Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Support Vector Machine

Rivansyah Suhendra, Ilham Juliwardi, Sanusi Sanusi

Abstract


Tanaman jagung rentan terhadap serangan penyakit dimana penyakit ini dapat diketahui dari bercak yang terdapat pada daun. Penyakit daun tersebut dapat mengakibatkan turunnya kualitas dan kuantitas hasil panen. Tantangan utama dalam deteksi dini penyakit daun jagung secara manual yaitu ada banyak daun yang harus diidentifikasi dan terdapat perbedaan presepsi terhadap warna pada mata manusia berdasarkan kondisi visualnya.Tujuan dari penelitian ini adalah untuk melakukan deteksi dini dan klasifikasi penyakit daun jagung. Klasifikasi dilakukan melalui pendekatan metode Support Vector Machine (SVM) dengan memanfaatkan fitur warna dan fitur tekstur. Jumlah fitur yang digunakan yaitu 22 fitur yang terdiri dari 18 fitur warna dan 4 fitur tekstur. Data latih yang digunakan yaitu data sekunder yang diambil dari PlantVillage-Dataset dengan jumlah data sebanyak 3600 data. Eksperimen dilakukan dengan beberapa variasi fitur seperti hanya fitur warna, hanya fitur tekstur dan fitur gabungan warna dan tekstur dengan pembagian data 80:20, 70:30 dan 60:40. Pada setiap variasi fitur dan pembagian data lalu dihitung parameter evaluasi model. Hasil pengujian menunjukkan akurasi optimum sebesar 99,5% dengan fitur gabungan warna & tekstur

Full Text:

PDF

References


A. M. Murni and R. W. Arief, “Teknologi budidaya jagung.” Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian, 2008.

M. S. Sudjono, “Penyakit jagung dan pengendaliannya,” Dalam Subandi, M. Syam, dan A, Widjoyo. Jagung. Puslitbang Tanam. Pangan. Bogor, pp. 381–394, 1988.

L. Xu, X. Xu, M. Hu, R. Wang, C. Xie, and H. Chen, “Corn leaf disease identification based on multiple classifiers fusion,” Trans. Chinese Soc. Agric. Eng., vol. 31, no. 14, pp. 194–201, 2015.

A. Purnamawati, W. Nugroho, D. Putri, and W. F. Hidayat, “Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVMdan KNN,” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 5, no. 1, pp. 212–215, 2020, [Online]. Available: https://doi.org/10.30743/infotekjar.v5i1.2934.

A. A. Huda, B. Setiaji, and F. R. Hidayat, “Implementasi Gray Level Co-Occurrence Matrix (Glcm) Untuk Klasifikasi Penyakit Daun Padi,” J. Pseudocode, vol. 9, 2022.

T. Rumpf, A. K. Mahlein, U. Steiner, E. C. Oerke, H. W. Dehne, and L. Plümer, “Early detection and classification of plant diseases with Support Vector Machines based on hyperspectral reflectance,” Comput. Electron. Agric., vol. 74, no. 1, pp. 91–99, 2010, doi: 10.1016/j.compag.2010.06.009.

Anjna, M. Sood, and P. K. Singh, “Hybrid System for Detection and Classification of Plant Disease Using Qualitative Texture Features Analysis,” Procedia Comput. Sci., vol. 167, no. 2019, pp. 1056–1065, 2020, doi: 10.1016/j.procs.2020.03.404.

S. Aziz, M. Bashir, O. Mughal, M. U. Khan, and A. Khan, “Image Pattem Classification for Plant Disease Identification using Local Tri-directional Features,” 2019 IEEE 10th Annu. Inf. Technol. Electron. Mob. Commun. Conf. IEMCON 2019, pp. 973–978, 2019, doi: 10.1109/IEMCON.2019.8936236.

P. U. Rakhmawati, Y. M. Pranoto, and E. Setyati, “Klasifikasi Penyakit Daun Kentang Berdasarkan Fitur Tekstur Dan Fitur Warna Menggunakan Support Vector Machine,” in Seminar Nasional Teknologi dan Rekayasa, 2018, pp. 1–8.

D. Hughes and M. Salathé, “An open access repository of images on plant health to enable the development of mobile disease diagnostics,” arXiv Prepr. arXiv1511.08060, 2015.

R. C. Gonzalez and R. E. Woods, Digital Image Processing. Boston: Addison-Wesley Longman Publishing Co., Inc., 2002.

A. Ford and A. Roberts, “Colour space conversions,” Westminster Univ. London, vol. 1998, pp. 1–31, 1998.

P. Mohanaiah, P. Sathyanarayana, and L. GuruKumar, “Image texture feature extraction using GLCM approach,” Int. J. Sci. Res. Publ., vol. 3, no. 5, pp. 1–5, 2013.

C. Cortes and V. Vapnik, “Support-vector networks,” Mach. Learn., vol. 20, no. 3, pp. 273–297, Sep. 1995, doi: 10.1007/BF00994018.

S. Abe, Support vector machines for pattern classification, vol. 2. Springer, 2005.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.

R. Sheffi, T. Gultom, D. Widiyanto, and A. B. Pangaribuan, “Klasifikasi Penyakit Pengorok Tanaman Daun Pada Tanaman Manggis Menggunakan Metode Gray Level Co- Occurrence Matrix Dan Support Vector Machine,” in Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 2020, vol. 1, no. 2, pp. 551–560, [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/621.




DOI: https://doi.org/10.35308/.v1i1.5520

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



Jurnal Teknologi Informasi
e-ISSN: 2829-8934  I  DOI: 10.35308
Jl. Alue Peunyareng, Ujong Tanoh Darat, Meureubo, Kabupaten Aceh Barat, Aceh 23681, Indonesia
(0655) 7110535
License Creative Commons is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License