IDENTIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN JENSEN

SHANNON DIVERGENCE BERBASIS ANDROID

Nona Dengen

Jurusan S-1 Teknik Informatika, Universitas Halu Oleo, Kendari-93121

nanodengen17@gmail.com

ABSTRAK

Padi merupakan bahan makanan pokok

bagi masyarakat Indonesia. Fakta di lapangan

produktifitas padi dari tahun ke tahun

semakin menurun dikarenakan tanaman padi

rentan terhadap hama dan penyakit. Maka

diperlukan suatu aplikasi sistem pakar

menggunakan android yang diharapkan

mampu mengatasi masalah tersebut.

Aplikasi yang dibangun menggunakan

3 tahapan proses identifikasi penyakit

tanaman padi, yaitu tahap praproses

grayscale digunakan untuk ekstraksi ciri

warna, ekstraksi ciri menggunakan local

binary pattern dan metode Jensen Shannon

untuk mengklasifikasikan dengan cara

menghitung kedekatan vektor dari citra

sampel dan citra uji. Dalam penelitian ini

terdapat 4 jenis penyakit utama yang

umumnya menyerang tanaman padi yaitu

Tungro, Hawar daun, Leaf blass, dan Bercak

coklat.

Dari hasil pengujian yang dilakukan,

tingkat akurasi data dalam proses identifikasi

penyakit pada padi dengan menggunakan

metode Jensen Shannon mencapai 86%.

Pengujian yang dilakukan didasarkan pada

jarak dan tingkat pencahayaan saat

pengambilan data citra. Sampel citra yang

diuji diambil pada jarak 5 cm, 10 cm, dan 15

cm. Semakin jauh jarak pengambilan maka

tingkat akurasi data semakin berkurang.

Kata Kunci : Padi, Jensen Shannon

Divergence, Citra, Ekstraksi Ciri

ABSTRACT

Rice is the staple food for the people

of Indonesia, as derived from corn, sago and

tubers. Facts on the ground rice productivity

from year to year due to declining rice plants

susceptible to pest sand diseases and because

ofthe difficulty of communication with expert

farmers because the distance between farmer

sand experts. It needs an expert system using

android application that is expected to

resolve the issue.

Applications build using the three

stages of the rice plant disease identification

process, the preprocessing stage grayscale

color sused for feature extraction, feature

extraction using a local binary pattern and

Shannon Jensen method to classify vectors by

calculating the proximity of the sample image

sand test images. In this study, there are four

main types of disease that usually attacks the

rice plantis Tungro, leaf blight, Leaf Blass,

and brown spots.

From theresults of tests performed,

the level ofdata accuracyin the identification

rice diseases using Shannon Jensen reaches

86%. Tests were carried out based on the

distance and the light level when shooting the

image data. Samples tested images take from

distance of 5cm, 10cm, and 15cm. The farther

the distance, the retrieval accuracy rate

decreases. However, applications are built

using cropping systems so as to maximize the

identification of rice diseases despite taking

different distances.

