PENDUGAAN HASIL PANEN PADI MENGGUNAKAN

ANALISIS IMAGE PROCESSING

SKRIPSI

Oleh :

MADE ARYA BHASKARA PUTRA

NIM: 1111305002

PROGRAM STUDI TEKNIK PERTANIAN

FAKULTAS TEKNOLOGI PERTANIAN

UNIVERSITAS UDAYANA

2015

ii

PENDUGAAN HASIL PANEN PADI MENGGUNAKAN

ANALISIS IMAGE PROCESSING

SKRIPSI

Skripsi ini diajukan sebagai salah satu syarat untuk mencapai gelar Sarjana

Teknologi Pertanian pada Fakultas Teknologi Pertanian

Universitas Udayana

Oleh :

MADE ARYA BHASKARA PUTRA

NIM: 1111305002

PROGRAM STUDI TEKNIK PERTANIAN

FAKULTAS TEKNOLOGI PERTANIAN

UNIVERSITAS UDAYANA

2015

iii

LEMBAR PENGESAHAN

Skripsi ini telah mendapat persetujuan pembimbing :

Dosen Pembimbing I

Prof. Ir. I Made Anom S. Wijaya, M.App.Sc., Ph.D.

NIP. 19631113 199003 1 001

Dosen Pembimbing II

Dr. Ir. Yohanes Setiyo, MP.

NIP. 19631016 199003 1 001

Mengesahkan:

Dekan Fakultas Teknologi Pertanian

Universitas Udayana

Dr. Ir. I Dewa Gde Mayun Permana, MS.

NIP. 19591107 198603 1 004

Tanggal lulus:

iv

Made Arya Bhaskara Putra 1111305002. Pendugaan Hasil Panen Padi

Menggunakan Analisis Image Processing. Di bawah bimbingan Prof. Ir. I

Made Anom S. Wijaya, M.App.Sc.,Ph.D., dan Dr. Ir. Yohanes Setiyo, MP.

ABSTRAK

Tujuan dari penelitian ini adalah (1) untuk membuat sistem pendugaan hasil

panen padi menggunakan analisis image processing, (2) mengetahui algoritma

pendugaan hasil panen padi, serta (3) mengetahui akurasi pendugaan hasil panen

padi. Sistem pendugaan hasil panen padi terdiri dari data akuisisi, analisis citra, dan

pendugaan hasil panen padi. Penelitian ini menggunakan padi dengan varietas

Ciherang dan Towuti. Analisis citra terdiri dari manual pre-processing

menggunakan software Adobe Photoshop Cs4 dan processing menggunakan

software MATLAB R2009b. Data sampel dalam penelitian ini dibagi menjadi dua

data, yaitu data traning, dan data untuk melakukan validasi. Algoritma yang

digunakan dalam pendugaan hasil panen padi adalah; akuisisi citra, manual pre-

processing, grayscaling, thresholding otsu dengan penambahan nilai T yang

diperoleh dari uji coba, operasi morphologi citra, resize citra, penghitungan jumlah

pixel gabah, konversi jumlah pixel gabah menjadi hasil panen, dan terakhir

diketahui hasil panen padi dalam satuan kg per luasan petak sawah. Hasil analisis

menunjukkan korelasi yang erat antara jumlah pixel gabah dan hasil panen padi di

lapangan, dengan koefisien determinasi sebesar 0,932. Pengujian yang dilakukan

pada program menunjukkan rata-rata tingkat kesalahan program adalah 4,6%.

Waktu rata-rata yang dibutuhkan untuk melakukan proses pendugaan adalah 69,6

menit, terbagi menjadi 64,2 menit untuk manual pre-processing dan 5,4 menit

untuk memproses citra hingga diperoleh dugaan hasil panen padi. Berdasarkan hal

tersebut dapat disimpulkan bahwa pendugaan hasil panen padi dapat dilakukan

dengan analisis image processing secara cepat dan akurat.

Kata kunci: Analisis image processing, thresholding, sistem pendugaan hasil

panen padi, jumlah pixel gabah, hasil panen padi.

v

Made Arya Bhaskara Putra 1111305002. Rice Yield Estimation Using Image

Processing Analysis. Supervised by Prof. Ir. I Made Anom S. Wijaya,

M.App.Sc.,Ph.D., and Dr. Ir. Yohanes Setiyo, MP.

