Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning

Implementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun,KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 –0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citra