PENDUGAAN KANDUNGAN KLOROFIL DAUN TANAMAN PADI (Oryza Sativa) MELALUI PENDUGAAN TINGKAT WARNA DAUN DENGAN TELEPON SELULER TRI DIMAS ARJUNA

Transkripsi

1 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 2014

2

3 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. Bogor, Januari 2014 Tri Dimas Arjuna NIM F

4 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 (R 2 =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 (R 2 =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. Keyword: paddy, chlorophyll, leaves color level, SPAD, RGB

5 PENDUGAAN KANDUNGAN KLOROFIL DAUN TANAMAN PADI (Oryza Sativa) MELALUI PENDUGAAN TINGKAT WARNA DAUN DENGAN TELEPON SELULER TRI DIMAS ARJUNA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian pada Departemen Teknik Mesin dan Biosistem DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2014

6

7 Judul Skripsi : Pendugaan Kandungan Klorofil Daun Tanaman Padi (Oryza Sativa) Melalui Pendugaan Tingkat Warna Daun dengan Telepon Seluler Nama : Tri Dimas Arjuna NIM : F Disetujui oleh Dr Liyantono MAgr Pembimbing Mengetahui, Dr Ir Desrial MEng Ketua Departemen Tanggal Lulus:

8 Judul S kr:f~: ~. ;!ndugaan Kandungan Klorofil Daun Tanaman Padi (Oryza '::.;~r. Melalui Pendugaan Tingkat Warna Daun dengan Telepon _'- u.er Nama : -:-:-: Dimas Arjuna NIM : F:..!" Disetujui oleh Dr Liyantono MAgr Pembimbing Ketua Departemen Tanggal Lulus: '0 4 FEB 2014

9

10 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 Tri Dimas Arjuna NIM F

11 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 S LG P Nexian A Sony Ericcson Xperia Mini Pro SK17i 17 Samsung Young GT S Perbandingan Akurasi Setiap Telepon Seluler 18 Pengambilan Citra dengan Latar Belakang Patokan Warna Daun 20 KESIMPULAN DAN SARAN 21 Kesimpulan 21 Saran 22 DAFTAR PUSTAKA 22

12 RIWAYAT HIDUP 41 DAFTAR TABEL 1. Hubungan klorofil (mg/g) dengan indeks SPAD menggunakan berbagai model persamaan Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Ace Akurasi pendugaan indeks SPAD pada telepon seluler LG Akurasi pendugaan indeks SPAD pada telepon seluler Nexian Akurasi pendugaan indeks SPAD pada telepon seluler Sony Xperia Akurasi pendugaan indeks SPAD pada telepon seluler Samsung Young Akurasi tingkat warna daun pada semua telepon seluler Akurasi pemupukan pada telepon seluler Akurasi k-nn setiap golongan pada semua telepon seluler Akurasi telepon seluler pada setiap waktu pengambilan 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 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan indeks SPAD Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan tingkat warna daun Hubungan klorofil (mg/g) dengan tingkat warna daun setiap lahan Patokan warna dan contoh pengambilannya 20 DAFTAR LAMPIRAN 1. Spesifikasi telepon seluler Contoh hasil pengukuran SPAD Contoh hubungan antara komponen RGB daun dengan TWD Foto kegiatan penelitian Dosis pemupukan (kg/ha) Hasil RGB daun dan patokan menggunakan patokan warna daun Sebaran data TWD dugaan terhadap TWD manual dan akurasi pendugaan TWD berbagai telepon seluler Akurasi pemupukan pada berbagai telepon seluler 39

13

14 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. Pengembangan metode untuk menentukan tingkat warna daun dengan teknologi yang murah dan terjangkau mulai banyak dilakukan. Astika (2010) mengembangkan metode pendugaan tingkat warna daun padi dengan menggunakan kamera hand phone dan metode k-nearest neighbor (k-nn) sebagai pengganti bagan warna daun. Namun dari penelitian tersebut didapatkan hasil akurasi yang rendah. Akurasi yang rendah diyakini disebabkan oleh pemakaian 5 merek telepon seluler secara bersama yang memiliki pengaturan pewarnaan yang berbeda-beda sehingga sebaiknya setiap merek dan tipe telepon seluler memiliki

