Pengembangan model estimasi hasil panen padi berdasarkan Image menggunakan K-means & Regresi Linier: Studi Kasus di Desa Kebonagung Kecamatan Pakisaji Kabupaten Malang

مستخلص البحث

من أجل حساب الأرز حصاد تقدير تقدير المزارعين دائما حساب يدويا، واحدة منها هي طريقة التبليط. حيث البيانات المستخدمة لحساب متوسط الحصاد، طريقة البلاط يستخدم فقط 2 صناديق الأرز في حقل الأرز. وبالتالي فإن نتيجة الحساب في بعض الأحيان أقل دقة ويستغرق وقتا طويلا. من أجل حل ذلك، الذي بني في هذا البحث، وهو النظام الذي يمكن تحديد العائد من الأرز على أساس الصورة باستخدام ك- وسيلة وطريقة الانحدار، والتي في وقت لاحق على هذا النظام من المتوقع أن تساعد المزارعين، بينيباس، مانتري تاني. وعند تحديد تقدير غلة الأرز، جمعت البيانات 80 مرة في ثلاث قرى فرعية مختلفة تم دمجها في قرية واحدة. يتم أخذ نموذج البيانات من الصورة من الجزء العلوي من مساحة 1 متر مربع، ثم يتم حصاد الأرز ووزنها. وقد جمعت البيانات وسجلت في المدخلات في عملية التدريب. وسيتم تقسيم البيانات التي تم إدخالها في عملية التدريب باستخدام 3 مجموعات، وأخذت عدد مجموعات الأرز فقط وحسبت النسبة المئوية لإجمالي البيانات في صورة واحدة. سيتم مقارنة نسبة حقل بيانات الأرز مع وزن البيانات من صورة الأرز. ثم سيتم استخدام البيانات اثنين في عملية الانحدار الخطي حيث الانتاج هو ثابت والمعامل b التي تحسب باستخدام صيغة مربع أقل البيانات التي تم الحصول عليها لاحقا في هذه العملية يتم إدخالها في قاعدة البيانات وسيتم مقارنة مع البيانات في عملية الاختبار. وتستخدم نتيجة الفرق بين تقدير حصاد الأرز والوزن الحقيقي في صيغة المشاريع المتوسطة والصغيرة حيث ترتب نتائج الخطأ وتجمع، ثم تقسم على مقدار البيانات. في مرحلة الاختبار من العملية، فإنه يشبه تقريبا عملية التدريب حيث يتم الحصول على البيانات والقيام قطع سيتم مجزأة وتحسب نسبة بكسل. بعد الحصول على البيانات، وسوف تستمر العملية لتقدير لوحة الحصاد باستخدام البيانات نسبة بكسل والبيانات من عملية التدريب. حيث بعد وجدت سيتم ضرب النتائج في مساحة الأرض القائمة، بحيث سيتم العثور على محصول الأرز كله. وأظهرت النتائج أن النظام كان قادرا على حساب دقة الحصاد المقدرفي ا٩١,١٣%.

ABSTRACT

In order to calculate of rice yield harvest estimation farmers always calculating manually, one of which is by the method of tiling. Where the data taken to calculating the average of the harvest, tiling method uses only 2 rice boxes in the rice field. So the calculation result is sometimes less accurate and takes to long time. In order to solve that, built in this research, a system that can determine the yield of rice based on the image using k-means & Regression method, which later on this system is expected to help the Farmers, Penebas, Mantri Tani, and Poktan. In determining the estimation of rice yields data were collected 80 times in three different sub-villages which were incorporated into one village. The data form of the image rice taken from the top of an area of 1 meter square, then the rice is harvested and weighed. The data has been collected and recorded in the input into the training process. Data that has been entered into the training process will then be segmented using 3 clusters and taken the number of rice clusters only and calculated the percentage of total data in one image. The percentage data of rice field will be compared with the real weight data from the rice image. Then the two data will be used in Linear Regression process where the output is a constant a and coefficient b that calculated using least square formula which later data obtained in this process is entered into database and will be compared with data in testing process. The result of the difference from rice harvest estimate and real weight is used in the MSE formula, where the error results are squared and summed, after which it is divided by the amount of data. In the testing phase of the process, it almost resembles the training process where the data already obtained and done the cut will be segmented and calculated pixel percentage. After obtaining the data, process will continue to estimating the harvest pad using pixel percentage data and data from the training process. Where after found the results will be multiplied by the existing land area, so that will be found the whole rice crop. The results showed that the system was able to calculate the accuration of estimated harvest for 1 meter box 98.47%. and the result of accuracy for the whole harvest amounted to 97.93%.

ABSTRAK

Perhitungan estimasi hasil panen padi selalu dihitung dengan cara manual, salah satunya yaitu dengan metode ubinan. Dimana data yang diambil untuk perhitungan metode ubinan rata-rata menggunakan hanya 2 kotak padi di sawah. Sehingga hasil perhitungan kadang kurang akurat dan membutuhkan waktu yang lama. Dalam penelitinan ini dibangun sistem yang dapat menentukan hasil panen padi berdasarkan image menggunakan metode k-means & Regresi, yang nantinya pada sistem ini diharapkan dapat membantu para Petani, Penebas, Mantri tani, dan Poktan. Dalam menentukan estimasi hasil panen padi. Pengambilan data dilakukan sebanyak 80 kali di tiga dusun yang berbeda yang mana tergabung didalam 1 desa. Data yang diambil berupa citra padi yang dipotret dari atas seluas 1m persegi, lalu padi tersebut dipanen dan dihitung beratnya. Data yang telah dikumpulkan dan dicatat di masukan kedalam proses training. Data yang telah dimasukan ke dalam proses training kemudian akan di segmentasikan menggunakan 3 cluster dan diambil jumlah cluster padi saja dan dihitung persentase dari total data dalam satu image. Data persentase hasil padi akan dibandingkan dengan data berat real dari citra padi tersebut. Lalu kedua data tersebut akan digunakan pada proses Regresi linier dimana outputnya berupa konstanta a dan koefisien b yang didaat dari rumus least square yang nantinya data-data yang didapat pada proses ini dimasukan kedalam database dan akan dibandingkan dengan data pada proses testing. Hasil selisih dari estimasi panen padi dan berat real digunakan dalam rumus MSE, dimana hasil eror dikuadratkan dan dijumlah, setelah itu dibagi dengan jumlah data. Pada tahap testing proses yang dilalui hampir menyerupai proses training dimana data yang sudah didapat dan dilakukan pemotongan akan disegmentasikan dan dihitung persentasi pixelnya. Setelah didapat data akan diestimasi hasil panen padinya menggunakan data persentasi pixel dan data dari proses training. Dimana setelah diketemukan hasilnya akan dikalikan dengan luas lahan yang ada, sehingga akan diketemukan hasil panen padi keseluruhan. Hasil penelitian menunjukkan bahwa sistem mampu menghitung estimasi hasil panen berat perkotak didapat akurasi sebesar 98.47%. dan hasil akurasi untuk panen keseluruhan sebesar 97.93%.