Prediksi Kadar NPK Daun Tanaman Melon Golden (Cucumis melo L.) menggunakan Fitur Warna Citra Digital Reflektansi dan Model Partial Least Square (PLS)

Hanief, Zuchal and Dr. Mochamad Bagus Hermanto, STP, M.Sc. and Dr.Agr.Sc. Dimas Firmanda Al-Riza, ST., M.Sc., ST., M.Sc. (2023) Prediksi Kadar NPK Daun Tanaman Melon Golden (Cucumis melo L.) menggunakan Fitur Warna Citra Digital Reflektansi dan Model Partial Least Square (PLS). Sarjana thesis, Universitas Brawijaya.

Abstract

Melon (Cucumis melo L.) merupakan buah yang berasal dari suku labu-labuan atau Cucurbitacea. Saat ini, tersebar 94 varietas melon unggulan di Indonesia, salah satunya adalah golden melon. Melon golden merupakan melon lokal hasil persilangan antara timun mas dan melon salah satu varietas melon golden. Produksi melon di Indonesia sempat mengalami penurunan produksi. Penurunan produksi buah melon dapat disebabkan oleh beberapa hal diantaranya adalah serangan hama serta kurangnya pengetahuan mengenai unsur dan nutrisi yang dibutuhkan oleh tanaman. Faktor yang dapat mempengaruhi pertumbuhan tanaman adalah kandungan yang terdapat pada pupuk kompos diantaranya adalah karbon (C), kalium (K), Nittrogen (N), Phospat (P) dan unsur hara lainnya, selain itu pupuk kompos juga mengandung hormon pertumbuhan yang baik untuk tanaman. Dimana tanaman yang sehat dapat dilihat dari kondisi daun dan buahnya. Tujuan dari penelitian ini adalah untuk membangun model prediksi untuk mendukung sistem identifikasi kadar NPK daun tanaman Melon Golden berdasarkan analisis citra digital reflektansi dengan computer vision menggunakan vitur warna. Dalam penelitian ini metode yang digunakan adalah metode eksperimental laboratorik yang dilakukan dengan dua tahap yaitu uji destruktif dan uji non-destruktif. Uji destruktif dilakukan dengan mengukur kadar Nitrogen (N), Phospat (P) dan Kalium (K) dimana uji kadar N total dengan menggunakan metode Kdejhal, sedangkan uji P, K menggunakan metode oksidasi basah dengan pelarut HNO3 dan HCLO4. Uji non-destruktif dilakukan dengan mengambil citra daun tanaman melon Golden menggunakan computer vision berbasis reflektansi. Proses permodelan prediksi kadar NPK menggunakan Partial Least Square Regression (PLSR). Pada model regresi didapatkankan hasil model untuk kadar nitrogen (N) menggunakan data set reflektansi dengan nilai R2 training sebesar 0,35 dan R2 testing sebesar 0,33. Pada model regresi didapatkankan hasil model untuk kadar phospat (P) menggunakan data set reflektansi dengan nilai R2 training sebesar 0,35 dan R2 testing sebesar 0,33. Pada model regresi didapatkankan hasil model untuk kadar kalium (K) menggunakan data set reflektansi dengan nilai R2 training sebesar 0,35 dan R2 testing sebesar 0,33. Berdasarkan nilai tersebut dapat disimpulkan bahwa nilai pemodelan masih kurang baik dikarenakan masih dibawah 0,67.

English Abstract

Melon (Cucumis melo L.) is a fruit that comes from the pumpkin or Cucurbitacea tribe. Currently, there are 94 superior melon varieties in Indonesia, one of which is golden melon. Golden melon is a local melon resulting from a cross between golden cucumber and melon, one of the golden melon varieties. Melon production in Indonesia experienced a decline in production. The decline in melon production can be caused by several things, including pest attacks and a lack of knowledge about the elements and nutrients needed by plants. Factors that can influence plant growth are the contents of compost fertilizer, including carbon (C), potassium (K), nitrogen (N), phosphate (P) and other nutrients. Apart from that, compost fertilizer also contains growth hormones which are good for plants. Healthy plants can be seen from the condition of their leaves and fruit. This research aims to build a prediction model to support a system for identifying NPK levels in Golden Melon plant leaves based on digital image reflectance analysis with computer vision using color features. In this research, the method used was a laboratory experimental method which was carried out in two stages, namely destructive testing and non-destructive testing. The destructive test was carried out by measuring the levels of Nitrogen (N), Phosphate (P) and Potassium (K), where the total N content test used the Kdejhal method, while the P, K test used the wet oxidation method with HNO3 and HCLO4 solvents. The non-destructive test was carried out by taking images of Golden melon plant leaves using reflectance-based computer vision. The modeling process for predicting NPK levels uses Partial Least Square Regression (PLSR). In the regression model, model results were obtained for nitrogen (N) levels using the reflectance data set with a training R2 value of 0.35 and a testing R2 value of 0.33. In the regression model, model results were obtained for phosphate (P) levels using the reflectance data set with a training R2 value of 0.35 and a testing R2 value of 0.33. In the regression model, model results were obtained for potassium (K) levels using the reflectance data set with a training R2 value of 0.35 and a testing R2 value of 0.33. Based on this value, it can be concluded that is still not good because R2 still below 0.67.

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	Melon Golden, Natrium (N), Phospat (P), Kalium (K), Computer Vision, Reflektansi, Partial Least Square Regression
Divisions:	Fakultas Teknologi Pertanian > Keteknikan Pertanian
Depositing User:	Unnamed user with username nova
Date Deposited:	06 Mar 2024 06:26
Last Modified:	06 Mar 2024 06:26
URI:	http://repository.ub.ac.id/id/eprint/216923

Text (DALAM MASA EMBARGO) Zuchal Hanief.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item