15 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 Klorofil berasal dari bahasa yunani chloros yang berarti hijau dan phyllum yang berarti daun. Klorofil adalah pigmen hijau yang pada tanaman dan merupakan faktor utama yang mempengaruhi fotosintesis. Fotosintesis merupakan proses perubahan senyawa anorganik (CO 2 dan H 2 O) menjadi

16 senyawa organik (karbohidrat) dan O 2 dengan bantuan cahaya matahari (6CO 2 +6H 2 O C 6 H 12 O 6 + 6O 2 ). 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 kandungan klorofil yang ada pada daun. Semakin besar jumlah klorofil semakin 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) 3 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 (Balasubramanian et al, 2000). Untuk menghindari dosis N berlebihan dan meningkatkan efisiensi, pemberian pupuk N dilakukan berdasarkan kandungan klorofil daun yang diukur menggunakan klorofil meter (SPAD meter). Cara SPAD dapat menghindari terjadinya kelebihan pupuk dan diharapkan juga akan menekan polutan. Pemberian pupuk urea dengan cara SPAD meningkatkan efisiensi dan menghemat pupuk urea hingga 40% (Balasubramanian et al, 2000).

17 4 k-nearest Neighbor k-nearest Neighbor (k-nn) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-nn. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut dan sampel latih. Pengklasifikasian tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori.. Algoritma k-nn menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari sample uji yang 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 uji ke sample latih untuk 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 X i 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 Pengolahan citra merupakan teknologi visual yang mengamati dan menganalisa suatu obyek tanpa berhubungan langsung dengan obyek yang diamati. Proses pengolahan dan analisanya melibatkan persepsi visual dengan data

18 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 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 kotakkotak 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 : 5 Pertanian Presisi Pertanian presisi atau precision farming merupakan sebuah konsep pengelolaan pertanian secara modern yang bertujuan untuk mengendalikan input dan proses dalam usaha tani sehingga diharapkan memperoleh hasil produksi yang optimal, berkelanjutan, dan menguntungkan. Menurut Prabawa et al (2009), pertanian presisi merupakan informasi dan teknologi pada sistem pengelolaan pertanian untuk mengidentifikasi, menganalisa, dan mengelola informasi keragaman spasial dan temporal di dalam lahan untuk mendapatkan keuntungan optimum, berkelanjutan dan menjaga lingkungan. Dengan kata lain pertanian presisi adalah suatu usaha pertanian dengan pendekatan dan teknologi yang memungkinkan perlakuan yang teliti (precise treatment) dan revolusi awal dalam pengelolaan sumber daya alam berbasis teknologi informasi. Sistem manajemen informasi (Management Information System) dalam presisi pertanian meliputi Sistem Informasi Geografis (Geographical Information System), Sistem Pendukung Keputusan (Decision Support System), dan data (crop models and field history). Pertanian presisi pada saat sekarang ini mulai diminati oleh petani karena mereka melihat keunggulan dan keuntungan dari penggunaan sistem ini. Oleh karenanya, pengembangan aplikasi sistem pertanian presisi perlu terus dilakukan. Pemakaian pertanian presisi dalam prakteknya memerlukan

19 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 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 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 2. Kertas, tali rafia, dan patok-patok untuk memberi tanda-tanda di lahan

20 7 Gambar 2 Klorofil Meter SPAD 502 Konica Minolta Gambar 3 Bagan warna daun IRRI 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.

