Prabowo, Rahmadyo Yudhi (2017) Klasifikasi Kandungan Nitrogen Berdasarkan Warna Daun Melalui Color Clustering Menggunakan Metode Fuzzy C Means Dan Hybrid Pso K-Means. Magister thesis, Universitas Brawijaya.
Abstract
Pertumbuhan dan perkembangan tanaman jagung sangat dipengaruhi oleh pemenuhan kebutuhan unsur hara yang harus terpenuhi secara baik, jenis unsur hara yang sangat diperlukan pada tanaman jagung yaitu nitrogen (N). Jika tanaman kekurangan atau kelebihan unsur hara akibatnya adalah pertumbuhan tanaman yang abnormal. Gejala kekurangan N yang paling jelas dan biasa terlihat adalah berkurangnya warna hijau dari dedaunan (chlorosis). Kebutuhan unsur hara dapat terpenuhi salah satunya dengan cara pemupukan. Komposisi pemberian pupuk pada tanaman jagung disesuakan dengan kebutuhan unsur hara yang perlu untuk diketahui oleh petani. Efisiensi pemupukan tidak hanya berperan penting dalam peningkatan pendapatan petani, tetapi juga terkait dengan keberlanjutan sistem produksi (sustainable production system), kelestarian lingkungan dan penghematan sumber energi. Pada penelitian ini akan dilakukan perancangan sistem identifikasi kandungan nitrogen berdasarkan warna daun yang diawali dengan proses pembelajaran dengan menggunakan metode clustering Fuzzy C Means dan Hybrid PSO KMeans berdasarkan data hasil ekstraksi fitur warna berdasarkan parameter (RGB, HSV dan S-RGB) serta nilai klorofil hasil dari pengukuran menggunakan alat klorofilmeter. Hasil dari proses pembelajaran ini yaitu berupa pola parameter warna (RGB, HSV dan S-RGB) berdasarkan klasifikasi kandungan nitrogen dengan kategori rendah, sedang dan tinggi. Proses berikutnya adalah pengujian sistem klasifikasi yang dilakukan dengan cara pengukuran jarak kemiripan (similarity measure) antara pola klasifikasi dengan citra daun dari data uji untuk masing-masing parameter warna. Hasil pengujian dari sistem klasifikasi ini kemudian divalidasi dengan cara mencocokannya dengan hasil pengukuran klorofilmeter. Pengukuran terhadap hasil sistem klasifikasi ini menggunakan parameter recall, precision dan RMSE sedangkan pengukuran terhadap performa dari metode clustering menggunakan homogenitas data varian. Hasil penelitian ini diperoleh bahwa pola parameter warna HSV hasil clustering dari metode Fuzzy C Means serta melalui metode pengukuran jarak Chebysev distance memiliki kemampuan dalam mengidentifikasi kandungan nitrogen berdasarkan warna daun dengan sangat baik berdasarkan nilai recall sebesar 92,93%, nilai precision sebesar 99 % serta RMSE sebesar 6,09. Sedangkan untuk pengukuran terhadap metode clustering menggunakan metode pengujian homogenitas data varian. Hasilnya metode Hybrid PSO K-Means memiliki nilai homogenity sebesar 3,00 sedangkan metode Fuzzy C Means dengan nilai homogenity sebesar 3,38.
English Abstract
Stage of growth and development of corn is considerably affected by the appropriate fulfilment of nutrient needs. Nitrogen (N) serves as the most paramount nutrient for corn. Excess nutrient or nutrient deficiency can result in abnormal plant growth. Evident and common symptom of N deficiency is fading green colour on leaf (chlorosis). Fertilization is one of methods fulfilling the needs of nutrient. Any farmer must understand the appropriate composition of fertilizer to be applied to corn as it is adjusted to its nutrient needs. Efficient fertilization does not only play prominent role in increasing the farmer’s income, it is also related to the sustainable production system, environment sustainability, and energy sources saving. This research was aimed at designing the system of identification of nitrogen content based on leaf colour, started with the research process using the clustering methods of Fuzzy C Means and Hybrid PSO K-Means based on the extraction result of RGB, HSV and S-RGB parameters-based colour features as well as value of chlorophyll from measurements with chlorophylleter tool. The result of this research process is in the form of colour parameter pattern (RGB, HSV and S-RGB) based on the classification of nitrogen content under low, medium and high classification. The subsequent process was testing the classification system by measuring the similarity measure between the classification pattern and the leaf image from the test data of each colour parameter. Test results from this classification system were then validated by comparing them with the results of chlorophylleter measurement. The results of this classification system were measured by using parameter recall, precision and RMSE while the performance of clustering method was measured by using the homogeneity of variance data. This research result showed that the HSV colour parameter pattern of clustering results under the Fuzzy C Means method and distance measure method of Chebysey distance had an excellent ability to identify the nitrogen content based on leaf colour under the recall value of 92.93%, precision value of 99% and RMSE of 6.09. While the measurement of clustering by testing the homogeneity of variances. The result showed that the method of Hybrid PSO K-Means had a homogeneity value of 3.00, while the Fuzzy C Means method had a homogeneity value of 3.38.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/581.48/PRA/k/2018/041802267 |
| Uncontrolled Keywords: | LEAVER - COLOR, NITROGEN, FUZZY SYSTEMS, ARTIJICRAL INTELLIGENCE |
| Subjects: | 500 Natural sciences and mathematics > 581 Specific topics in natural history of plants > 581.4 Adaptation > 581.48 Betulales |
| Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
| Depositing User: | Nur Cholis |
| Date Deposited: | 21 Dec 2018 03:31 |
| Last Modified: | 21 Dec 2018 03:31 |
| URI: | http://repository.ub.ac.id/id/eprint/162304 |
Actions (login required)
 |
View Item |