Estimasi Nitrogen Tanaman Padi berdasarkan Reflectance Daun Menggunakan Artificial Neural Network

Abstract

Nitrogen (N) merupakan salah satu nutrisi yang dibutuhkan tanaman dalam jumlah yang banyak. Ketersediaan N dalam tanaman perlu diestimasi sebelum pemupukan untuk menentukan tingkat pemberian pupuk N yang tepat. Penelitian ini bertujuan untuk mengestimasi kadar N padi (Oryza sativa, sp.) berdasarkan reflectance daun menggunakan Artificial Neural Network (ANN). Pada penelitian ini, 45 sampel daun diambil secara acak pada kondisi lingkungan yang beragam. Reflectance daun diukur menggunakan handheld spectroradiometer sedangkan kadar N aktual daun diukur menggunakan metode Kjeldahl. Data spectral reflectance pada saluran visible (daerah panjang gelombang 400−700 nm) dan kadar N aktual daun digunakan sebagai data input dan target dalam pembuatan model ANN. Teknik k-fold cross validation (k=3) digunakan untuk memilih model yang paling baik dan memperkirakan performa model secara keseluruhan. Hasilnya menunjukan model ANN dengan 17 neuron hidden layer secara relatif dapat mengestimasi N dengan baik. Hal ini dibuktikan dengan nilai root mean square error (RMSE) terkecil sebesar 0.23 dan akurasi tertinggi sebesar 93%. Penelitian ini menjanjikan untuk membantu petani untuk memprediksi kadar N tanaman padi sehingga mengoptimalkan pemberian pupuk N.