21 8 Mulai Budidaya padi untuk mendapatkan berbagai warna daun Pengukuran kandungan klorofil menggunakan SPAD Pengukuran manual tingkat warna daun padi dengan BWD Pengukuran kandungan klorofil dengan uji spektrofotometer Pengambilan citra daun padi dengan telepon seluler dan aplikasi pendugaan tingkat warna daun Indeks SPAD Klorofil (mg/g) RGB dugaan dan TWD dugaan Hubungan linear antara SPAD dengan Klorofil Hubungan Linear antara TWD dengan klorofil Pengenalan pola k-nn Selesai Gambar 4 Diagram alir tahapan penelitian

22 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. Gambar 5 Contoh pengambilan citra daun padi 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 Gambar 6 Pengukuran kandungan klorofil dengan SPAD

23 10 Lahan Situ Udik A dan B Luas total : 3508,66 m 2 Lahan Situ Udik A Luas : m 2 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 m 2 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 : m 2 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 B Luas : 829 m 2 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 Lewingkolot Luas : 1139,57 m 2 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 : Cianjur Luas : 2884 m 2 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 Gambar 7 Bagan pengambilan data pada lahan sawah penelitian

24 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 R 2 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 Pengukuran menggunakan uji spektrofotomer menghasilkan dua macam jenis klorofil, yaitu klorofil a dan klorofil b dalam satuan bobot mg/g. Jumlah klorofil a dan b disebut total klorofil.

25 12 Klorofil mg/g y = 1.968x R² = TWD Gambar 8 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan tingkat warna daun Hasil uji spektrofotometer menunjukkan bahwa semakin tinggi tingkat warna daun semakin tinggi pula kandungan klorofilnya. Didapatkan R 2 yang tinggi, yaitu Selain itu didapatkan hubungan klorofil hasil uji spektrofotometer dengan indeks SPAD (Gambar 9). Indeks SPAD y = x R² = Klorofil (mg/g) Gambar 9 Grafik hubungan klorofil (mg/g) hasil uji spektrofotometer dengan indeks SPAD

26 Tabel 1 Hubungan klorofil (mg/g) dengan indeks SPAD menggunakan berbagai model persamaan Model α β R 2 Linear Chl i =α*spad i Polynomial 2 Chl i =α*spad i + β*spad i Exponential Chli=α(e β*spad i-1) Hubungan klorofil (mg/g) dengan indeks SPAD memiliki R 2 yang cukup tinggi. Bisa dilihat dari Tabel 1, R 2 dari berbagai model persamaan memiliki ratarata 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 Data hasil pengukuran klorofil menggunakan SPAD terlebih dahulu dikonversi menjadi mg/g menggunakan persamaan linear y = x Kemudian dihubungkan dengan TWD padi yang didapat secara manual di lapangan. 6 6 Klorofil (mg/g) y = x R² = Klorofil (mg/g) y = x R² = TWD TWD (a) Lahan Cianjur 2 (b) Lahan Leuwingkolot 1

27 Klorofil (mg/g) y = 2.141x R² = Klorofil (mg/g) y = x R² = TWD TWD (c) Lahan Leuwingkolot 2 (d) Lahan Situ Udik A1 6 6 Klorofil (mg/g) y = x R² = Klorofil (mg/g) y = x R² = TWD TWD (e) Lahan Situ Udik A2 (f) Lahan Situ Udik B1 Klorofil (mg/g) (g) Lahan Situ Udik B2 y = x R² = TWD Gambar 10 Hubungan klorofil (mg/g) dengan tingkat warna daun setiap lahan

28 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 R 2 terkecil adalah pada Grafik (f) Nilai R 2 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. Data komponen RGB yang didapat dari pemotretan, digabung dengan data indeks SPAD. Data tersebut kemudian dipisahkan berdasarkan waktu pengambilan, yaitu pagi, siang dan sore. Data dibagi menjadi 5 golongan, yaitu golongan 1, golongan 2, golongan 3, golongan 4, dan golongan 5. Penggolongan ini dimaksudkan untuk mempermudah pembacaan akurasi pada pengenalan pola k-nn. 15

29 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 (%) Rata-rata LG P698 Pengenalan pola k-nn pada telepon seluler LG memiliki akurasi 43.03%. Akurasi pada telepon seluler LG tertinggi diantara telepon seluler lainnya. Diantara tiga waktu pengambilan, sore hari memiliki akurasi tertinggi. Telepon seluler LG memiliki kecepatan dalam pengambilan foto, walaupun tidak didukung kamera yang cukup bagus, sehingga mengurangi goyangan atau getaran tangan pemotret. Akurasi pada telepon seluler LG bisa dilihat pada Tabel 3.