ABSTRACT

The aims of this research were (1) to develop rice yield estimation system

using image processing analysis, (2) to develop rice yield estimation algorithm, and

(3) to determine estimation accuracy. Rice yield estimation system consists of data

acquisition, image analysis, and rice yield estimation analysis. The varieties used in

this research were Ciherang and Towuti. The image analysis consists of manual

pre-processing image analysis using Adobe Photoshop Cs 4 software and

processing using MATLAB R2009b software. Sample data of this research was

divided into two set data’s, i.e. training data and validation data. The algorithm of

rice yield estimation was: image acquisition, manual pre-processing, grayscaling,

thresholding otsu by adding T score on experiment, morphology image operation,

image resize, counting the numbers of grain pixel, conversion from number of grain

pixel to be harvest yield. The result of analysis showed that there are high

correlation between numbers of grain pixel and harvest yield. The coefficient

determination was of 0,932. The errors level of this estimation system was of 4,6%.

Time average of estimation process was of 69,6 minutes, 64,2 minutes for manual

pre-processing and, 5,5 minutes for image processing until rice yield was estimated.

In conclusion, estimation of rice yield can be carried out fastly and accurately by

image processing.

Keywords: Image processing analysis, thresholding, rice yield estimation system,

numbers of grain pixel, harvest yield of rice.

vi

RINGKASAN

Pertanian menjadi hal yang sangat penting mengingat setiap manusia

membutuhkan makanan untuk dapat tumbuh dan melakukan aktivitas sehari-hari.

Salah satunya beras yang merupakan sumber karbohidrat utama dikebanyakan

negara-negara asia. Hal tersebut membuat pemantauan terhadap hasil panen padi

menjadi sangat penting untuk dilakukan agar tidak terjadi kekurangan persediaan

bahan pangan. Selama ini pemantauan hasil panen padi dilakukan dengan

pengamatan visual, analisis statistik, maupun menggunakan analisis citra satelit.

Akan tetapi penggunaan analisis statistik maupun citra satelit memerlukan biaya

dan keahlian khusus. Hal tersebut membuat pengamatan secara visual lebih banyak

digunakan oleh petani khususnya dalam hal penjualan padi dengan sistem ijon.

Sistem ijon diartikan sebagai sistem pembelian padi sebelum masak dan

diambil oleh pembeli setelah masak. Sistem ijon sering digunakan karena waktu

pertumbuhan padi yang lama, sehingga sistem ijon digunakan petani untuk

mendapatkan uang terlebih dahulu karena terhimpit masalah ekonomi. Waktu

pertumbuhan tanaman padi adalah 110-130 hari sesuai dengan varietas dan kondisi

iklim di suatu wilayah (Makarim dan Suhartatik, 2009). Kelemahan dari

pengamatan visual untuk menentukan hasil panen padi pada sistem ijon adalah

adanya permainan dari pembeli padi (tengkulak) dalam menentukan hasil panen.

Penentuan hasil panen dengan sistem ijon, membuat petani sering dikalahkan oleh

tengkulak dengan memberikan dugaan hasil panen di bawah hasil panen

sebenarnya. Kondisi tersebut yang menyebabkan petani menjadi tidak sejahtera,

karena keuntungan yang seharusnya diperoleh petani malah didapatkan oleh

tengkulak.

vii

Kemajauan teknologi dalam bidang pengolahan citra atau image processing

memberikan peluang untuk dikembangkannya teknologi penginderaan jauh yang

dipadukan dengan teknologi pengolahan citra. Image processing adalah teknologi

yang menerapkan sejumlah algoritma komputasi komputer untuk memproses citra

digital (Zhou dkk., 2010). Melihat hal tersebut maka perlu dilakukan penelitian

lebih lanjut tentang analisis image processing untuk menduga hasil panen padi.

Tujuan dari penelitian ini adalah: 1) untuk membuat sistem pendugaan hasil panen

padi dengan analisis image processing, 2) mengetahui algoritma pendugaan hasil

panen padi, serta 3) mengetahui akurasi pendugaan hasil panen padi dengan analisis

image processing. Sistem pendugaan yang dikembangkan adalah dengan

mengambil citra padi dari satu petak sawah, maka akan dapat diketahui hasil panen

padi dari petak sawah tersebut secara cepat dan tepat.

