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