30 17 Tabel 3 Akurasi pendugaan indeks SPAD pada telepon seluler LG Golongan Jumlah Data Benar Akurasi (%) Rata-rata 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 (%) Rata-rata Sony Ericcson Xperia Mini Pro SK17i Pada telepon seluler Sony Xperia, akurasi pengenalan pola k-nn adalah 39.58%. Akurasi yang didapat rendah, walaupun memiliki kamera yang cukup baik. Hal ini disebabkan sistem pengambilan foto pada saat pemotretan lambat, sehingga banyak menimbulkan goyangan atau getaran.

31 18 Tabel 5 Akurasi pendugaan indeks SPAD pada telepon seluler Sony Xperia Golongan Jumlah Data Benar Akurasi (%) Rata-rata 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 (%) Rata-rata Perbandingan Akurasi Setiap Telepon Seluler Dari semua telepon seluler yang digunakan dalam pemotretan, telepon seluler yang memiliki akurasi tertinggi adalah telepon seluler Samsung Ace yaitu 47.51% untuk akurasi pendugaan tingkat warna daun dan telepon seluler LG 43.08% untuk akurasi pendugaan indeks SPAD, sedangkan yang memiliki akurasi terendah pada pendugaan warna daun adalah telepon seluler Samsung Young dengan 36.71%. Untuk akurasi pemupukan didapatkan akurasi tertinggi pada telepon seluler Samsung Ace yaitu 75.35%. Akurasi pemupukan ini didapatkan berdasarkan akurasi pendugaan TWD, dimana setiap TWD memiliki standard dosis pemupukan. Perhitungan akurasi pemupukan bisa dilihat di Lampiran 8. Akurasi terendah pada pendugaan indeks SPAD adalah telepon seluler Samsung Ace dengan 34.31%. Hal ini disebabkan karena kondisi pengambilan foto yang berbeda-beda. Keragaman kondisi ini seperti cahaya yang tidak merata karena

32 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 Samsung Ace LG Nexian Sony Xperia Samsung Young Rata-rata Tabel 8 Akurasi pemupukan pada telepon seluler Jenis HP Akurasi Pemupukan Rata-rata akurasi Samsung Ace LG Nexian Sony Xperia Samsung Young Rata-rata Tabel 9 Akurasi k-nn setiap golongan pada semua telepon seluler Golongan Samsung Ace LG Nexian Sony Xperia Samsung Young Rata-rata

33 20 Tabel 10 Akurasi telepon seluler pada setiap waktu pengambilan Waktu Intensitas Samsung Sony Samsung LG Nexian Cahaya (Lux) Ace Xperia Young Rata-rata Pagi Siang Sore , Gabungan 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. Patokan kiri (TWD 2) Patokan kanan (TWD 3) Daun Gambar 11 Patokan warna dan contoh pengambilannya 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

34 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) IF(AND(A>=5,A<=15,B>=5,B<=15),2.5,0) IF(AND(A>=6,A<=16,B>=-10,B<=5),3,0) IF(AND(A>=10,A<=20,B>=-15,B<=-5),3.5,0) IF(AND(A>=12,A<=35,B>=-16,B<=-6),4,0) Rata-rata Keterangan : A = Greyscale kiri Greyscale Tengan (Daun) B = Greyscale Tengah (Daun) Greyscale Kanan 21 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 R 2 = 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 daun didapat rendah yaitu 24.91%, hal ini disebabkan karena pengaruh

35 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 The Use of Hand Phone Camera to Determine Paddy Leaf Color Level as a Reference for Fertilizing Dosage. Procceding AFITA Astika, IW, M Solahudin, RPA Setiawan, MF Syuaib, IE Nugroho, and M Ardiyansah 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, Astika, IW, M Solahudin, RPA Setiawan,MF Syuaib, and M Ardiyansah Smart Sensor Data Acquisition, Data Management, and Decision Support System. Laporan Hibah Penelitian Project I-MHERE IPB Tahun ke-1. Bogor.