Penelitian ini dilakukan dengan melalui beberapa tahapan mulai dari tahap

studi literatur, pembuatan aplikasi image processing, penyiapan alat akuisisi citra,

akuisisi atau pengambilan citra padi, melakukan panen pada petak sawah yang

digunakan sebagai sampel, dan terakhir melakukan analisis terhadap data-data yang

telah diperoleh. Akuisisi citra dilakukan dengan memperhatikan beberapa hal

penting, diantaranya: 1) akuisisi citra dilakukan pada pukul 09.00 pagi dan padi

berumur 103 hari, 2) padi dengan varietas Ciherang dan Towuti, 3) kondisi tanaman

berdiri tegak, dan 4) tripot diatur pada ketinggian 70 cm dari atas tanaman. Analisis

citra terdiri dari manual pre-processing menggunakan software Adobe Photoshop

Cs4 dan processing menggunakan software MATLAB R2009b. Data citra padi

kemudian dibagi menjadi dua, yaitu data traning, dan data untuk validasi. Parameter

viii

dari penelitian ini adalah akurasi pendugaan hasil panen padi serta waktu yang

dibutuhkan untuk melakukan proses pendugaan.

Hasil penelitian menunjukkan bahwa analisis image processing dapat

digunakan untuk menduga hasil panen padi, dengan mengetahui jumlah pixel gabah

dalam citra sehingga dapat diketahui hasil panen dari petak sawah yang diduga. Hal

tersebut ditunjukkan dari eratnya hubungan antara jumlah pixel citra gabah

terhadap hasil panen padi di lapangan, dengan koefisien determinasi sebesar 0,932.

Analisis terhadap citra padi untuk menduga hasil panen padi dilakukan dengan

menerapkan sejumlah algoritma pengolahan citra (Image Processing). Algoritma

tersebut diantaranya; akuisisi citra, manual pre-processing, grayscaling,

thresholding otsu dengan penambahan nilai T, operasi morphologi citra digital,

resize citra, penghitungan jumlah pixel gabah, konversi jumlah pixel gabah menjadi

hasil panen, hingga dapat diketahui dugaan hasil panen padi dalam satuan kg per

luasan petak sawah. Akurasi pendugaan hasil panen padi dengan analisis image

processing, dihitung dengan metode RMSE yang menunjukan bahwa nilai error

program dalam menduga hasil panen padi adalah 4,6% dari hasil panen sebenarnya.

Program pendugaan hasil panen padi cenderung menduga lebih kecil dari hasil

panen sebenarnya. Waktu yang dibutuhkan untuk melakukan proses pendugaan

adalah 69,6 menit, mulai dari analisis citra hingga diperoleh hasil dugaan.

ix

RIWAYAT HIDUP

Penulis adalah, Made Arya Bhaskara Putra dilahirkan di Denpasar pada

tanggal 02 Oktober 1992, yang merupakan putra kedua dari tiga bersaudara, dengan

ayah bernama I Nengah Sumertadana, SH dan ibu bernama Dra. Ni Ketut Suniasih.

Penulis menyelesaikan pendidikan taman kanak-kanak di TK Kumara Loka

Denpasar pada tahun 1999, pada tahun 2005 menyelesaikan pendidikan dasar di SD

N 11 Sumerta Denpasar, pada tahun 2008 menyelesaikan pendidikan sekolah

menengah pertama di SMPN 3 Denpasar, serta pada tahun 2011 menyelesaikan

pendidikan di sekolah menengah atas di SMAN 3 Denpasar.

Pada tahun 2011, penulis diterima sebagai mahasiswa Program Studi Teknik

Pertanian, Fakultas Teknologi Pertanian, Universitas Udayana melalui jalur

SMNPTN Tulis. Selama menjadi mahasiswa, penulis aktif dalam organisasi

kemahasiswaan, diantaranya pengurus Himpunan Mahasiswa Jurusan Teknik

Pertanian (HIMATETA), wakil ketua Badan Legeslatif Mahasiswa (BLM) Fakultas

Teknologi Pertanian, serta sebagai pengurus dalam Unit Kegiatan Mahasiswa Pers

Mahasiswa Akademika Universitas Udayana. Penulis adalah salah satu dari

penerima beasiswa BIDIKMISI Direktorat Jendral Pendidikan Tinggi, Kementerian

Pendidikan dan Kebudayaan Republik Indonesia.

x

KATA PENGANTAR

Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa atas segala

rahmat serta karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang

berjudul ”Pendugaan Hasil Panen Padi Menggunakan Analisis Image Processing”.

