Identifikasi Penyakit Pada Daun Kopi Menggunakan Metode Local Binary Pattern Dan Random Forest
DOI:
https://doi.org/10.34818/eoe.v9i6.18951Abstract
Abstrak—Kopi adalah hasil perkebunan yang sangat penting dan merupakan salah satu penghasil devisa terbesar dalam perekonomian Indonesia. Namun, tingkat kualitas dan kuantitas produksi kopi di Indonesia masih rendah. Salah satu faktor yang mempengaruhi adalah kematian tanaman kopi akibat terinfeksi penyakit, sehingga perlu dilakukan pencegahan awal dengan mengidentifikasi penyakit. Identifikasi dapat dilakukan dengan melihat perubahan warna dan bentuk fisik dari daun. Namun, karena lahan perkebunan kopi yang luas dengan jumlah tanaman yang banyak membuat petani kesulitan dalam mengidentifikasi penyakit dengan tepat. Pada tugas akhir ini telah dirancang sistem pengolahan citra digital yang dapat megidentifikasi penyakit pada daun kopi. Penyakit daun kopi diidentifikasi kedalam 3 jenis penyakit, yaitu Leaf Blight, Leaf Miner, dan Leaf Rust. Proses pengolahan citra digital menggunakan metode ekstraksi ciri Local Binary Pattern dan metode klasifikasi Random Forest. Dataset yang digunakan sebanyak 240 citra, terbagi menjadi 192 citra data latih dan 48 citra data uji. Dari hasil pengujian diperoleh akurasi terbaik sebesar 95,83% dengan menggunakan parameter ukuran citra 128x128 piksel, radius LBP = 1, dan nestimators Random Forest = 100. Sehingga dapat disimpulkan bahwa sistem yang dibangun dapat berjalan dengan baik dalam mengidentifikasi penyakit pada daun kopi. Kata Kunci: kopi, penyakit daun, local binary pattern, random forestDownloads
References
[1] B. B. Nasution, “Specialty Kopi Indonesia,” 2018.
[2] D. Irfansyah, M. Mustikasari, and A. Suroso, “Arsitektur Convolutional Neural Network (CNN) Alexnet untuk Klasifikasi Hama pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, pp. 87–92, 2021.
[3] F. Duanita Putri, K. N. Ramadhani, and P. E. Yunanto, “Identifikasi Penyakit pada Daun Tanaman Apel Menggunakan Local Binary Pattern (LBP) dan Color Histogram,” 2021.
[4] J. Basavaiah and A. Arlene Anthony, “Tomato Leaf Disease Classification using Multiple Feature Extraction Techniques,” 2020.
[5] D. Chauhan, R. Walia, C. Singh, M. Deivakani, and M. Kumbhkar, “Detection of Maize Disease Using Random Forest Classification Algorithm,” Turkish Journal of Computer and Mathematics Education, vol. 12, no. 9, pp. 715–720, 2021.
[6] Krisnaindra, “Klasifikasi dan Morfologi Tanaman Kopi dengan Pengertiannya,” Oct. 08, 2016.https://www.teorieno.com/2016/10/ klasifikasi-dan-morfologi-tanaman-kopi.html (accessed Nov. 24, 2021).
[7] P. Rahardjo, Berkebun Kopi. Penebar Swadaya, 2017.
[8] L. Sugiarti, “Identifikasi Hama dan Penyakit Pada Tanaman Kopi di Kebun Percobaan Fakultas Pertanian Universitas Winaya Mukti,” 2019.
[9] R. K. W. Siska, “Serangan Karat Daun Kopi (Hemileiavastatrix Berk&Br) pada Tanaman Kopi Arabika di Perkebunan Rakyat Kabupaten Mandailing Natal Sumatera Utara,” 2016.
[10] M. Odhiambo, “Coffee leaf diseases,” 2021. https://www.kaggle.com/ badasstechie/coffee-leaf-diseases (accessed Nov. 24, 2021).
[11] O. G. Filho, “Coffee leaf miner resistance,” pp. 110–117, 2006.
