Oleh : Mochammad Haldi Widianto

Studi yang tak terhitung jumlahnya memperingatkan umat manusia bahwa kerawanan pangan akan menjadi masalah global paling krusial dalam waktu dekat. Sebagian besar studi tersebut sampai pada kesimpulan ini dengan mengevaluasi tren peningkatan populasi manusia (yang diperkirakan melebihi 9 miliar pada tahun 2050) dan tren penurunan sumber daya alam yang tersedia (kebanyakan air dan tanah) yang dibutuhkan untuk produksi pangan. FAO memperkirakan bahwa hampir 821,6 juta orang (sekitar 1 dari 10 populasi) telah menderita kelaparan jangka panjang pada tahun 2018. Salah satu solusi yang dinilai luas untuk masalah global yang akan datang ini merekomendasikan empat pilar: ketersediaan pangan, akses pangan, pemanfaatan, dan stabilitas. Pilar yang paling sulit dicapai dilaporkan adalah ketersediaan pangan. Sangatlah penting untuk menemukan cara untuk meningkatkan produksi sekaligus mengurangi tekanan pada lingkungan alam. Di sini, pertanian presisi yang menggabungkan sensor, mesin yang disempurnakan, dan sistem informasi, menyediakan cara untuk mengoptimalkan produksi. Untuk melakukannya, taktik khusus lokasi sangat penting untuk menentukan kebutuhan khusus pertanian. Aplikasi input pertanian spesifik lokasi dapat mencegah penggunaan yang berlebihan, mengurangi tekanan pada alam, meningkatkan hasil panen dan mengurangi biaya produksi. Perkiraan cepat kandungan klorofil daun sangat penting untuk menentukan kebutuhan pupuk yang optimal pada tanaman untuk meningkatkan efektivitas pertanian presisi.

Molekul Klorofil (C55H72O5N4Mg) terlibat langsung dalam fotosintesis yang menghasilkan makanan untuk pertumbuhan dan perkembangan tanaman. Sintesis dan pemecahan klorofil adalah dua proses utama yang menentukan kadar klorofil pada tumbuhan, dan terdapat faktor internal dan eksternal yang berbeda, yaitu aplikasi nitrogen, asam giberelat, dan etilen dan / atau biosintesis, yang mempengaruhi penipisan klorofil. Molekul klorofil merupakan pigmen yang memberi warna hijau pada tanaman dan memiliki peran penting dalam pertumbuhan dan perkembangan tanaman dengan menghasilkan karbohidrat (makanan) bagi tanaman. Oleh karena itu, verifikasi kandungan klorofil daun sangat penting untuk pengelolaan nutrisi tanaman yang tepat. Pengelolaan bahan kimia pertanian yang tepat tidak hanya memainkan peran penting untuk pertumbuhan dan perkembangan tanaman tetapi juga untuk perlindungan lingkungan. Metode destruktif terutama digunakan untuk penentuan kandungan nitrogen dan klorofil daun yang mahal dan memakan waktu.

Mengumpulkan Sampel Daun

Sejalan dengan tujuan penelitian ini, sangat penting untuk memiliki kandungan klorofil yang berbeda dalam sampel daun. Karena itu, sepuluh perkebunan strawberry ‘Camarosa’ dipilih. Perbedaan utama di antara sepuluh kebun buah ini adalah karena praktik irigasi dan nutrisi yang berbeda. Kebun penelitian dipilih dari kota Yedidalga yang terletak di Siprus Utara. Tiga tanaman dipilih secara acak dari setiap kebun. Pengumpulan sampel dari tanaman dilakukan dengan tangan sesuai dengan arah tanaman. Satu sampel dikumpulkan dari bagian selatan (menerima lebih banyak sinar matahari) tanaman satu, satu sampel diambil dari bagian utara (menerima lebih sedikit sinar matahari) tanaman lain, dan sampel akhir diambil dari bagian basal tanaman ketiga. Metodologi yang sama digunakan di setiap perkebunan. Total 30 sampel dikumpulkan selama penelitian. Sampel dikumpulkan sebagai cabang, bukan daun. Pengambilan sampel cabang dilakukan pada tanggal 6 Desember 2019. Pangkal setiap sampel cabang direndam dalam air dan langsung dibawa ke laboratorium dalam waktu satu jam. Selanjutnya dipilih daun yang sehat dari setiap sampel cabang