Secara garis besar skripsi ini membahas tentang penggunaan analisis image

processing atau pengolahan citra untuk dapat menduga hasil panen padi, dengan

mengambil citra padi dari satu petak sawah, sehingga dapat diketahui hasil panen

padi dari petak sawah tersebut.

Skripsi disusun sebagai salah satu syarat untuk menyelesaikan Program

Pendidikan Strata Satu (S-1) di Fakultas Teknologi Pertanian Universitas Udayana.

Dalam hal ini, penulis mendapat banyak bimbingan, bantuan serta dukungan dari

berbagai pihak, karena itu penulis menyampaikan terima kasih yang sebesar-

besarnya kepada yang terhormat :

1. Direktorat Jendral Pendidikan Tinggi, Kementerian dan Kebudayaan

Republik Indonesia yang telah memberikan bantuan biaya pendidikan berupa

beasiswa BIDIKMISI sejak tahun 2011 sampai dengan 2015.

2. Bapak Dr. Ir. Dewa Gede Mayun Permana, MS., selaku Dekan Fakultas

Teknologi Pertanian Universitas Udayana.

3. Bapak Dr. Ir. I Wayan Widia, MSIE., Selaku Ketua Jurusan Teknik Pertanian,

Fakultas Teknologi Peratanian, Universitas Udayana

4. Bapak Prof. Ir. I Made Anom S. Wijaya, M.App.Sc.,Ph.D., selaku dosen

pembimbing I dan Bapak Dr. Ir. Yohanes Setiyo, MP., selaku dosen

pembimbing II yang telah banyak memberikan bimbingan kepada penulis

mulai dari penyusunan usulan penelitian hingga menjadi sebuah skripsi.

xi

5. Segenap masyarakat yang dilibatkan dalam pengambilan sampel penelitian

serta pemilik lahan sawah yang digunakan sebagai sampel penelitian di Subak

Lodtunduh Desa Singakerta-Gianyar, Subak Jaka Dayang Desa Kukuh-

Tabanan, dan Subak Tegal Desa Kerobokan-Badung.

6. Segenap staf dosen dan pegawai di lingkungan Fakultas Teknologi Pertanian

Universitas Udayana.

7. Pengurus Organisasi BEM, BLM, Fakultas Teknologi Pertanian dan pengurus

HMJ Teknik Pertanian, Universitas Udayana.

8. Kedua orang tua penulis (I Nengah Sumertadana, SH dan Dra. Ni Ketut

Suniasih), Kakak (Putu Yulia Dewi, SE), Adik (Komang Arya Utama Putra),

serta Ni Nyoman Alit Purwaningsih, SP yang telah banyak memberikan

dukungan serta doa kepada penulis.

9. Kawan-kawan Bodong Crew (Wirawan Suputra, Wahyu Wiguna, Edo

Setiawan, Widi Sedana, Adi Guna, Gede Widnyana, Dwi Dharma, Purba

Yuda, Trikuti, Pemaron, Gede Suhartana, Riadi Handika) yang senantiasa

membantu penulis dalam proses penelitian di lahan sawah.

10. Rekan-rekan mahasiswa jurusan TEP, TIP, dan ITP angkatan 2011, yang

selalu memberikan bantuan, motivasi dan doa. Terima kasih atas dukungan

yang diberikan untuk menyelesaikan skripsi ini.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna karena itu

saran dan kritik yang bersifat membangun dari pembaca sangat diharapkan. Akhir

kata penulis berharap agar skripsi ini dapat bermanfaat bagi yang memerlukan.

