SEGMENTASI VEGETASI LAHAN BASAH BERBASIS MODIFIED-CAMERA DRONE

Abstract

Perkembangan teknologi informasi telah berkembang pesat di berbagai bidang pada dekade terakhir ini, Salah satu bidang yang berkembang adalah penginderaan jauh (remote sensing) dimana salah satu aplikasinya di bidang pertanian yang banyak dikenal dengan smart farming atau precision agriculture. Precision agriculture bergantung pada penggunaan teknologi informasi yang berkembang saat ini seperti drone. Platform umum dalam remote sensing adalah teknologi Global Navigation Sattelite System (GNSS) yang terdapat pada pesawat terbang dan satelit serta drone sebagai alternatif berbiaya rendah. Pencitraan dengan menggunakan drone mampu memberikan resolusi spasial yang lebih tinggi, real time dan fleksibel. Pemrosesan citra hasil pencitraan dengan drone bergantung pada penggunaan computer vision dalam pemrosesan citra untuk mengekstraksi informasi yang sesuai dengan tujuan yang ditargetkan, seperti ekstraksi citra vegetasi. Beberapa ukuran indeks vegetasi (greeness index )yang sering diterapkan antara lain adalah Normalized Difference Vegetation Index (NDVI), Excessive Green Index (ExG), Excessive Green Red Index (ExGR), Visible Band Difference Vegetation Index (VDVI), Visible Atmospherically Resistant Index (VARI), dan Green Ratio Vegetation Index (GRVI). Penggunaan kamera multispektral berbasis indeks vegetasi untuk sistem citra drone terkendala mahalnya sensor jika dibandingkan dengan webcam digital RGB (red green blue) biasa. Untuk itu diperlukan modifikasi webcam digital RGB pada drone serta pengembangan kemampuan algoritma dalam melakukan proses acquisisi, ekstraksi dan segmentasi citra vegetasi. Dalam penelitian ini modifikasi kamera dilakukan dengan penambahan super blue dan red filter Infragram untuk memblokir spektrum cahaya blue dan red dalam proses akuisisi citra. Ekstrasi citra dilakukan dengan beberapa model greenness index (NDVI, ExG, ExGR, VDVI, VARI, GRVI) serta proses segmentasi citra menggunakan thershold binarization pada cluster kmeans segmentation guna menentukan luasan vegetasi dari citra. Hasil pengujian menggunakan menunjukan bahwa ekstrasi citra RGB menggunakan model greenness index yang diujikan memiliki rata-rata accuracy sebesar 84,7887% dan rata-rata sensitivity 92,6952%. Hal ini memberikan pengertian bahwa secara umum modifikasi camera pada drone pada akuissi citra, image processing dan segmentasi citra dalam penelitian ini cukup bagus digunakan untuk segmentasi vegetasi di lahan basah.