Keywords: Rice, Jensen Shannon, Image,

Feature Extraction

1. Pendahuluan

Padi merupakan bahan makanan

pokok bagi masyarakat Indonesia selain

jagung, sagu dan umbi-umbian. Penyakit

tanaman adalah kondisi dimana sel dan

jaringan tanaman tidak dapat berfungsi secara

normal yang disebabkan adanya gangguan

secara terus menerus oleh gen patogenik

(biotik) atau faktor lingkungan. Penyakit

yang menyerang tanaman padi diantaranya

Tungro, Busuk Leher, Brown Spot, Hawar

Daun, Busuk Akar, Kerdil Hampa, Busuk

Leher Padi. Penyakit tersebut dapat

mengakibatkan kematian dan penurunan

kualitas dan kuantitas hasil pertanian secara

signifikan sehingga secara ekonomis dapat

menyebabkan kerugian bagi petani. Untuk itu

diperlukan identifikasi dini terhadap penyakit

yang menyerang tanaman agar mudah

dilakukan pencegahan. Identifikasi penyakit

tanaman dapat ditentukan berdasarkan fitur

atau penciri dari suatu citra berpenyakit. Pada

penelitian ini fitur atau penciri yang

digunakan adalah fitur ekstraksi pola dan

warna dengan menggunakan metode Jensen

Shannon Divergence. Berdasarkan latar

belakang di atas, penulis membuat suatu

penelitian yang berjudul “Identifikasi

Penyakit Tanaman Padi Menggunakan

Jensen Shannon Divergence Berbasis

Android“ yang akan menjadi solusi bagi

petani untuk dapat mengetahui kondisi

tanaman padi mereka.

2. Landasan Teori

A. Penyakit pada Padi

Penyakit pada tanaman padi adalah

kondisi dimana sel dan jaringan tanaman

tidak dapat berfungsi secara normal

disebabkan adanya gangguan secara terus

menerus oleh gen patogenik (boitik) atau

faktor lingkungan. Jenis-jenis penyakit yang

sering menyerang tanaman padi yaitu Tungro,

Blast, Bercak Coklat, dan Hawar Daun.

B. Histogram

Histogram citra adalah grafik yang

menggambarkan penyebaran nilai-nilai

intensitas pixel dari suatu citra atau bagian

tertentu di dalam citra. Dari sebuah histogram

dapat diketahui frekuensi kemunculan nisbi

(relative) dari intensitas pada citra tersebut.

Histogram juga dapat menunjukkan banyak

hal tentang kecerahan (brightness) dan

kontas (contrast) dari sebuah gambar. Karena

itu, histogram adalah alat bantu yang

berharga dalam pekerjaan pengolahan citra

baik secara kualitatif maupun kuantitatif.

C. Local binary Pattern

Local Binary Pattern (LBP)

merupakan suatu metode untuk

mendeskripsikan tekstur pada mode warna

grayscale. LBP adalah sekumpulan pixel

ketetanggaan yang tersebar secara melingkar

(circular neighborhoods) dengan pusat piksel

berada di tengah seperti ditunjukkan pada

Gambar 1. Notasi gi merupakan nilai gray

level piksel ketetanggaan. Rataan seluruh

piksel (piksel ketetanggaan dan piksel pusat

gc) digunakan sebagai nilai ambang batas

(threshold) untuk memotong setiap nilai

piksel ketetanggaan untuk mendapatkan kode

binernya.

Gambar 1 Contoh Pixel Ketetanggaan

D. Jensen Shannon Divergence

Jensen Shannon Divergence adalah

metode yang digunakan untuk mengukur

kesamaan antara dua distribusi probabilitas.

Hal ini didasarkan pada perbedaan Kullback-

Leibler, dengan beberapa perbedaan termasuk

nilai simetris atau nilai yang terbatas. Akar

kuadrat dari perbedaan Jensen-Shannon

adalah metriks yang sering disebut jarak

Jensen-Shannon. Jensen Shannon Divergence

didefinisikan oleh persamaan

JD 𝒗1 , 𝒗2

= k . log𝒗𝟏 (𝑘)

𝒗1 𝑘 + 𝒗2(𝑘)

𝑛

𝑘=1

+ 𝒗2 𝑘 . log𝒗2 (𝑘)

𝒗1 𝑘 + 𝒗2(𝑘)

E. Android

Android adalah Sistem Operasi untuk

telepon seluler berbasis Linux sebagai

kernelnya. Mengapa Android begitu pesat

perkembangan di era saat ini? Karena

Android menyediakan platform terbuka

(Open Source) bagi para pengembang untuk

menciptakan aplikasi mereka sendiri.

Awalnya, perusahaan search engine terbesar

saat ini, yaitu Google Inc. membeli Android

Inc. pendatang baru yang membuat peranti

lunak untuk ponsel. Android, Inc. didirikan

oleh Andy Rubin, Rich Milner, Nick Sears

dan Chris White pada tahun 2003. Pada

Agustus 2005 Google membeli Android Inc.

