Pengolahan Citra Kutu Kebul untuk Mendeteksi Jumlah Kutu Kebul pada Citra Daun

Pengolahan Citra Kutu Kebul untuk Mendeteksi Jumlah Kutu Kebul pada Citra Daun

• By Rahmawati, Eka;
• Jurnal Nasional Terakreditasi
• 442
• 151-155

Citra digital dapat menjadi sumber untuk memperoleh informasi untuk menentukan suatu keputusan.Pemanfaatan citra digital juga dapat diimplementasikan pada bidang pertanian. Salah satunya adalah untuk mendeteksi adanya hama pada tanaman. Kutu kebul menjadi salah satu hama pada tanaman yang biasanya melekat pada daun dan batang. Kutu kebul dalam jumlah banyak dapat mempengaruhi kesuburan tanaman. Citra dari kutu kebul pada daun dapat digunakan sebagai media untuk penelitan dengan menggunakan beberapa metode yang terdapat pada pengolahan citra. Metode pre-processing dilakukan setiap kali melakukan penelitian terhadap pengolahan citra untuk mendapatkan hasil yang maksimal. Pengolahan citra kutu kebul dimulai dengan melakukan operasi grayscale dan kemudian diambil citra biner. Untuk menghilangkan noise, maka digunakan metode median filtering. Deteksi tepi isotropic digunakan untuk melakukan deteksi seberapa banyak kutu kebul yang terdapat pada citra. Cropping otomatis akan digunakan untuk menghitung jumlah kutu kebul yang terdapat pada daun. Hasil dari pengolahan citra untuk menghitung jumlah kutu memiliki nilai akurasi 54%.

• Katakunci Citra Digital, Pre-processing, Peningkatan Kualitas Citra, Deteksi Tepi
• URL https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/4291
• Penerbit ,

REFERENSI

Anggoro, D. R., Virgono, A., & Osmond, A. B. (2017). Pengenalan Wajah Menggunakan Raspberry Dengan Menggunakan Metode Histogram Equalization Dan Image Matching Face Recognition Using Raspberry Pi With Metodh Histogram Equalization and Image Matching. E-Proceeding of Engineering, 4(2), 2261–2268.

Capah, S. N. A., Nasution, S. D., & Hondro, R. K. (2018). PENERAPAN METODE MEDIAN FILTER UNTUK MEREDUKSI. Jurnal Pelita Informatika, 17, 20–23.

Farijki, E., & Triwijoyo, B. K. (2017). Segmentasi Citra Mri Menggunakan Deteksi Tepi Untuk Identifikasi Kanker Payudara. Jurnal.Stmikbumigora.Ac.Id, 79–83. Retrieved from http://jurnal.stmikbumigora.ac.id/index.php/Matrik/article/view/38

Jige, M. N., & Ratnaparkhe, V. R. (2017). Population Estimation of Whitefly for Cotton Plant Using Image Processing Approach. 2017 2nd IEEE International Conference On Recent Trends in Electronics Information & Communication Technology (RTEICT), May 19-20, 2017, India, 487–491.

Priyawati, D. (2011). teknik pengolahan citra digital berdomain spasial untuk peningkatan citra sinar-x. II, 44–50.

Putra, I. M. A. W., Susanto, A., & Soesanti, I. (2015). Ekstraksi Garis Pantai Pada Citra Satelit Landsat dengan Metode Segmentasi dan Deteksi Tepi. Jurnal Nasinal Pendidikan Teknik Informatika (JANAPATI), Vol.4, No.3, 4, 115–120.

Riana, D., Dewi, D. E. O., Widyantoro, D. H., & Mengko, T. L. R. (2014). Color canals modification with canny edge detection and morphological reconstruction for cell nucleus segmentation and area measurement in normal Pap smear images. AIP Conference Proceedings, 1589(February), 414–417. https://doi.org/10.1063/1.4868832

Riana, D., Widyantoro, D. H., & Mengko, T. L. R. (2013). Ekstraksi dan Klasifikasi Tekstur Citra Sel Nukleus Pap Smear. 1(3), 62–70.

Sirait, P., Juniardi, H., & Gohzali, H. (2016). Kajian Algoritma Peningkatan Kontras Citra Dengan Fast Hue Dan Range Preserving Histogram Equalization Specification. 17(2), 181–191.

Zuama, R. A., Hudin, J. M., & Riana, D. (2017). Quality Dimensions of Delone-Mclean Model To Measure Student S ’ Accounting Computer Satisfaction : an Empirical. 1–6.