Deteksi Penyakit Cabai Berdasarkan Citra Daun Menggunakan Metode Gray Level Co-Occurence Matrix Dan Support Vector Machine
Abstract
Cabai merupakan jenis sayuran yang memiliki tingkat produksi tertinggi di Indonesia. Namun demikian, hama ataupun penyakit lainnya menjadi resiko terbesar dalam budidaya tanaman cabai. Tidak adanya sistem identifikasi penyakit cabai berbasis citra digital saat ini membuat banyak petani yang mengalami gagal panen. Oleh karena itu, penelitian ini merancang sistem yang mampu mengindetifkasi penyakit cabai berdasarkan citra daun menggunakan kamera pada smartphone untuk proses akuisisi citra gambar. Selanjutnya, data citra daun tersebut akan diekstrasi menggunakan metode Gray Level Co-occurrence Matrix pada kernel polynomial dan klasifikasi berbasis multiclass pada Support Vector Machine. Berdasarkan hasil pengujian dengan parameter 3 ciri meliputi kontras, korelasi, dan energi dan 4 ciri meliputi kontras, korelasi, energi, dan homogeniti didapatkan tingkat akurasi sebesar 95% untuk mendeteksi penyakit tanaman cabai melalui daun dalam waktu komputasi sebesar 3 hingga 3,7 detik.
Full Text:
PDFReferences
Andono, Nurtantio, P., & Sutojo. (2017). Pengolahan citra digital. Andi.
Arifin, Z., Muhimmah, I., & Fidianingsih, I. (2017). Identifikasi Kerusakan Jaringan Histologi Pada Ginjal Dengan
Fitur Tekstur Menggunakan Model Fitur Gray Level Coocurrence Matrix (GLCM). Informatics Journal, 2(2),
B, M. M., Ana, A., & Hidayat, A. S. (2018). Implementasi Algoritma GLCM Dan MED pada Aplikasi Pendeteksi
Kolesterol Melalui Iris Mata. MIND Journal, 2(2), 23–42. https://doi.org/10.26760/mindjournal.v2i2.23-42
Duriat, A., Gunaeni, N., & Wulandari, A. (2007). Penyakit Penting Tanaman Cabai dan Pengendaliannya.
Kasim, A. A., & Harjoko, A. (2014). Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co- Occurrence Matrices ( GLCM ). Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Yogyakarta, 21 Juni 2014, 7–13.
Kusanti, J., Penyakit, K., Padi, D., & Haris, A. (2018). Klasifikasi Penyakit Daun Padi Berdasarkan Hasil Ekstraksi
Fitur GLCM Interval 4 Sudut. Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 03(01), 1–6.
Mariyono, J., & Sumarno. (2015). Chilli Production and Adoption of Chilli-based Agribusiness in Indonesia.
Journal of Agribusiness in Developing and Emerging Economy, 5(1), 57–75. DOI 10.1108/JADEE-10-2012-
Meilin, A. (2014). Hama dan Penyakit pada Tanaman Cabai Serta Pengendaliannya. Science Innovation Network, 1,
–26.
Nauly, D. (2016). Fluktuasi dan Disparitas Harga Cabai di Indonesia. Jurnal Agrosains Dan Teknologi, 1(1), 57–69.
Nugroho, Satriyo, A., Witarto, Budi, A., & Handoko, D. (2003). Support Vector Machine. Proceedings of the 2011
Chinese Control and Decision Conference, CCDC 2011. https://doi.org/10.1109/CCDC.2011.5968300
Permadi, J., & Harjoko, A. (2015). Identifikasi Penyakit Cabai Berdasarkan Gejala Bercak Daun dan Penampakan
Conidia Menggunakan Probabilistic Neural Network. Semnaskit 20152, 49–53.
Wibowo, H., & Indriyani, F. (2018, October). K-Nearest Neighbor Method For Monitoring Of Production And
Preservation Information (Treatment) Of Rubber Tree Plant. In International Conference on Information
Technology and Business (ICITB) (pp. 29-44).
Wibowo, A. P. W. (2017). Penerapan Teknik Computer Vision Pada Bidang Fitopatologi Untuk Diteksi Penyakit dan Hama Tanaman Cabai. Jurnal Informatika: Jurnal Pengembangan IT Poltek Tegal, 2(2), 102–108. http://ejournal.poltektegal.ac.id/index.php/informatika/article/view/528
Refbacks
- There are currently no refbacks.
Prosiding Seminar Nasional Darmajaya is abstracting and indexing in the following databases:
PROSIDING SEMINAR NASIONAL DARMAJAYA
Diatur Oleh:Â Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM)
Diterbitkan Oleh:Â IIB Darmajaya
Alamat:Â Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website:Â jurnal.darmajaya.ac.id
E-mail: ProsidingSemnasDJ@darmajaya.ac.id
                             Â
Â