Kemudian untuk mengembangkan Android

dibentuklah Open Handset Alliance

konsorsium dari 34 perusahaan hardware,

software dan telekomunikasi, termasuk

Google, HTC, Intel, Motorola, Qualqomm, T-

Mobile dan N-vidia.

3. Metode Penelitian

A. Metode Pengumpulan Data

Adapun metode pengumpulan

data-data dan informasi yang diperlukan

adalah studi pustaka, yaitu teknik

pengumpulan data dengan melakukan

penelitian, menghimpun dan menganalisis

dokumen. Dokumen yang termasuk

didalamnya yaitu penelitian terdahulu,

buku, artikel, dan jurnal yang berkaitan

dengan objek penelitian.

B. Metode Pengembangan

Dalam perancangan sistem ini,

penulis menggunakan metode Rational

Unified Process (RUP). Pemilihan

metode ini dilakukan dengan alasan

aplikasi yang akan dikembangkan

merupakan aplikasi dengan skala

kecil/menengah, serta terfokus pada

lingkup tertentu. Selain itu

pengembangan aplikasi ini dilakukan

dalam waktu singkat. Tahapan dalam

metode ini adalah Inception, Elaboration,

Construction, dan Transition.

4. Analisa dan Perancangan Sistem

A. Deskripsi Umum Sistem

Gambaran umum sistem yang akan

dibangun yaitu pertama-tama user akan

melakukan login terlebih dahulu. Untuk

melakukan identifikasi dapat memperoleh

gambar (objek) dengan memilih menu ambil

gambar atau menu cari gambar. Kemudian

gambar akan melalui tahap praproses, dimana

pada tahap ini ciri warna akan diekstraksi

menggunakan grayscale. Selanjutnya tahap

ekstraksi fitur, dimana pada tahap ini

ekstraksi ciri menggunakan Local binary

pattern dan selanjutnya tahap kalsifikasi

menggunakan Jensen Shannon Divergence.

Gambaran umum sistem disajikan pada

gambar berikut.

Gambar 2 Deskripsi Umum Sistem

B. Pra-Proses

1. Proses cropping

Proses cropping digunakan untuk

mengambil sebagian objek padi yang

dominan berpenyakit untuk

memfokuskan citra daun padi yang akan

diklasifikasi.

2. Grayscale

Untuk mendapatkan nilai graylevel pada

citra maka dilakukan proses grayscale.

Grayscale berfungsi untuk memudahkan

proses klasifikasi citra agar lebih terfokus

terhadap masing-masing piksel.

Grayscale juga memudahkan dalam

proses lanjutan yaitu dalam proses

threshold.

3. Thresholding

Dalam metode thresholding lokal, nilai

threshold ditentukan untuk setiap piksel

berdasarkan nilai grayscale dan nilai

grayscale tetangga. Proses ini dilakukan

untuk mengetahui kedekatan nilai setiap

piksel tetangga.

C. Analisis Algoritma Jensen Shannon

Divergence

Jensen Shannon Divergence adalah

metode yang digunakan untuk mengukur

kesamaan antara dua distribusi probabilitas.

Hal ini didasarkan pada perbedaan Kullback-

Leibler, dengan beberapa perbedaan termasuk

nilai simetris atau nilai yang terbatas.

Sebagai contoh, dengan dua vektor (𝑣1 = [4,3,6] dan 𝑣2 = [2,3,7]), maka jarak dari

kedua vektor tersebut adalah

JD v1 , v2

= k . log𝒗𝟏 (𝑘)

𝒗1 𝑘 + 𝒗2(𝑘)

𝑛

𝑘=1

+ 𝒗2 𝑘 . log𝒗2 (𝑘)

𝒗1 𝑘 + 𝒗2(𝑘)