Denpasar, Juli 2015

Penulis

xii

DAFTAR ISI

Halaman

COVER i

JUDUL ii

LEMBAR PENGESAHAN iii

ABSTRAK iv

ABSTRACT v

RINGKASAN vi

RIWAYAT HIDUP ix

KATA PENGANTAR x

DAFTAR ISI xi

DAFTAR TABEL xv

DAFTAR GAMBAR xvi

DAFTAR LAMPIRAN xvii

I. PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 5

1.3 Tujuan Penelitian 6

1.4 Manfaat Penelitian 6

II. TINJAUAN PUSTAKA

2.1 Tanaman Padi (Oryza Sativa) 7

2.2 Pengolahan Citra (Image Processing) 10

2.3 Citra Digital 11

2.3.1 Citra Biner 13

2.3.2 Citra Skala Keabuan (Grayscale) 13

2.3.3 Citra Warna 14

2.4 Thresholding 16

2.5 Morphologi Citra Digital 17

2.5.1 Dilasi 18

xiii

2.5.2 Erosi 19

2.5.3 Opening 19

2.5.4 Closing 19

2.6 Computer Vision 20

2.7 Matlab (Matrix Laboratory) 22

2.8 Kajian Tentang Penggunaan Image Processing 23

III. METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian 28

3.2 Alat dan Bahan 28

3.2.1 Alat 28

3.2.2 Bahan 29

3.3 Metodelogi Penelitian 29

3.3.1 Studi Literatur 30

3.3.2 Penyiapan Alat Akuisisi Citra Padi 31

3.3.3 Akuisisi Citra Padi 32

3.3.4 Pembuatan Aplikasi Image Processing 33

3.3.5 Pengambilan Sampel 33

3.3.6 Analisis Korelasi 35

3.4 Parameter yang Diamati 37

IV. HASIL DAN PEMBAHASAN

4.1 Algoritma Program Pendugaan Hasil Panen Padi dengan Analisis

Image Processing 38

4.2 Hubungan Jumlah Pixel Gabah Terhadap Hasil Panen Padi 53

4.3 Akurasi Pendugaan Hasil Panen Padi 56

4.4 Waktu Proses Pendugaan Hasil Panen Padi 57

4.5 Tampilan Aplikasi Image Processing 58

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan 62

5.2 Saran 63

xiv

DAFTAR PUSTAKA 64

LAMPIRAN 67

xv

DAFTAR TABEL

No. Judul Halaman

1. Data intensitas cahaya saat akuisisi citra padi 41

2. Data penambahan nilai T 47

3. Kesalahan pendugaan hasil panen dengan analisis image processing 56

4. Waktu proses pendugaan dengan analisis image processing 58

xvi

DAFTAR GAMBAR

No. Judul Halaman

1. Tanaman padi (Sumber: from. http://id.wikipedia.org/wiki/Padi. 2014) 7

2. Koordinat citra digital (Sumber: Gonzales.C.R , Digital Image

Processing Second Edition, 2009) 12

3. Citra biner (a), Citra skala keabuan (grayscale) (b), Citra warna (c) 13

4. Bentuk-bentuk structuring elements (Sumber: Prasetyo, 2011) 17

5. Proses dilasi citra biner 18

6. Proses erosi citra biner 19

7. Diagram alir penelitian 30

8 . Disain tripot untuk akuisisi citra padi 31

9. Algoritma image processing untuk menduga hasil panen padi 39

10. Tahapan peningkatan kontras citra 43

11. Citra asli (a), Citra hasil peningkatan kontras (b), Citra hasil

pengurangan citra daun (c) 44

12. Kriteria citra untuk kelas penambahan nilai T 48

13. Penentuan nilai T untuk proses thresholding 49

14. Grafik hubungan luasan pixel gabah dalam citra terhadap hasil

panen padi 53

xvii

DAFTAR LAMPIRAN

No. Judul Halaman

1. Tampilan muka/splashscreen aplikasi pendugaan hasil panen padi 67

2. Tampilan bantuan aplikasi pendugaan hasil panen padi 67

3. Tampilan utama aplikasi pendugaan hasil panen padi 68

4. Daftar koding aplikasi pendugaan hasil panen padi 69

5. Tabel kondisi tanaman padi di lokasi pengambilan sampel dan

pengujian aplikasi pendugaan hasil panen padi 79

6. Lokasi pengambilan sampel dan lokasi pengujian aplikasi

image processing 80

7. Data titik koordinta, intensitas cahaya, waktu akuisisi citra, hasil

panen sampel, kadar air sampel, serta luas lahan sawah 81

8. Data training untuk pembuatan persamaan pendugaan 83

9. Standar Operasional Prosedur (SOP) proses pendugaan hasil panen

padi dengan analisis image processing 84

10. Data hasil analisis image processing, yang digunakan sebagai data

training 85

11. Data hasil analisis image processing, yang digunakan sebagai data

uji atau validasi 89