Aplikasi Mobile Scotect: Aplikasi Deteksi Warna Tanah Dengan Teknologi Citra Digital Pada Android
DOI:
https://doi.org/10.25126/jtiik.201631162Abstrak
Abstrak
Salah satu komponen utama dari lahan adalah tanah. Untuk mengetahui tingkat kesuburan tanah, kita harus mengetahui bagaimana karakteristik tanah dari tanah. Untuk mengetahui bagaimana karakteristik tanah, cara yang paling mudah untuk dilakukan adalah dengan mengamati warna dari tanah tersebut. Jika kita amati, warna tanah di setiap lokasi dan kedalaman akan berbeda. Ada tanah berwarna hitam, coklat, merah, kuning, dan masih banyak lagi variasi warna tanah yang lain. Banyaknya variasi warna tanah membuat peneliti kesulitan dalam menentukan warna tanah, karena satu-satunya cara yang saat ini digunakan peneliti untuk menentukan warna tanah adalah dengan membandingkan secara manual satu persatu sampel yang dimiliki dengan warna baku yang ada pada buku Munsell Soil Color Chart. Variasi warna pada yang mencapai lebih dari 250 macam warna membuat peneliti membutuhkan waktu lama dan ketelitian dalam penentuan warna tanah. Untuk memecahkan permasalahan tersebut penulis menggagas sebuah alat bersifat mobile yang dapat membantu para peneliti di bidang ilmu tanah dalam menentukan warna lapisan tanah dengan nama SCOTECT (Soil Color Detection). SCOTECT merupakan aplikasi pada perangkat smartphone dengan OS Android, yang didalamnya telah ditanamkan algoritma dengan nama Algoritma SCOTECT yang merupakan sekumpulan tahapan proses yang digunakan untuk klasifikasi warna tanah. Smartphone dengan OS Android dipilih karena saat ini Android merupakan OS dengan perkembangan pengguna paling cepat dibandingkan OS yang lain. Dari hasil uji coba terhadap SCOTECT Mobile Apps didapatkan kesimpulan bahwa kinerja algoritma yang ditanamkan dalam aplikasi dapat melakukan klasifikasi warna tanah dengan akurasi sampai dengan 90,58%. Dengan kata lain kedepan aplikasi ini dapat membantu peneliti dalam proses klasifikasi warna tanah.
Kata kunci: tanah, warna tanah, deteksi warna, mobile apps, SCOTECT
Abstract
Soil is a major component of the land. To determine the level of soil fertility, we must know how the soil characteristics. To find out how the characteristics of the soil, the color is the main characteristic of the most easily observed. Soil color varies greatly, ranging from jet black, brown, brick red, orange, yellow, to white. The great variation in color of the soil researcher difficulties in determining the color of the soil, because investigators must compare them manually one by one with a standard color on the Munsell Soil Color Chart book. Color variations on that reaches more than 250 kinds of colors make the researcher takes a long time and accuracy in the classification of the soil color. To solve these problems is the author initiated a mobile tool that could help researchers in the field of soil science in determining the color of the soil layer with the name SCOTECT (Soil Color Detection). SCOTECT is an application on smartphones with Android OS, which also have been implanted with the name algorithm SCOTECT algorithm which is a set of process steps used for the classification of soil color. Smartphone with Android OS have been selected for the current Android is an OS with the development of the fastest compared to other OS. From the test results against SCOTECT Mobile Apps was concluded that the performance of the algorithm is embedded in the application can perform color classification of land with an accuracy up to 90.58%. In other words, the future of these applications can help researchers in the classification process color of the soil.
Keywords: soil, soil color, color detection, mobile apps, SCOTECT
Downloads
Referensi
ANAM, M.K., 2015. Pembuatan Alat Penentu Warna Tanah Berdasarkan Munsell Soil Color Charts. S.Kom Skripsi. Bogor: Institut Pertanian Bogor.
DEZA, M.M. & DEZA, E., 2009. Encyclopedia of Distances. Berlin Heidelberg: Springer.
GONZALES, R.C. & WOODS, R.E., 2012. Digital Image Processing. New Jersey: Prentice-Hall, Inc.
HAMERLY, G. & ELKAN, C., 2002. Alternatives to the k-means algorithm that find better clusterings. In Conference on Information and Knowledge Management. Virginia, 2002.
HARDJOWIGENO, S., 1992. Ilmu Tanah. Jakarta: PT. Mediyatama Sarana Perkasa.
MUNIR, R., 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika.
MUNSEL, A.H., 2009. Munsell Soil Color Chart Book. Grand Rapids (US): X-Rite.
MURNI, A., 1992. Pengantar Pengolahan Citra. Surabaya: Elex Media Komputindo.
PATIDAR, P., GUPTA, M., SRIVASTAVA, S. & NAGAWAT, A.K., 2010. Image De-noising by Various Filters for Different Noise. International Journal of Computer Applications, 9(4), pp.46-50.
PRIANDANA, K., S, A.Z. & SUKARMAN, 2014. Mobile Munsell Soil Color Chart Berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi KNN. Jurnal Ilmu Komputer Agri-Informatika, 3(2), pp.93-101.
PUSAT DATA DAN SISTEM INFORMASI PERTANIAN, 2013. Statistik Lahan Pertanian Tahun 2008-2012. [Online] Jakarta: Kementrian Pertanian Available at: http://pertanian.go.id/ [Accessed 24 September 2015].
PUTRA, D., 2010. Pengolahan Citra Digital. Yogyakarta: ANDI.
RAHMANI, K.I., PAL, N. & ARORA, K., 2014. Clustering of Image Data Using K-Means and Fuzzy K-Means. International Journal of Advanced Computer Science and Applications, 5(7), pp.160-63.
UNITED STATES DEPARTMENT OF AGRICULTURE, 1999. Soil Taxonomy: A Basic System of Soil Classification for Making and Interpreting Soil Surveys. Washington DC: U.S. Government Printing Office.
UNITED STATES DEPARTMENT OF AGRICULTURE, 2000. The Color of Soil. [Online] Available at: http://www.nrcs.usda.gov [Accessed 21 Februari 2016].
WAHYUDI, 2012. Robot Hijau Masih Kuasai Indonesia. [Online] Available at: http://tekno.kompas.com [Accessed 20 Februari 2016].
YULIPRIYANTO, H., 2010. Biologi Tanah dan Strategi Pengolahannya. Yogyakarta: Graha Ilmu.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).