Penerapan Algoritma Support Vector Machine untuk Klasifikasi Penyakit Daun Tanaman Padi melalui Citra

Irfan; Hanny Hikmayanti Handayani; Cici Emilia Sukmawati; Ahmad Fauzi

Irfan Universitas Buana Perjuangan Karawang
Hanny Hikmayanti Handayani Universitas Buana Perjuangan Karawang
Cici Emilia Sukmawati Universitas Buana Perjuangan Karawang
Ahmad Fauzi Universitas Buana Perjuangan Karawang

Keywords: Penyakit Daun, Klasifikasi Citra, Support Vector Machine

Abstract

Pertanian padi memiliki peran penting dalam perekonomian Indonesia, namun kerap terganggu oleh penyakit daun, seperti blast, blight, dan tungro. Penelitian ini mengembangkan metode klasifikasi citra daun padi menggunakan algoritma Support Vector Machine (SVM) untuk mendeteksi ketiga jenis penyakit tersebut. Penelitian ini menggunakan 240 data citra daun padi. Tahapan yang dilakukan meliputi prapemrosesan citra, seperti resizing, grayscale, peningkatan kontras, dan tahapan lainnya, dilanjutkan dengan ekstraksi fitur Local Binary Pattern (LBP), normalisasi data, serta validasi menggunakan metode 5-Fold Cross-Validation dengan kernel RBF. Model SVM yang dihasilkan mencapai akurasi sebesar 83,33%. Nilai precision dan recall masing-masing untuk penyakit blast adalah 81% dan 85%, blight sebesar 86,6% dan 97,5%, serta tungro sebesar 82,29% dan 67,5%. Nilai F1-score tertinggi diperoleh pada kelas blight sebesar 91,72%, sedangkan nilai terendah terdapat pada kelas tungro sebesar 74,34%. Meskipun akurasi yang diperoleh tergolong cukup tinggi, model masih mengalami kesulitan dalam mengenali penyakit tungro. Hal ini menunjukkan perlunya peningkatan metode pemrosesan data dan pengembangan pendekatan lanjutan agar kinerja klasifikasi dapat ditingkatkan.

References

[1] Ndamung, E. P., Pekuwali, A. A., & Abineno, R. T. (2023). Optimasi Segmentasi Citra Daun Padi Dengan Metode Thresholding Dalam Identifikasi Penyakit (Optimization of Rice Leaf Image Segmentation with Thresholding Method in Disease Identification). 2(Desember), 2962–5998.
[2] BPS. (n.d.-a). Luas Panen dan Produksi Padi di Indonesia 2023 (Angka Sementara). Badan Pusat Statistik. https://www.bps.go.id/id/pressrelease/2023/10/16/2037
[3] Agustiani, S., Tajul Arifin, Y., Junaidi, A., Khotimatul Wildah, S., & Mustopa, A. (2022). Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram. Jurnal Komputasi, 10(1). https://doi.org/10.23960/komputasi.v10i1.2961
[4] Margarita, D. (2024). Klasifikasi Penyakit Daun Padi Menggunakan Support Vector Machine Berdasarkan Fitur Mendalam (Deep Feature). 9(4), 1–21.
[5] Nahak, E., Putra, R. P., Marisa, F., Malang, U. W., Malang, K., Informatika, J. T., Teknik, F., Malang, K., & Citra, P. (2024). Klasifikasi Penyakit Pada Tanaman Apel Melalui Citra Daun Menggunakan Metode Multiclass Support Vector Machine 1,2. 11(3), 401–408.
[6] Tohirin, A., Hayat, M. Al, & Fahmi, M. (2024). Literatur Review : Klasifikasi Penyakit Tanaman Padi Berdasarkan Citra Udara dengan Algoritma SVM. 2(3), 596–602.
[7] Amelia, U., Indra, J., & Masruriyah, A. F. N. (2022). Implementasi Algoritma Support Vector Machine (Svm) Untuk Prediksi Penyakit Stroke Dengan Atribut Berpengaruh. Scientific Student Journal for Information, Technology and Science, III(2), 254–259.
[8] Istiqomah, N., & Murinto, M. (2024). Klasifikasi Penyakit Tanaman Padi Berbasis Citra Daun Menggunakan Convolutional Neural Network (CNN). JSTIE (Jurnal Sarjana Teknik Informatika) (E-Journal), 12(1), 18. https://doi.org/10.12928/jstie.v12i1.27314
[9] Ndamung, E. P., Pekuwali, A. A., & Abineno, R. T. (2023). Optimasi Segmentasi Citra Daun Padi Dengan Metode Thresholding Dalam Identifikasi Penyakit (Optimization of Rice Leaf Image Segmentation with Thresholding Method in Disease Identification). 2(Desember), 2962–5998.
[10] Badruzzaman, H., Mudzakir, T. Al, & Rahmat. (2024). Implementasi Algoritma Convolutional Neural Networkdan Support Vector Machine Untuk Pendeteksian Candi Jiwa Dan Candi Blandongan. Scientific Student Journal for Information, Technology and Science, V(2715–2766), 94–103..
[11] Jinan, A., Hayadi, B. H., & Utama, U. P. (2022). Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron). Journal of Computer and Engineering Science, 1(2), 37–44.
[12] Sonjaya, C. B. (2024). Perbandingan kinerja Algoritma Klasifikasi untuk mendeteksi Penyakit Jantung. V, 61–66.
[13] Sri Cahyanti Hanny Hikmayanti Dwi Sulistya K, C. H. (2021). Identifikasi Kematangan Buah Tomat Berdasarkan Warna Menggunakan Metode Hue Saturation Value. Scientific Student Journal for Information, Technology and Science, II(1), 177–183.
[14] Alamsyah, A. S., Budiman, S. N., & Romadhona, R. D. (2024). Penerapan Algoritma Support Vector Machine Untuk Analisis Sentimen Data Ulasan Aplikasi Binance Pada Google Play Store. 4, 6145–6158.