Kontak Pencitraan dan Penentuan Warna RGB

Kotak tertutup (100 mm x 170 mm x 100 mm / lebar x panjang x tinggi) dikembangkan untuk melewatkan lampu LED merah dari daun dan untuk merekam gambar sampel. Material yang digunakan untuk kotak tertutup memiliki ketebalan 2 mm. Lubang bukaan kecil (8 mm x 8 mm) dibuat di sisi panjang kotak. Sumber LED merah (dengan daya 1 Watt, bekerja pada 240 Volt dan 50-60 Hz) ditempatkan ke dalam kotak, dan sampel daun dimasukkan ke dalam lubang. Dengan demikian, smartphone (Samsung SM-A705F) digunakan untuk menangkap gambar kontak sampel dengan ukuran gambar dengan lebar 142,24 cm dan tinggi 80,01 cm (Piksel: 4.032 x 2.268). Resolusi gambar disesuaikan ke RGB 8-bit dengan piksel 72 per inci. Format JPEG digunakan untuk menyimpan gambar, dan selanjutnya, gambar dipindahkan ke komputer melalui transfer kawat. Kemudian, Adobe Photoshop 7.0 ME digunakan untuk membuka gambar untuk membaca nilai RGB rata-rata di seluruh fungsi histogram. Prosedur ini diikuti untuk setiap sampel daun, sebanyak 30 sampel

Ekstraksi Klorofil dan Analisis Isi

Bagian sampel daun (8 mm x 8 mm) yang digunakan untuk pencitraan kontak dipotong dengan hati-hati dan digunakan untuk penentuan kandungan klorofil dengan mengikuti metode yang direkomendasikan oleh Sudhakar et al. (2016). Untuk keperluan ini, segera setelah pengambilan bagian daun, berat masing-masing sampel daun diukur dengan skala sensitif (± 0,0001 g) dan dicatat. Selanjutnya sampel digiling dengan 10 mL aseton 80%. Ekstrak kemudian disaring menggunakan kertas saring Whatman no.1. Ekstrak kemudian dipindahkan ke spektrofotometer untuk menentukan koefisien absorpsi pada panjang gelombang 663 nm dan 645 nm.

Mendukung Regresi Vektor

Nilai mean RGB juga digunakan untuk melakukan identifikasi kadar klorofil pada daun strawberry. 30 sampel berbeda dipertimbangkan dalam penelitian ini. Dalam menetapkan metode regresi vektor dukungan, 25 di antaranya digunakan secara acak untuk pelatihan dan 5 di antaranya untuk pengujian. Kemudian seluruh data dipertimbangkan lagi untuk melihat seberapa dekat 30 data ini sesuai dengan model yang dibuat oleh mesin vektor pendukung. Dalam pelatihan, data berupa nilai rerata RGB digunakan sebagai parameter masukan dan kandungan klorofil daun sebagai keluaran. Pada vektor pendukung, model diuji dengan Radial Kernel dan Linear Kernel. Selain itu, dua metode regresi yang berbeda, yaitu regresi-υ dan ε-regresi, digunakan untuk melihat dan membandingkan kesesuaian kernel yang berbeda. Ringkasan metodologi diberikan pada Gambar 1.

