra dengan format RGB. Kinerja sistem dapat dikatakan baik mengingat sistem dapat mengenali 88.12% daun dari total daun yang seharusnya dapat dikenali serta memberikan prediksi luas dan intensitas klorofil yang sesungguhnya dari setiap citra helaian daun dengan rata-rata kesalahan prediksi berturut-turut sebesar 19.71% dan 12.09%. Atau dengan kata lain akurasi pengukuran luas mencapai 80.3% dan akurasi pengukuran intensitas klorofil mencapai 87.9%. Kata kunci: analisis citra digital, object tracking, pengenalan pola, in vitro, kultur jaringan, morfologi

6 @ Hak Cipta milik IPB, tahun 2008 Hak cipta dilindungi Undang-undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah b. Pengutipan tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB

7 OBJECT TRACKING DAN ANALISIS CITRA DIGITAL UNTUK KUANTIFIKASI MORFOLOGI TANAMAN IN VITRO HASIL TEKNOLOGI KULTUR JARINGAN KESTRILIA REGA P Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Komputer SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008

8 Penguji Luar Komisi pada Ujian Tesis: Irman Hermadi, S.Kom.,M.S.

9 Judul Tesis : Object Tracking dan Analisis Citra Digital Untuk Kuantifikasi Morfologi Tanaman In Vitro Hasil Teknologi Kultur Jaringan Nama : Kestrilia Rega P NRP : G Disetujui Komisi Pembimbing Ir. Agus Buono, M.Si.,M.Kom. Ketua Dr. Ir. Sutoro, M.S. Anggota Diketahui Ketua Program Studi Ilmu Komputer Dekan Sekolah Pascasarjana Dr. Sugi Guritman Prof. Dr. Ir. Khairil A. Notodiputro, M.S. Tanggal Ujian: 15 Mei 2008 Tanggal Lulus:

10 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala petunjuk dan lindungan-nya sehingga tesis dengan judul Object Tracking dan Analisis Citra Digital untuk Kuantifikasi Morfologi Tanaman In Vitro Hasil Teknologi Kultur Jaringan ini dapat diselesaikan dengan baik. Terima kasih penulis ucapkan kepada Bapak Ir. Agus Buono, M.Si.,M.Kom. dan Bapak Dr. Sutoro, M.S. selaku komisi pembimbing serta Ibu Nurwita Dewi, M.Si. sebagai penanggungjawab laboratorium kultur jaringan Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian tempat dilaksanakannya eksperimen untuk tesis ini. Tak lupa penulis sampaikan penghargaan atas segala kerjasama dan dukungan dari Bapak Ruchyan, staf administrasi Program Magister Departemen Ilmu Komputer IPB dan akhirnya ucapan terima kasih yang tak terkira penulis berikan kepada ayah, ibu, suami dan putri tercinta atas segala pengorbanannya untuk mendukung penulis menyelesaikan studi sehingga untuk merekalah tesis ini penulis persembahkan. Semoga karya ilmiah ini dapat bermanfaat bagi kemajuan ilmu pengetahuan dan teknologi di masa mendatang. Bogor, Mei 2008 Kestrilia Rega P

11 RIWAYAT HIDUP Penulis dilahirkan di Malang pada tanggal 23 April 1978 dari ayah H. Satriyono, M.E. dan ibu Hj. Sri Hariyati. Penulis merupakan putri pertama dari dua bersaudara. Tahun 1996 penulis lulus dari SMAN 1 Mataram, NTB dan melanjutkan pendidikannya di jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember (ITS) Surabaya. Atas prestasi akademik, karya ilmiah dan kegiatan ekstra kurikulernya selama mengikuti perkuliahan, penulis dipilih sebagai mahasiswa berprestasi utama pada tahun 2000 dan pada tahun yang sama penulis diberi kepercayaan oleh Pemda Jawa Timur untuk bergabung dengan delegasi Indonesia dalam program pertukaran pemuda di Osaka, Jepang. Gelar sarjana sains diperoleh penulis pada tahun Saat ini penulis telah menikah dengan Budi Santoso, S.H. dan dikaruniai seorang putri yang kini berusia 3.5 tahun bernama Raisa Rahma Aliya. Hingga tesis ini dibuat penulis tercatat sebagai salah seorang staf pengajar di Universitas Surabaya, aktif dalam riset-riset bidang komputasi statistik dan kecerdasan buatan.

12 DAFTAR ISI Halaman DAFTAR TABEL xiii DAFTAR GAMBAR xiv DAFTAR LAMPIRAN xvi 1 PENDAHULUAN 1.1 Latar Belakang Tujuan Masalah Ruang Lingkup Manfaat 4 2 TINJAUAN PUSTAKA 2.1 Perbanyakan Tanaman dengan Kultur Jaringan Prosedur Pembuatan Kultur Jaringan Evaluasi Pertumbuhan Masalah-Masalah Pertumbuhan Tanaman In Vitro Citra Digital Representasi Citra Digital Tipe-Tipe Citra Digital Ekstraksi Ciri Object Tracking dalam Citra Digital Representasi Objek Teknik Penentuan ROI (Region of Interest) Pencocokan Pola (Pattern Matching) Ukuran Kemiripan (Similarity Measure) Teknik Segmentasi dalam Citra Digital Ekstraksi Objek Pengukuran Objek 31 3 METODE PENELITIAN 3.1 Kerangka Pemikiran Bahan dan Alat Waktu dan Tempat Penelitian 37 4 RANCANGAN SISTEM 4.1 Citra Tanaman Algortima Object Tracking Algoritma Pengukuran Objek Pengukuran Kinerja Sistem Program Aplikasi 46 5 HASIL DAN PEMBAHASAN 5.1 Pemilihan Sudut Pengambilan Citra 50

