G1A018010
2. BIDANG ILMU
Bidang ilmu yang diterapkan dalam penelitian ini adalah Pengolahan Citra
Digital (PCD)
3. LATAR BELAKANG
Tanaman padi (Oryza sativa L.) adalah tanaman penghasil beras yang
merupakan sumber karbohidrat bagi sebagian penduduk dunia. Penduduk
Indonesia, hampir 95% mengkonsumsi beras sebagai bahan pangan pokok,
sehingga pada setiap tahunnya permintaan akan kebutuhan beras semakin
meningkat seiiring dengan bertambahnya jumlah penduduk (Pratiwi, 2016).
Tanaman padi merupakan tanaman pangan penting yang menjadi makanan
pokok lebih dari setengah penduduk dunia karena mengandung nutrisi yang
diperlukan tubuh. Menurut Poedjiadi (1994), kandungan karbohidrat padi giling
sebesar 78,9 %, protein 6,8 %, lemak 0,7 % dan lain-lain 0,6 %. Indonesia sebagai
negara dengan jumlah penduduk yang besar menghadapi tantangan dalam
memenuhi kebutuhan pangan tersebut (Pratiwi, 2016).
Tanaman padi menghasilkan beras merupakan makanan pokok masyarakat
provinsi Bengkulu. Menurut (BPS, 2021) luas panen (ha) tanaman padi di
provinsi Bengkulu pada tahun 2019 yaitu 64.406,86, pada tahun 2020 yaitu
64.137,28 dan pada tahun 2021 yaitu 56.721,13. Sedangkan produktivitas (ku/ha)
tanaman padi di provinsi Bengkulu yaitu pada tahun 2019 sebesar 46,03, tahun
2020 sebesar 45,66 dan tahun 2021 sebesar 48.09. Kemudian untuk produksi
(ton) tanaman padi di provinsi Bengkulu itu mengalami penurunan dari tahun
2019-2021 dengan uraian data yaitu 296.472,07, 292.834,04, 272.772,61.
Salah satu penghambat dari pertumbuhan produksi panen padi di Indonesia
adalah penyakit yang menjangkit tanaman padi. Apabila penyakit tersebut tidak
dapat ditangani sejak dini, maka kegagalan produksi atau gagal panen akan
dialami oleh petani padi (T. Tumanggor, 2019). Penyakit utama tanaman padi
terdiri dari penyakit Tungro, penyakit bercak daun coklat (Helmithosporium
oryzae), Penyakit Blas (Pyricularia oryzae), Hawar daun bakteri Bacterial Leaf
Blight (Xanthomonas campestris), penyakit yang timbul pada tanaman padi
dilihat dari daunnya (Tricahyono, Johannis, Yudas, & Marsudi, 2009). Menurut
(BPS, 2021) pada tahun 2019-2021 produksi (ton) tanaman padi di provinsi
Bengkulu mengalami penurunan. Salah satu faktor penyebab menurunnya
produksi tanaman padi yaitu adanya penyakit pada tanaman tersebut, karena
sebagian besar petani masih belum mampu mendeteksi penyakit yang menyerang
secara cepat.
Dengan adanya teknologi informasi dan komunikasi kita dapat
memanfaatkan pengolahan citra digital dalam mengindentifikasi penyakit pada
tanaman padi berdasarkan fitur warna dan tekstur dari citra melalui daun padi.
Pengolahan citra digital adalah gambar pada bidang 2 dimensi, dan citra biasanya
ditinjau dari sudut pandang sistematis yaitu memiliki fungsi kontinu dari
intensitas cahaya pada bidang 2 dimensi. Jadi pengolahan citra adalah suatu
metode yang digunakan untuk memproses atau memanipulasi gambar dalam
bentuk 2 dimensi (Richard E. Woods, Gonzalez, & Rafael, 2008).
4. RUMUSAN MASALAH
Berdasarkan latar belakang yang telah diuraikan sebelumnya rumusan
masalah yang dapat di angkat dalam penelitian ini yaitu bagaimana merancang
dan membangun sistem yang dapat mengidentifikasi penyakit pada tanaman padi
berdasarkan citra daun padi dengan metode Color Moment dan Gray level co -
occurrence matrix?
5. BATASAN MASALAH
Batasan masalah yang dibahas dalam penelitian ini adalah sebagai berikut:
a. Citra yang diambil adalah citra daun padi yang terinfeksi penyakit dan citra
daun padi yang tidak terinfeksi penyakit serta output-nya adalah informasi
nama jenis penyakit yang tanaman padi alami, penyebab penyakit tanaman
padi serta cara pencegahan terhadap penyakit tanaman padi.
b. Citra yang diolah hanya mengidentifikasi penyakit Tungro, Bercak Daun
Coklat, Penyakit Blas, dan Hawar Daun Bakteri.
c. Citra yang digunakan dalam penelitian ini adalah citra berwarna dengan
format JPG.