36 Astika, IW dan Sugiyanta 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 Pengantar Pengolahan Citra. PT Elex Media Komputido. Jakarta. Balasubramanian, V, AC Moralez, RT Cruz Adaptation of the chlorophyll meter (SPAD) technology for real-time N management in rice: a review. Journal International Rice Research Notes Vol. 25 No. 1 pp Batist dan MC Monard A Study of k-nearest Neighbour as an Imputation Method. Working Paper. University Sao Paulo. Brazil Cibro, Marko Mitokona Penentuan Kondisi Pemotretan Optimum Untuk Pendugaan Tingkat Warna Daun Padi Dengan Menggunakan Kamera Telepon Seluler. Departemen Teknik Mesin Biosistem. Fakultas Teknologi Pertanian. IPB. Bogor. Dwidjoseputro Pengantar Fisiologi Tumbuhan. Jakarta: PT Gramedia Jakarta. Gani, A Bagan Warna Daun. Balai Besar Tanaman Padi. Sukamandi. Isma il, M Bahas Tuntas Soal Biologi SMP. PT Buku Kita. Jakarta. Jati, W Biologi Interaktif Kls XII IPA. Tinta Emas. Medan Nugroho, IE 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 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 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 Khasiat Cincau Perdu. Kanisius. Jogjakarta. Sianipar AJS Review pengaruh dosis pupuk inorganic tunggal (N,P,K) terhadap pertumbuhan, produksi, dan mutu fisik gabah. Institut Pertanian Bogor. Bogor. Wahid, AS, Nasruddin, dan S Sening Efisiensi dan diseminasi pemupukan nitrogen dengan metoda LCC pada tanaman padi sawah. Jurnal Pengkajian dan Pengembangan Teknologi Pertanian 4 (2) :

37 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 MSM 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/ G HSDPA 900/2100 Processor : 800 MHz ARM 11, Qualcomm QCT MSM 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 MSM 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 MSM Turbo Memori : Up to 8 GB Kamera : Dual camera, VGA (depan), 5MP (belakang) Baterai : Li-Ion

38 25 Lampiran 2 Contoh hasil pengukuran SPAD NO TWD Indeks SPAD Rata-Rata

39

40

41 28 Lampiran 3 Contoh hubungan antara komponen RGB daun dengan TWD Telepon seluler : Samsung Ace Rd Gd Bd Rt Gt Bt TWD Rd : Red daun Rt : Red tangan Gd : Green daun Gt : Green tangan Bd : Blue daun Bd : Blue tangan

42 29 Telepon seluler : Samsung Young Rd Gd Bd Rt Gt Bt TWD Rd : Red daun Rt : Red tangan Gd : Green daun Gt : Green tangan Bd : Blue daun Bd : Blue tangan

43 30 Telepon seluler : LG Rd Gd Bd Rt Gt Bt TWD Rd : Red daun Rt : Red tangan Gd : Green daun Gt : Green tangan Bd : Blue daun Bd : Blue tangan

44 31 Telepon seluler : Nexian Rd Gd Bd Rt Gt Bt TWD Rd : Red daun Rt : Red tangan Gd : Green daun Gt : Green tangan Bd : Blue daun Bd : Blue tangan

45 32 Telepon seluler : Sony Xperia Rd Gd Bd Rt Gt Bt TWD Rd : Red daun Rt : Red tangan Gd : Green daun Gt : Green tangan Bd : Blue daun Bd : Blue tangan

46 33 Lampiran 4 Foto kegiatan penelitian Gambar 16 Pemotretan daun padi menggunakan telepon seluler Gambar 17 Sampel daun padi yang akan diuji spektrofotometer Gambar 18 Pengukuran klorofil daun padi menggunakan alat SPAD Gambar 19 Pengukuran tingkat warna daun