13 5.2 Algortima Object Tracking Pemilihan Ukuran Window Penentuan Nilai Treshold Pemilihan Ciri Untuk Pencocokan Pola Algortima Pengukuran Objek Pengukuran Luas Pengukuran Intensitas Kinerja Sistem Jumlah Daun yang Berhasil Dikenali Deskripsi Selisih Luas Sesungguhnya dengan Hasil Prediksi Deskripsi Selisih Intensitas Klorofil dengan Hasil Prediksi 67 6 KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran 70 DAFTAR PUSTAKA 73 LAMPIRAN 75

14 DAFTAR TABEL Halaman 1 Rata-rata persentase jumlah citra helai daun yang layak diukur terhadap jumlah daun yang sesungguhnya ada 51 2 Hasil pengelompokan dengan metode K-Means Clustering 53 3 Ukuran window untuk ekstraksi daun secara individu 55 4 Persentase keberadaan objek benar pada hasil ekstraksi helaian daun citra tanaman nomor sampel 20 menggunakan 9 metode pencocokan pola 59 5 Rata-rata persentase keberadaan objek benar pada hasil ekstraksi helaian daun empat citra tanaman menggunakan 9 metode pencocokan pola 59 6 Statistik deskriptif persentase citra daun yang ditemukan sistem 65 7 Statistik deskriptif selisih luas daun sesungguhnya dengan hasil prediksi _ 66 8 Statistik deskriptif selisih intensitas klorofil sesungguhnya dengan hasil prediksi 69

15 DAFTAR GAMBAR Halaman 1 Proses perbanyakan tanaman dengan metode kultur jaringan 6 2 Proses pencampuran bahan-bahan media tanam 7 3 Proses pembagian cairan media tanam ke botol/tabung kultur 7 4 Proses sterilisasi botol/tabung kultur 8 5 Proses sterilisasi eksplan tahap a sampai dengan i 10 6 Penanaman eksplan ke media tanam 11 7 Representasi citra digital 15 8 Pembentukan citra biner dari citra intensitas 16 9 Skema susunan komponen RGB untuk sebuah piksel pada citra berwarna _ Perbandingan model geometri format RGB dan HSV Citra sehelai daun dan spektrumnya Grafik S(r) dan S(θ) dari spektrum pada Gambar Berbagai macam representasi objek Bagan konsep umum sistem otomasi pengukuran morfologi tanaman in vitro Bagan tahapan penelitian Skema global rancangan sistem kuantifikasi morfologi tanaman in vitro hasil teknologi kultur jaringan Contoh citra digital tanaman Berbagai macam ukuran window untuk proses pencarian Bagan prosedur algoritma object tracking Ilustrasi proses pencarian posisi dari setiap daun Ilustrasi Proses pencocokan pola Proses seleksi objek dengan voting Pemisahan citra setiap helai daun dari citra asalnya Proses segmentasi terhadap citra helaian daun Bagan prosedur algoritma pengukuran objek Tampilan awal program aplikasi kuantifikasi morfologi tanaman in vitro hasil teknologi kultur jaringan 47

16 27 Form proses kuantifikasi pada program aplikasi kuantifikasi morfologi tanaman in vtro hasil teknologi kultur jaringan Form statistik deskriptif hasil pengukuran pada program aplikasi kuantifikasi morfologi tanaman in vtro hasil teknologi kultur jaringan Citra sebuah tanaman diambil dari 9 sudut pengambilan Contoh hasil cropping terhadap citra tanaman Grafik perbandingan karakteristik 3 kelompok yang dibentuk dengan K-Means Clustering Grafik perbandingan karakteristik 4 kelompok yang dibentuk dengan K-Means Clustering Gabugan histogram grayscale dari 57 citra tanaman Hasil proses tresholding citra input dengan T= Citra tanaman nomor sampel Objek-objek yang diekstraksi oleh sistem dengan teknik tresholding, labeling dan seleksi ukuran objek Hasil uji pencocokan distribusi eksponensial model hubungan jarak kamera dengan jumlah piksel pada objek 200 mm Perbandingan regresi linier sederhana estimasi dengan interpolasi dan tanpa interpolasi Perbandingan regresi linier sederhana estimasi intensitas klorofil dengan rasio G/R dan indeks MNDVI Regresi linier sederhana antara intensitas klorofil dengan rata-rata komponen V piksel-piksel objek pada citra HSV Grafik perbandingan luas daun sesungguhnya dengan hasil prediksi oleh sistem Histogram selisih luas sesungguhnya dengan hasil prediksi Grafik perbandingan intensitas klorofil sesungguhnya dengan hasil prediksi oleh sistem Histogram selisih intensitas klorofil sesungguhnya dengan hasil prediksi _ 69

17 DAFTAR LAMPIRAN Halaman 1 Kode program aplikasi untuk form tampilan awal 75 2 Kode program aplikasi untuk form proses kuantifikasi 85 3 Kode program aplikasi untuk form statistik deskriptif hasil pengukuran _ Kode program untuk prosedur menghitung jarak mahalanobis Output SPSS K-Means clustering untuk pemilihan ukuran window Perbandingan kinerja 9 kombinasi ciri dan ukuran kemiripan Output pencocokan ditribusi eksponensial model pengaruh jarak kamera terhadap jumlah piksel objek berukuran 200 mm Output regresi linier sederhana untuk analisis kinerja sistem 121