𝐽𝐷 4, 3, 6 2, 3, 7 = 4 ∗

log 4∗2

4+2 + 3 ∗ 𝑙𝑜𝑔

2∗3

3+3 + 6 ∗

𝑙𝑜𝑔 2∗6

6+7 + 2 ∗ 𝑙𝑜𝑔

2∗2

4+2 + 3 ∗

𝑙𝑜𝑔 2∗3

3+3 + 7𝑙𝑜𝑔

2∗7

6+7 = 0,3783

D. Perancangan Aplikasi

1. Use Case

Use case diagram digunakan untuk

memodelkan dan menyatakan unit fungsi atau

layanan yang disediakan oleh sistem. Use

case diagram juga menjelaskan apa yang di

dikerjakan oleh sistem yang akan dibangun

dan siapa saja yang berinteraksi di dalamnya.

Berikut ini adalah Use Case Diagram aplikasi

identifikasi penyakit pada tanaman padi.

Gambar 3 Use Case Diagram

2. Flowchart

Flowchart program secara umum ini

menjelaskan alur proses identifikasi penyakit

pada tanaman padi secara umum. Flowchart

program ini memiliki tiga tahap yaitu

praproses, ekstraksi ciri dan klasifikasi.

Gambar 4 Flowchart Program

a. Flowchart Pra-Proses

Gambar 5 Flowchart Pra-Proses

b. Flowchart Ekstraksi Fitur

Gambar 6 Flowchart Ekstraksi Fitur

c. Flowchart Klasifikasi

Gambar 7 Flowchart Klasifikasi

5. Implementasi

A. Analisis dan Hasil Pengujian

Pada penelitian ini digunakan 20 citra

daun berpenyakit, 5 citra daun padi sehat dan

3 citra selain daun padi. 28 citra uji tersebut

akan melewati praproses, ekstraksi ciri dan

proses klasifikasi. Proses pengujian

dilakukan sebanyak 3 kali dengan

memperhatikan jarak pengambilan objek.

Dimana jarak yang digunakan yaitu 5 cm, 10

cm dan 15 cm.

Jumlah data yang digunakan pada

pengujian I berjumlah 15 data citra uji

dengan jarak 5 cm.

Tabel 1 Tabel Pengujian 1

No Citra Target Hasil

Identifikasi

Keteran

gan

Nilai

JD

1.

Tungro

Tungro

Cocok 132,1

3

2.

Tungro

Tungro

Cocok 141,4

9

3.

Hawar

Daun

Hawar

Daun

Cocok 219,4

1

4.

Hawar

Daun

Hawar

Daun

Cocok 8,26

5.

Blass

Blass

Cocok 149,3

4

6.

Blass

Blass

Cocok 135,1

0

7.

Bercak

Coklat

Bercak

Coklat

Cocok 265,7

7

8.

Bercak

Coklat

Bercak

Coklat

Cocok 346,7

8

9.

Tanaman

Sehat

Tanaman

Sehat

Cocok 208,8

3

10.

Tanaman

Sehat

Tanaman

Sehat

Cocok 415,7

2

11

.

Tidak

Teridentifi

kasi

Tidak

Teridentifi

kasi

Cocok

8228,

6

9378

10307

,86

12

.

Tidak

Teridentifi

kasi

Tidak

Teridentifi

kasi

Cocok

4788,

47

5224,

37

8745,

27

13

.

Tidak

Teridentifi

kasi

Tidak

Teridentifi

kasi

Cocok

6213,

7

6001,

25

8319

14

.

Tidak

teridentifi

kasi

Tanaman

sehat

Tidak

cocok

2442,

3

3583,

49

15.

Tidak

teridentifi

kasi

Penyakit

Blass

Tidak

cocok

2263,

66

4191,

7

Persentase keakuratan dalam

identifikasi penyakit tanaman padi pada

pengujian I ini adalah:

Jumlah data yang dikenali benar = 13

Jumlah data uji = 15 data

Keakuratan = 13

15 𝑥 100% = 86%

Dengan demikian dapat dilihat bahwa

persentase keakuratan pengujian I dengan

menggunakan 2 citra sampel dan 2 citra uji

dari masing-masing citra adalah 86%.