6. TUJUAN PENELITIAN
Tujuan yang ingin dicapai dalam penelitian ini adalah :
a. Membangun sistem yang dapat mengidentifikasi penyakit tanaman padi
dengan menggunakan masukan citra daun dengan metode Color
Moment dan Gray level co - occurrence matrix.
b. Untuk mengetahui tingkat akurasi pada citra daun tanaman padi dengan
metode Color Moment dan Gray level co - occurrence matrix.
7. MANFAAT PENELITIAN
Manfaaat dari penelitian ini adalah sebagai berikut:
a. Memberikan kemudahan mengidentifikasi dan informasi mengenai penyakit
apa saja yang menyerang tanaman padi melalui citra daun padi kepada
pengguna sistem.
b. Pengguna sistem dapat mengetahui cara pencegahan penyakit tanaman padi
setelah teridentifikasi oleh sistem.
c. Menjadi bahan referensi untuk mengembangkan sistem lebih baik dan
menambah fitur-fitur terbaru.
8. TINJAUAN PUSTAKA
8.1 Tanaman Padi
Tanaman padi (Oryza sativa L.) adalah tanaman penghasil beras yang
merupakan sumber karbohidrat bagi sebagian penduduk dunia. Penduduk
Indonesia, hampir 95% mengonsumsi beras sebagai bahan pangan pokok,
sehingga pada setiap tahunnya permintaan akan kebutuhan beras semakin
meningkat seiiring dengan bertambahnya jumlah penduduk (Pratiwi, 2016).
Gambar 1 Tanaman Padi (NBS Bio-Products, 2018) dan Daun Padi Normal
(Cahndeso-mbangundeso, 2014)
8.2 Penyakit Tanaman Padi
a) Tungro
Kehilangan hasil yang diakibatkan oleh penyakit tungro sangat tinggi.
Penyebaran penyakit ini telah menyebar ke daerahdaerah yang menjadi
sentra produksi beras. Penyakit ini disebabkan oleh dua jenis virus yaitu
virus bentuk batang Rice Tungro Bacilliform Virus (RTBV) dan virus
bentuk bulat Rice Tungro Spherical Virus (RTSV). Kedua jenis virus ini
dapat menyerang secara bersama-sama melalui perantara wereng hijau.
Penginfeksian tanaman oleh virus tungro terjadi dalam dua periode yaitu
periode pertama pada saat tanaman berumur satu bulan dan periode kedua
pada saat tanaman berumur dua bulan. Infeksi pertama dilakukan oleh
wereng hijau yang berasal dari lokasi di sekitar tanaman, sedangkan
serangan pada periode kedua disebarkan oleh turunannya.
Gejala :
Gejala :
1) Bercak coklat muncul pada daun atau dapat juga pada tangkai malai,
pelepah dan pada gabah.
2) Bercak coklat berbentuk oval 0,5 - 5 mm, berwarna coklat.
Gejala :
1) Pada daun timbul bercak oval atau elips, bercak berbentuk belah
ketupat,lebar ditengah dan kedua ujung-ujungannya meruncing.
2) Stadia kritis tanaman terjadi mulai umur 1 bulan (padi gogo),
anakan maksimum, bunting dan awal berbunga.
3) Pembentukan konidia selama 14 hari, puncaknya pada 3-8 hari
setelahbercak muncul.
Gejala :
- Kresek
1) Gejala yang terjadi pada tanaman berumur < 30 hari (persemaian
atau yang baru dipindahi).
2) Daun-daun berwarna hijau kelabu melipat dan menggulung.
3) Dalam keadaan parah seluruh daun menggulung, layu dan mati
mirip tanaman yang terserang penggerek batang atau terkena air
panas.
- Hawar
1) Gejala paling umum yang dijumpai pada pertanaman yang telah
mencapai fase tumbuh anakan sampai fase pemasakan.
2) Gejala diawali dengan timbulnya bercak abu-abu (kekuningan)
sampai putih umumnya ditepi daun, berawal dari terbentuknya garis
lebam berairpada bagian tepi daun.
3) Dalam keadaan lembab terutama dipagi hari, kelompok bakteri
berupa butiran berwarna kuning keemasan dapat dengan mudah
ditemukan pada daun-daun.
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan
biru, digabungkan dalam membentuk suatu susunan warna yang luas.
Setiap pixel dari citra warna (8 bit) hanya diwakili oleh 8 bit dengan
jumlah warna maksimum yang dapat digunakan adalah 256 warna.
