ABSTRAKSI: Saat ini, komoditas kelapa sawit masih tetap menjadi komoditas perkebunan yang penting dan menjanjikan. Namun, para pengelola kebun kelapa sawit masih mengalami kesulitan dalam mendapatkan informasi tentang keadaan kebun kelapa sawit di mana informasi yang didapatkan masih secara manual yaitu pengecekan langsung ke kebun kelapa sawit.
Tugas Akhir ini membuat suatu sistem yang dapat mengklasifikasi pohon kelapa sawit berdasarkan ukuran menggunakan metode berbasis pengolahan citra digital. Sampel yang dideteksi adalah citra kebun kelapa sawit di sekitar kota Pekanbaru Provinsi Riau diambil menggunakan penginderaan jauh. Sebelum citra diolah dan diambil informasinya, terlebih dulu dilakukan koreksi radiometrik untuk menghilangkan tutupan atmosfer menggunakan dark channel prior, selanjutnya Filter 2D Gabor Wavelet untuk ekstraksi ciri dan KNN untuk klasifikasi.
Hasil akhir dari Tugas akhir ini adalah suatu sistem yang dapat mendeteksi kebun kelapa sawit menggunakan metode berbasis pengolahan citra digital. Berdasarkan hasil penelitian diperoleh nilai slide window yang optimal untuk koreksi radiometrik dengan dark channel prior adalah 24 berdasarkan nilai PSNR. Akurasi teringgi didapat sebesar 90% menggunakan metode pengukuran Cityblock Distance dengan nilai k=1 pada ekstraksi 8 ciri tanpa koreksi radiometrik dan 73,33% pada 24 ciri dengan pengukuran Euclidean Distance dengan nilai k=1 menggunakan koreksi radiometrik. Rata – rata waktu komputasi tercepat diperoleh sebesar 2,537 detik dengan ekstraksi 8 ciri tanpa koreksi radiometrik dan 43,82 detik dengan ekstraksi 8 ciri menggunakan koreksi radiometrik.
Kata Kunci : Klasifikasi Pohon Kelapa Sawit, Pengolahan Citra Digital, Koreksi Radiometrik, Filter 2D Gabor Wavelet, KNNABSTRACT: Currently, oil palm plantation commodities still remains an important and promising . However, the managers of oil palm plantations are still experiencing difficulties in getting information about the state of oil palm plantations where they obtained the information manually, check directly to the oil palm plantation.
This final project creates a system that can classify palm trees by size using a method based on digital image processing . Samples that are detected is the image of a palm oil plantation around Pekanbaru, Riau Province that were taken using remote sensing. Before the image is processed and retrieved the information , first do the radiometric correction to remove the atmosfer using dark channel prior , then the 2D Gabor wavelet filters to extract features and KNN for classification .
The result of this final project is a system that can detect oil palm plantation using digital image processing-based methods. The result showed that the optimal value of the window slide for radiometric correction of the dark channel prior is 24 based on the value of PSNR. Highest accuracy of 90% obtained using the method of measurement Cityblock Distance with the value of k = 1 in the extraction of 8 traits without radiometric correction and 73,33% using Euclidean Distance with value of k = 1 with radiometric correction. The fastest average of computation time of 2,537 seconds obtained by extraction of 8 traits without radiometric correction and 43,83 seconds was obtained by extraction of 24 traits using radiometric correctionan.
Keyword: Classification Trees Palm Oil , Digital Image Processing , Radiometric Correction , 2D Gabor Wavelet Filter , KNN