Gambar 1 Metodologi

Kisaran kandungan klorofil daun tanaman stroberi yang ditentukan dengan ekstraksi analitik sampel bervariasi dari 0,04111 hingga 0,38259. Nilai tertinggi sekitar 9 kali lipat dari nilai terendah, yang mewakili rentang yang dapat diterima untuk analisis korelasi. Berdasarkan hasil yang diperoleh, terdapat korelasi positif yang kuat antara kandungan klorofil daun dan nilai G (Gbr. 2).

 

Gambar 2. Correlation between the RGB values and leaf chlorophyll

Juga dilaporkan bahwa menggunakan cahaya alami atau LED putih memberikan korelasi yang lebih tinggi untuk nilai G, korelasi yang baik untuk nilai R, dan korelasi yang buruk untuk nilai B untuk verifikasi kandungan klorofil. Hasil penelitian ini sesuai dengan literatur ini; Namun korelasi nilai R dan G dengan kandungan klorofil daun lebih tinggi dibandingkan penelitian sebelumnya. Keuntungan positif dari hasil saat ini dianggap karena sumber cahaya LED merah. Pigmen Chl diketahui menyerap sebagian besar panjang gelombang ungu dan oranye. Untuk itu penentuan kandungan klorofil daun dengan metode ekstraksi menggunakan panjang gelombang 663 nm dan 645 nm. Teknik pemindaian gambar sebelumnya telah diuji untuk estimasi kandungan klorofil daun oleh berbagai penelitian. Namun, tidak satu pun dari studi ini yang menguji sumber cahaya LED merah untuk pemindaian gambar. Selain itu, korelasi yang lebih baik dari hasil saat ini untuk nilai RGB dan kandungan klorofil daun diperkirakan disebabkan oleh sumber cahaya LED merah yang diteruskan dari daun. Nilai koefisien determinasi (R2) untuk regresi linier antara kandungan klorofil daun dan nilai R dan G dilaporkan masing-masing 0,56 dan 0,11, ketika cahaya alami melewati daun. R2 untuk R dan G dalam pekerjaan saat ini (dengan menggunakan sumber cahaya LED merah) ditemukan masing-masing 0,480 dan 0,952. R2 dari penelitian ini untuk regresi linier juga ditemukan lebih tinggi dari hasil beberapa penelitian sebelumnya.

Gambar 3. a) Mendukung regresi vektor menggunakan kernel linier; b) Mendukung regresi vektor menggunakan kernel radial

Secara keseluruhan, temuan pekerjaan saat ini menunjukkan bahwa nilai RGB yang diperoleh dengan menggunakan sumber cahaya LED merah dan pencitraan kontak dengan smartphone berguna untuk estimasi cepat kandungan klorofil tanaman stroberi. Temuan juga merekomendasikan bahwa estimasi kandungan klorofil daun dari nilai G dapat dilakukan, tetapi estimasi yang lebih baik dapat dilakukan dengan menggunakan mesin vektor pendukung. Dalam SVM, semua nilai R, G, dan B digunakan sebagai masukan dan kandungan klorofil daun sebagai keluaran. Hasil menunjukkan bahwa hasil yang lebih akurat diamati pada kernel linier dibandingkan dengan kernel radial. Juga, dalam kernel linier, baik regresi υ dan ε-regresi tampaknya menghasilkan hasil yang sangat mirip. Kernel radial juga menghasilkan prediksi yang akurat, dan ketika regresi-υ dan ε-regresi dibandingkan, ε-regresi tampaknya menghasilkan prediksi yang sedikit lebih akurat dibandingkan dengan regresi υ.

REFERENSI

İbrahim Kahramanoğlu, Ezgi Deniz Ülker, Sadık Ülker, “Integrating Support Vector Machine (SVM) Technique and Contact Imaging for Fast Estimation of the Leaf Chlorophyll Contents of Strawberry Plants,” European University of Lefke, Horticultural Production & Marketing Department, Gemikonağı, Northern Cyprus, via Mersin 10, Turkey, International Journal of Engineering Trends and Technology