Prediction of Rice Harvest using Unmanned Aircraft
| Main Authors: | Holik, Abdul, Bachtiar, Riza Rahimi |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Fakultas Teknologi Pangan & Agroindustri (Fatepa) Universitas Mataram dan Perhimpunan Teknik Pertanian (PERTETA)
, 2019
|
| Online Access: |
http://jrpb.unram.ac.id/index.php/jrpb/article/view/139 http://jrpb.unram.ac.id/index.php/jrpb/article/view/139/95 |
Daftar Isi:
- Prediction of agricultural products is needed in terms of planning and decision making as well as in policy making for national food security. One strategic commodity that needs special attention is rice. This study aims to predict rice yields using unmanned aircraft. The results of image acquisition are processed by multi thresholding method to separate leaf objects, rice panicles, and background. Furthermore, the results of sorting objects are used as input in making predictions of rice crop models using artificial neural networks. To compare the results of predictions, we weighed the weight of rice harvest on each block. The results showed that between predictions and actual correlations were very strong with R2 = 0.88, MSE (Mean Square Error) = 0.169 and MAPE (Mean Absolute Percentage Error) values were -0.006. These results indicate that the prediction model of rice yields can be used for estimation purposes.
- Prediksi hasil pertanian sangat dibutuhkan dalam hal perencanaan dan pengambilan keputusan serta dalam pengambilan kebijakan untuk ketahan pangan nasional. Salah satu komoditas strategis yang membutuhkan perhatian khusus adalah padi. Penelitian ini bertujuan untuk memprediksi hasil panen padi dengan menggunakan pesawat tanpa awak. Hasil akuisisi citra diolah dengan metode multi thresholding untuk memisahkan objek daun, malai padi, dan background. Selanjutnya hasil pemilahan objek dijadikan input dalam pembuatan model prediksi hasil panen padi dengan mengunakan jaringan syaraf tiruan. Penimbangan berat panen padi pada tiap blok dilakukan untuk membandingkan hasil prediksi. Hasil penelitian menunjukkan bahwa antara prediksi dan aktual memiliki korelasi sangat kuat dengan R2 = 0,88, nilai Mean Square Error (MSE) = 0,169 dan Mean Absolute Percentage Error (MAPE) adalah -0,006. Hasil ini menunjukkan bahwa model prediksi hasil panen padi dapat digunakan untuk keperluan perkiraan.