Citra warna 16 bit (biasanya disebut sebagai citra highcolor) dengan
setiap pixelnya diwakili dengan 2 byte memory (16 bit). Warna 16 bit
memiliki 65.536 warna. Setiap pixel dari citra warna 24 bit diwakili
dengan 24 bit sehingga total 16.777.216 variasi warna. Variasi ini sudah
lebih dari cukup untuk memvisualisasikan seluruh warna yang dapat
dilihat penglihatan manusia. Penglihatan manusia dipercaya hanya
dapat membedakan hingga 10 juta warna saja (Putra, 2010).
1) Mengambil nilai pixel dalam bentuk RGB dari citra yang sudah
disegmentasi pada tahap preproccessing.
2) Mengkonversi nilai RGB ke HSV
Sebelum melakukan ekstrasi fitur warna, harus menentukan ruang
warna. Ruang warna dikembangkan dengan tujuan untuk memodelkan,
menghitung, dan memvisualisasikan informas warna sehingga
dapatmemudahkan komputer atau sistem digital lainnya untuk
memproses informasi warna dan membedakan warna seperti halnya
sistem visual warna (Madenda, 2015). Meskipun citra berbasis RGB
bagus untuk menampilkan informasi warna, tetapi tidak cocok untuk
beberapa aplikasi pemrosesan citra. Pada aplikasi pengenalan objek,
lebih mudah mengidentifikasi objek dengan perbedaan huenya dengan
cara memberikan nilai ambang pada rentang nilai-nilai hue (panjang
gelombang spektrum) yang melingkupi objek (Azis, 2013). Keuntungan
HSV adalah merepresentasikan nuansa warna dalam koordinat silindris
3-D, sehingga mendekati intuisi dan persepsi visual manusia (Madenda,
2015). Untuk melakukan konversi ruang warna dari RGB ke HSV
dapat menggunakan fungsi pada matlab, yaitu 𝑟𝑔𝑏2ℎ𝑠𝑣. Cara
penggunaan fungsi dapat dilihat pada persamaan (1).
𝑐i𝑡𝑟𝑎𝐻𝑆𝑉 = 𝑟𝑔𝑏2ℎ𝑠𝑣(𝑛𝑎𝑚𝑎𝐶i𝑡𝑟𝑎)…………………………….……….(1)
3) Menghitung moment masing-masing ruang warna (H,S,V) pada setiap
region. Dalam proses ekstraksi, Color Moment menggunakan dua
moment utama distribusi warna di gambar yaitu mean dan standard
deviation (Herdiyeni & Santoni, 2012). Nilai mean dan standard
deviation dicariuntuk setiap komponen warna dari model warna HSV
menggunakan persamaan (2)-(3) berikut:
1
𝐸𝑖 = 𝑁 ∑𝑁
𝑗=1 𝑃 ij ………………………………………………………(2)
1
𝑗=1(𝑃𝑖𝑗 − 𝐸𝑖 ) ))…………………………………………….(3)
𝜎i = √(𝑁 ∑𝑁 2
Keterangan:
𝐸i = Rata-rata nilai warna dalam citra (mean) pada region i
𝜎i = Akar pangkat dari varians (Standard Deviation) pada region i
𝑁 = Jumlah total piksel pada citra
𝑃ij = Nilai dari komponen warna ke-i pada piksel ke-j
1) Energy
Energy adalah pengukuran tekstur dari gambar grayscale
yang merepresentasikan perubahan homogeneity, merefleksikan
keseragaman berat dan tekstur distribusi gambar grayscale. Energy
dihitung dengan menggunakan persamaan (4).
𝐸 = ∑𝑥 ∑𝑦 𝑃(x,y)2……………………………...…………………(4)
Keterangan :
𝐸 = Energy
𝑃(𝑥, 𝑦) = Nilai pasangan piksel 𝑥 dan 𝑦
2) Contrast
Contrast adalah diagonal utama yang mengukur nilai matriks yang
terdistribusi, merefleksikan kejelasan gambar dan tekstur kedalaman
bayangan. Contrast dihitung dengan menggunakan persamaan (5).
I = ∑∑(𝑥 − 𝑦)2 P (x,y)………………………………………….(5)
Keterangan :
𝐼 = Contrast
𝑃(𝑥, 𝑦) = Nilai pasangan piksel 𝑥 dan 𝑦
3) Correlation
Correlation mengukur keterhubungan linear tingkat keabuan satu piksel
relatif terhadap piksel lannya pada posisi tertentu. Correlation dihitung
dengan menggunakan persamaan (6).
1
C = σ ((∑𝑥 ∑𝑦 𝑃(x∗y) P (x,y)) - 𝜇2 )………………………….(6)
𝑖
Keterangan :
𝐶 = Correlation
𝜎 = Variansi
𝜇 = Rata-rata
𝑃(𝑥, 𝑦) = Nilai pasangan piksel 𝑥 dan 𝑦
4) Homogenity
Homogeneity mengukur nilai perubahan lokal pada tekstur
gambar. Homogenity dihitung dengan menggunakan persamaan (7).