Pengujian dilakukan pada jarak yang

berbeda. Untuk tabel pertama jarak 5 m,

pengujian kedua jarak 10 m, dan pengujian

ketiga pada jarak 15 m. Setelah dilakukan

pengujian maka di dapatkan hasil

perbandingan pada masing-masing jarak

adalah sebagai berikut :

Tabel 2 Hasil pengujian dengan 3 jarak

berbeda

N

o

Peng

ujian Kondisi

Jumla

h Data

yang

Berhas

il

Diiden

tifikasi

Juml

ah

Data

Uji

Persentase

Keakuratan

1.

I

15 data

citra uji.

Dimana

masing-

masing

citra diuji

dengan

jarak 5 cm.

13 15 86%

2. II

15 data

citra uji.

Dimana

masing-

masing

citra diuji

dengan

jarak 10

cm.

13 15 86%

3. III

15 data

citra uji.

Dimana

masing-

masing

citra diuji

dengan

jarak 1 5

cm.

11 15 73%

6. Kesimpulan dan Saran

A. Kesimpulan

Berdasarkan penelitian, aplikasi yang

telah dibangun beserta pengujian yang telah

dilakukan maka ditarik kesimpulan sebagai

berikut:

1. Algoritma Jensen Shannon yang

diterapkan dalam aplikasi

pengambilan citra gambar mampu

menghasilkan akurasi sebesar 86%.

2. Objek hanya dapat teridentifikasi jika

pengambilan gambar objek dilakukan

sesuai prosedur yang ditetapkan.

3. Persentase keakuratan pengujian I

dan II dengan jarak 5 cm dan 10 cm

yakni sebesar 86%. Sedangkan

persentase keakuratan pengujian III

dengan jarak 15 cm sebesar 73 %.

4. Jarak serta tingkat pencahayaan

sangat berpengaruh pada hasil

identifikasi.

B. Saran

Berdasarkan kesimpulan di atas, hal

yang diharapkan kedepannya adalah sebagai

berikut:

1. Untuk penelitian selanjutnya dapat

lebih dikembangkan dengan

menyempurnakan algoritma atau

metode yang digunakan.

2. Untuk penelitian selanjutnya, hasil

dari proses identifikasi lengkap

dengan cara penanggulangannya.

3. Dapat dikembangkan untuk

mengidentifikasi berbagai jenis

penyakit lainnya yang menyerang

tumbuhan.

Daftar Pustaka

Abdul Kadir, AdhiSusanto. 2013.

TeoridanAplikasiPengolahan Citra.

Yogyakarta :Andi

Ambler, Scott W. 2005. A Manager

Inroduction to The Rational Unified

Process (RUP)

Ahmad, Usman. 2005. Pengolahan Citra

Digital danTeknikPemrogramannya.

Yogyakarta :GrahaIlmu

Alfarasi, BeniSalid. 2011. Jurnal.

IdentifikasiPenyakitTanamanMenggun

akan Fast Fourier Transform Dan

Local Binary Pattern

DenganProbabilistik Neural Network.

Bogor : IPB Press

BPP Teknologi. 2011. Padi (Oriza Sativa).

Jakarta : BPP Teknologi

Debby Oktaviana. 2012. Pengolahan Citra –

Histogram. jakarta

F. Tops_e. Jensen-Shannon Divergence and

Norm-based Measuresof

Discrimination and Variation

Gonzales RC, Wood RE. 2002. Digital Image

Processing, Second Edition, New

Jersey :Pretince Hall, Inc

Grist.

1960.MorfologidanKlasifikasiTanaman

Padi (Oryza sativa). Sumatra :Andalas

Harahap, NazruddinSafaat. 2012.

PemogramanAplikasi Mobile

Smartphone dan Tablet PC Berbasis

Android. Bandung :Informatika

Hermawan, Benny. 2014. Menguasai Java 2

& Object Oriented Programming.

Yogyakarta :Andi