<![CDATA[Pigmen utama yang berperan penting pada fotosintesis, yaitu klorofil, karotenoid dan antosianin dapat dianalisis kandungannya untuk menentukan status kesehatan tanaman. Metode analisis kandungan pigmen yang dilakukan secara destruktif memerlukan penanganan khusus dan biaya yang tinggi. Fuzzy Piction adalah aplikasi Android yang telah dikembangkan sebelumnya untuk prediksi kandungan pigmen utama pada tanaman. Aplikasi tersebut mempunyai kemampuan untuk melakukan prediksi kandungan pigmen pada citra daun secara non-destruktif dengan menggunakan model Convolutional Neural Network (CNN) FP3Net. Namun, Fuzzy Piction masih belum invarian terhadap perbedaan kualitas citra yang dapat terjadi karena perbedaan kualitas atau spesifikasi kamera smartphone. Hal ini ditunjukkan dengan adanya perbedaan hasil prediksi kandungan pigmen pada beberapa smartphone untuk objek daun yang sama. Pada penelitian ini dikembangkan metode perbaikan citra dengan algoritma Partial Least Square Regression (PLSR) sebagai solusi atas permasalahan tersebut. Dengan penambahan metode perbaikan citra, aplikasi Fuzzy Piction dapat memberikan prediksi kandungan pigmen dengan tingkat presisi yang lebih baik. Aplikasi Fuzzy Piction difasilitasi dengan layanan cloud yang dikembangkan menggunakan Flask web service sehingga model perbaikan citra dan prediksi pigmen lebih mudah diperbarui. Hasil perbaikan warna oleh PLSR berhasil menyeragamkan warna citra serta dapat memberikan hasil prediksi kandungan pigmen dengan standar deviasi yang lebih kecil. Variasi prediksi kandungan pigmen dengan 3 jenis smartphone yang berbeda pada objek daun yang sama dapat diturunkan sebesar 87% setelah citra asal diperbaiki dengan PLSR.AbstractChlorophyll, carotenoids, and anthocyanins are three main pigments that are important for photosynthesis process. Its content can be examined to determine the status of plants health. The destructive approach of evaluating pigment content is expensive and necessitates specialized handling. An Android based application called Fuzzy Piction could predict the content of those pigments nondestructively using the FP3Net, a Convolutional Neural Network (CNN) model. This application predicts the pigment content in plant leaf by its digital images. However, Fuzzy Piction is still not invariant to differences in image quality that can occur due to differences in smartphone camera specifications. This is indicated by the difference in the prediction results of the pigment content on several smartphones for the same leaf object. Therefore, the Partial Least Square Regression (PLSR) technique was used in this work as an image enhancement method to resolve the issue. Eventually, Fuzzy Piction may provide precise predictions of pigment content by embedding PLSR in it. A cloud service made with the Flask web service makes it easy to update the image enhancement and pigment prediction models for the Fuzzy Piction application. The results of color correction by PLSR succeeded in uniforming the color of the image and could provide predictive results of pigment content with a smaller standard deviation. The variation of pigment content prediction with 3 different smartphone types on the same leaf object can be reduced by 87% after the original image is corrected with PLSR.]]>