[12] Kopi 76, “Hama, Penyakit, dan Nematoda dalam Budidaya Kopi,” Kopi 76, Jan. 18, 2021. https://kopi76.com/2021/01/18/hama-penyakit-dan-nematoda -dalam-budidaya-kopi/ (accessed Nov. 24, 2021).
[1] B. B. Nasution, “Specialty Kopi Indonesia,” 2018.
[2] D. Irfansyah, M. Mustikasari, and A. Suroso, “Arsitektur Convolutional Neural Network (CNN) Alexnet untuk Klasifikasi Hama pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, pp. 87–92, 2021.
[3] F. Duanita Putri, K. N. Ramadhani, and P. E. Yunanto, “Identifikasi Penyakit pada Daun Tanaman Apel Menggunakan Local Binary Pattern (LBP) dan Color Histogram,” 2021.
[4] J. Basavaiah and A. Arlene Anthony, “Tomato Leaf Disease Classification using Multiple Feature Extraction Techniques,” 2020.
[5] D. Chauhan, R. Walia, C. Singh, M. Deivakani, and M. Kumbhkar, “Detection of Maize Disease Using Random Forest Classification Algorithm,” Turkish Journal of Computer and Mathematics Education, vol. 12, no. 9, pp. 715–720, 2021.
[6] Krisnaindra, “Klasifikasi dan Morfologi Tanaman Kopi dengan Pengertiannya,” Oct. 08, 2016.https://www.teorieno.com/2016/10/ klasifikasi-dan-morfologi-tanaman-kopi.html (accessed Nov. 24, 2021).
[7] P. Rahardjo, Berkebun Kopi. Penebar Swadaya, 2017.
[8] L. Sugiarti, “Identifikasi Hama dan Penyakit Pada Tanaman Kopi di Kebun Percobaan Fakultas Pertanian Universitas Winaya Mukti,” 2019.
[9] R. K. W. Siska, “Serangan Karat Daun Kopi (Hemileiavastatrix Berk&Br) pada Tanaman Kopi Arabika di Perkebunan Rakyat Kabupaten Mandailing Natal Sumatera Utara,” 2016.
[10] M. Odhiambo, “Coffee leaf diseases,” 2021. https://www.kaggle.com/ badasstechie/coffee-leaf-diseases (accessed Nov. 24, 2021).
[11] O. G. Filho, “Coffee leaf miner resistance,” pp. 110–117, 2006.
[12] Kopi 76, “Hama, Penyakit, dan Nematoda dalam Budidaya Kopi,” Kopi 76, Jan. 18, 2021. https://kopi76.com/2021/01/18/hama-penyakit-dan-nematoda -dalam-budidaya-kopi/ (accessed Nov. 24, 2021).
[13] R. D. Kusumanto and A. N. Tompunu, “Pengolahan Citra Digital untuk Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB,” 2011.
[14] A. McAndrew, “An Introduction to Digital Image Processing with Matlab Notes for SCM2511 Image Processing 1,” 2004.
[15] A. P. Utami, F. Sthevanie, and K. N. Ramadhani, “Pengenalan Logo Kendaraan Menggunakan Metode Local Binary Pattern dan Random Forest,” 2020.
[16] D. Huang, C. Shan, M. Ardebilian, Y. Wang, and L. Chen, “Local Binary Patterns and Its Application to Facial Image Analysis: A Survey,”2011.
[17] R. Yudistira, R. Purnamasari, and N. Ibrahim, “Analisis dan Perancangan Sistem untuk Diagnosa Penyakit Parkison Menggunakan Metode PCA dan Random Forest,” 2020.
[18] JavaTPoint, “Random Forest Algorithm” https://www.javatpoint.com /machine-learning-random-forest-algorithm (accessed Des. 1, 2021).
[19] S. Devella, Yohannes, and F. N. Rahmawati, “Implementasi Random Forest untuk Klasifikasi Moftif Songket Palembang Berdasarkan SIFT,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 310-320, 2020.
[20] A. S. Kurnia, I. Safitri, and R.Y. N. Fu’adah, “Deteksi Masker Wajah Pada Pengguna Motor Menggunakan Metode Local Binary Pattern (LBP) dan K-Nearest Neighbor (K-NN), 2021.