1
H = ∑𝑥 ∑𝑦 P(x,y)………………………………………..(7)
1+(𝑥−𝑦)2
Keterangan:
𝐻 = Homogeneity
𝑃(𝑥, 𝑦) = Nilai pasangan piksel 𝑥 dan 𝑦
9. Metode Penelitian
9.1 Metode Pengumpulan Data
1) Studi Pustaka
Studi Pustaka dilakukan dengan cara menelaah beberapa literatur, yaitu:
a. Buku Referensi
Buku yang digunakan sebagai referensi adalah buku-buku yang
membahas tentang Pengolahan Citra Digital.
b. Jurnal Ilmiah
Jurnal ilmiah yang digunakan diperoleh dengan cara mengunduhnya
melalui internet. Informasi yang diperoleh adalah informasi yang
membahas tentang citra digital dengan menggunakan metode Color
Moment dan Gray level co - occurrence matrix.
2) Studi Analisis
Metode ini dilakukan dengan cara melakukan analisis terhadap masalah
yaitu mengimplementasikan metode Color Moment dan Gray level co -
occurrence matrix, dalam perancangan sistem yang dapat membantu dalam
mengidentifikasi penyakit tanaman padi pada citra daun padi.
a. Perangkat Lunak
1. Sistem Operasi Windows 10
2. Xampp versi 3.3.0 (PHP, Apache, MySQL)/
3. Codeigniter versi 3.0.
4. Visual Studio Code (Text Editor)
5. Google Chrome (Browser)
6. Microsoft Office 2020
b. Perangkat Keras
1. Monitor minimal VGA atau SVGA
2. Processor Ryzen 3
3. RAM 8048 MB
4. Free space 500 MB
5. Harddisk 32 GB
2) Desain
Desain perangkat lunak adalah proses multi langkah yang fokus pada
desain pembuatan program perangkat lunak termasuk struktur data,
arsitektur perangkat lunak, representasi antarmuka, dan prosedur
pengodean. Tahap ini mentranslasi kebutuhan perangkat lunak dari tahap
analisis ke representasi desain agar dapat diimplementasikan menjadi
program pada tahap selanjutnya.
Pengujian kotak hitam adalah proses yang menguji perangkat lunak dari
segi spesifikasi fungsional tanpa menguji desain dan kode program.
Pengujian dimaksudkan untuk mengetahui apakah fungsi-fungsi,
masukan dan keluaran dari perangkat lunak sesuai dengan spesifikasi
yangdibutuhkan.
Pengujian kotak putih adalah proses yang menguji perangkat lunak dari
segi desain dan kode program apakah mampu menghasilkan fungsi-
fungsi, masukan dan keluaran yang sesuai dengan spesifikasi
kebutuhan.
5) Pemeliharaan
Dewi, R. K., & Ginardi, R. V. H. (2014). Identifikasi Penyakit pada Daun Tebu dengan
Gray Level Co-Occurrence Matrix dan Color Moments. Jurnal Teknologi
Informasi Dan Ilmu Komputer, 1(2), 70. https://doi.org/10.25126/jtiik.201412114
Nurtriana Sitepu, K., Effendi, R., & Sariasih, Y. (2019). No Title. Skripsi Informatika,
Universitas Bengkulu.
Rodhi Supriyadi, M., Putri Purwandari, E., & Erlansari, A. (2018). No Title. Skripsi
Teknik Informatika, Universitas Bengkulu.
Sari, I. P. (2016). Perancangan dan Simulasi Deteksi Penyakit Tanaman Jagung
Berbasis Pengolahan Citra Digital Menggunakan Metode Color Moments dan
GLCM. Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri (SENIATI),
215–220.
Dewi, R. K., & Ginardi, R. V. H. (2014). Identifikasi Penyakit pada Daun Tebu dengan
Gray Level Co-Occurrence Matrix dan Color Moments. Jurnal Teknologi
Informasi Dan Ilmu Komputer, 1(2), 70. https://doi.org/10.25126/jtiik.201412114
Nurtriana Sitepu, K., Effendi, R., & Sariasih, Y. (2019). No Title. Skripsi Informatika,
Universitas Bengkulu.
Rodhi Supriyadi, M., Putri Purwandari, E., & Erlansari, A. (2018). No Title. Skripsi
Teknik Informatika, Universitas Bengkulu.
Sari, I. P. (2016). Perancangan dan Simulasi Deteksi Penyakit Tanaman Jagung
Berbasis Pengolahan Citra Digital Menggunakan Metode Color Moments dan
GLCM. Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri (SENIATI),
215–220.