Klorin merupakan bahan dasar desinfektan yang paling umum digunakan terutama pada kolam renang untuk menjaga kualitas air agar tidak terjadi penyebaran virus dan bakteri. Terlepas pentingnya klorin sebagai desinfektan, klorin dapat memberikan dampak negatif bila digunakan tidak sesuai dengan dosis yang telah ditentukan. Pengukuran kadar klorin dapat digunakan menggunakan strip uji air dan klorin meter digital, kedua alat tersebut menggunakan metode kolorimetri untuk mendeteksi kadar klorin pada air. Strip uji air memiliki kelebihan mudah digunakan, portabel dan memiliki harga yang lebih murah bila dibandingkan dengan klorin meter digital. Namun strip uji menghasilkan akurasi yang kecil karena keterbatasan mata manusia dalam membaca perubahan warna. Pada penelitian ini dilakukan pengembangan sistem pembacaan strip uji air menggunakan analisis citra berbasis ponsel pintar yang dipadukan dengan pemrosesan pada komputer. Citra strip uji diambil memalui ponsel pintar Huawei Nova 5T dan Samsung Galaxy A51. Strip uji diletakkan pada kotak khusus pengambilan citra yang ditambahkan papan warna referensi yang diadaptasi dari x-rite ColorChecker sebagai alat bantu untuk mengoreksi warna. Citra yang telah diambil akan disegmentasi menggunakan metode template matching dan dikoreksi warnanya menggunakan metode Root-Polynomial Color Correction (RPCC). Kedua metode tersebut telah diuji pada ponsel pintar lainnya dengan spesifikasi kamera 2MP-48MP. Citra yang telah dikoreksi kemudian digunakan untuk membangun sistem pengukuran kadar klorin total menggunakan model Artificial Neural Network Levenberg-Marquardt. Hasil penelitian menunjukkan, Metode template matching dan RPCC dapat diaplikasikan dan bekerja dengan baik pada ponsel pintar yang memiliki spesifikasi kamera antara 5MP-48MP, dengan performa berupa nilai koreksi warna (delta E) sebesar 1,0 – 1,6. Model regresi menghasilkan nilai evaluasi sebesar 0,13-0,22 RMSE. Hasil tersebut menunjukkan bahwa sistem pengukuran kadar klorin total dengan metode pembacaan strip uji air berbasis citra ponsel pintar dengan model ANN-LM dapat digunakan untuk mendeteksi nilai kadar klorin total.

---

Chlorine is the most used disinfectant, especially to maintain water quality in swimming pools from the spread of bacteria and viruses. Besides being able to provide benefits, chlorine could give a negative impact if the dosage used is not appropriate. Measurement of chlorine level can use water test strip and digital chlorine meter; both use the colorimetric method to detect chlorine levels in water. Water test strips are easier to use, portable and less expensive than digital chlorine meters. Unfortunately, water test strips have less accuracy because limitations of the human eye for color vision. In this study, a water test strip reading system was developed using a smartphone-based image analysis combined with computer processing. The test strip image was taken via the Huawei Nova 5T and Samsung Galaxy A51. The test strips are placed in a special image capture box with a reference color board adapted from x-rite ColorChecker as a color correcting tool. The captured image will be segmented using the template matching method and color corrected using the Root-Polynomial Color Correction (RPCC) method. Both methods have been tested on other smartphones with camera resolution 2MP-48MP. The corrected image is then used to build a total chlorine level measurement system using Artificial Neural Network model with Levenberg-Marquardt optimization. The results show that the template matching and RPCC methods can be applied and work well on smartphones that have camera resolution between 5MP-48MP, with performance in the form of color correction values (delta E) of 1,0 - 1,6. The regression model produces an evaluation value of 0,01-0,02 RRMSE. These results indicate that the total chlorine level measurement system with the water test strip-based smartphone image with the ANN-LM model can be used to detect the total chlorine level.