47 Petak 34 Lampiran 5 Dosis pemupukan (kg/ha) Lahan : Situ Udik A Luas (m 2 ) Dosis Urea (kg/ha) Dosis Phonska (kg/ha) Pemupukan 1 Pemupukan 2 Pemupukan 3 Urea Phonska Urea Phonska Urea (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) Total Lahan : Lewingkolot Dosis Dosis Urea (kg/ha) Petak Luas (m 2 ) KCL (kg/ha) Urea (kg/ha) Pemupukan 1 Pemupukan 2 Pemupukan Petakan kecil Total Lahan : Cianjur

48 35 Petakan Luas (m 2 ) Pemupukan 1 Pemupukan 2 Pemupukan 3 Urea (kg/ha) Phonska (kg/ha) Urea (kg/ha) Phonska (kg/ha) Urea (kg/ha) Phonska (kg/ha) Total Lahan : Situ Udik B Petak Pupuk 1 Pupuk 2 pupuk 3 Luas m 2 Urea Phonska Urea Urea Phonska (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) Total

49 36 Lampiran 6 Hasil RGB daun dan patokan menggunakan patokan warna daun BWD manual Kiri Tengah Kanan Grey Selisih R G B R G B R G B Kiri Tengah Kanan Kiri- Daun Daunkanan kirikanan

50 37 Lampiran 7 Sebaran data TWD dugaan terhadap TWD manual dan akurasi pendugaan TWD berbagai telepon seluler 1. Samsung Galaxy Ace S5830 TWD TWD Dugaan Akurasi Total Manual (%) Total LG P698 TWD TWD Dugaan Akurasi Total Manual (%) Total Samsung Young GT S5360 TWD TWD Dugaan Akurasi Total Manual (%) Total

51 38 4. Nexian A893 TWD TWD Dugaan Akurasi Total Manual (%) Total Sony Ericcson Xperia Mini Pro SK17i TWD TWD Dugaan Akurasi Total Manual (%) Total

52 39 Lampiran 8 Akurasi pemupukan pada berbagai telepon seluler 1. Samsung Galaxy Ace S5830 TWD Dosis pupuk Akurasi Total urea (kg/ha) (%) Rata-rata LG P698 TWD Dosis pupuk urea (kg/ha) Total Akurasi (%) Rata-rata Nexian A893 TWD Dosis pupuk urea (kg/ha) Total Akurasi (%) Rata-rata 55.73

53 40 4. Sony Ericcson Xperia Mini Pro SK17i TWD Dosis pupuk urea (kg/ha) Total Akurasi (%) Rata-rata Samsung Young GT S5360 TWD Dosis pupuk urea (kg/ha) Total Akurasi (%) Rata-rata 57.35

54 41 RIWAYAT HIDUP Tri Dimas Arjuna. Lahir di Medan, 27 Oktober 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 ( ), SMP Widya Dharma, Labuhan Batu ( ), SMAN 3 Rantau Utara, Labuhan Batu ( ) 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. Selama menempuh pendidikan di perguruan tinggi IPB, penulis aktif dalam kegiatan akademik termasuk sebagai asisten Mata Kuliah Pendidikan Agama Islam pada tahun Selain aktif dalam kegiatan akademik, penulis juga aktif meningkatkan softskill dengan mengikuti berbagai unit kegiatan mahasiswa dan Organisasi Ekstra Kampus diantaranya sebagai Ketua KAMMI IPB pada tahun dan Staff Kebijakan Kampus BEM KM Generasi Inspirasi pada tahun Selain itu, penulis mengikuti berbagai kegiatan seminar dan pelatihan yang diadakan di kampus maupun di luar kampus. Pada tahun 2008, penulis pernah mengikuti Pelatihan Kepemimpinan 1 dan 2. Penulis melaksanakan Praktik Lapangan pada bulan Juni sampai dengan bulan Agustus 2011 (40 hari) di PTPN III Kebun Sei Silau Asahan, Sumatera Utara. Penulis mempublikasikan hasil praktek lapangan tersebut dalam bentuk laporan dengan judul Aspek Teknik Pertanian Dalam Budi Daya Kelapa Sawit dan Karet di Perkebunan PTPN III Sei Silau Sumatera Utara.