Penggunaan Smartphone Android sebagai Alat Analisis Kebutuhan Kandungan Nitrogen pada Tanaman Padi

Abstract

Nitrogen (N) is one of the most important nutrients for the growth of rice crops. Unbalanced and excessive use of Nfertilizers causes environmental pollution, reduces quality of the crop, and increases pest pressure, in addition to the increasing cost to farmers from excessively applied fertilizers and pesticides. The goal of this paper is to build mobile applications which can analyze and recommend nitrogen elemental requirements in rice plants based on the color of rice leaves. This application has embedded a set of stages of the process for image processing and classification which is used to analyze the color of rice leaves captured through a smartphone camera. Image processing in this application is a feature extraction of red, green, and blue (RGB) values to obtain a characteristic on the leaf color image. Then the result of feature extraction is used to classify the color level of rice leaf by using a K-Nearest Neighbor method. The results of accuracy test show that accuracy of the application in analyzing and recommending nitrogen fertilizer needed by rice crops, on average, is 66.67%. Intisari-Nitrogen (N) merupakan salah satu unsur hara yang mempunyai peran penting bagi pertumbuhan tanaman padi. Penggunaan pupuk nitrogen yang tidak seimbang dan berlebihan menyebabkan pencemaran lingkungan, menurunnya kualitas tanaman, dan peningkatan tekanan hama, selain meningkatkan biaya petani dari pupuk dan pestisida yang diterapkan secara berlebihan. Makalah ini bertujuan untuk membangun sebuah aplikasi mobile yang dapat menganalisis dan merekomendasikan kebutuhan unsur nitrogen pada tanaman padi berdasarkan warna daun padi tersebut. Dalam aplikasi ini telah ditanamkan sekumpulan tahapan proses untuk pemrosesan citra dan pengklasifikasian yang digunakan untuk menganalisis warna daun padi yang ditangkap melalui kamera smartphone. Pemrosesan citra dalam aplikasi ini berupa ekstraksi ciri nilai red, green, dan blue (RGB) untuk mendapatkan ciri pada citra warna daun. Kemudian hasil ekstraksi ciri tersebut digunakan untuk mengklasifikasikan level warna daun padi dengan menggunakan metode K-Nearest Neighbor. Dari hasil pengujian akurasi yang dilakukan, tingkat akurasi aplikasi dalam menganalisis dan merekomendasikan kebutuhan nitrogen secara rata-rata adalah 66,67%.

Rapid Identification of Rice Macronutrient Content in Saline Soils Using Smartphone Camera

“…Smartphones are operated by a Linux-based operating system that includes an operating system, middleware, and applications (Safaat 2011), more than 80% of smartphone users. Smartphones include operating systems with open source licenses that everyone can use freely to support daily activities and work, including in agriculture (Setiawan & Herdianto 2018). The use of smartphone cameras is one of the developments of satellite and drone imagery.…”

“…The effect of salinity on crops includes osmotic pressure, nutrient balance, and NaClsalts' toxic impact on saline soils that can disrupt the nutrient balance because certain nutrients are excess or reduced. Potassium is exchangeable, which means a decrease in these elements' availability affects other nutrients crops (Setiawan & Herdianto 2018). The salinity symptoms in rice crops begin with dry leaf tips, reduced tillers, root length, crop height, shoot dry weight, and root weight.…”

Nitrogen Test Tool in Rice Leaves Based on Android Application

“…Setiap 1 citra daun akan diambil 10 sampel nilai RGB sehingga total sampel nilai RGB yang akan digunakan dalam penelitian ini adalah 60 sampel. Pengukuran manual menggunakan alat Bagan Warna Daun [14] dan menggunakan aplikasi Alat Uji Kandungan Nitrogen Dalam Daun Padi. Penelitian ini menggunakan Android Studio 3.0.1, ADT, dan JDK (Java Development Kit).…”

Penerapan Augmented Reality Berbasis Android untuk Pembelajaran Organ Lambung Manusia

“…Perkembangan teknologi smartphone dimanfaatkan sebagian orang untuk membuat suatu media pembelajaran berbasis Augmented Reality (AR) [1]. Pengguna (user) hanya membutuhkan benda pendukung seperti smartphone Android, marker, dan aplikasi pendukung AR [2], [3]. Dalam kehidupan sehari-hari, AR sudah mulai mendominasi pasar dunia [4].…”