Deteksi Penyakit Pada Daun Padi Menggunakan Metode LBP dan SVM
Abstract
Salah satu makanan pokok terpenting di dunia adalah beras, dan peningkatan konsumsi serta permintaan beras seiring dengan bertambahnya populasi dunia telah menimbulkan masalah hama dan penyakit pada tanaman padi. Organisasi Pangan dan Pertanian (FAO) memperkirakan bahwa 20-40% produksi pangan global gagal akibat serangan hama dan penyakit. Hal ini menyebabkan kerugian ekonomi yang besar bagi petani. Di Indonesia, petani sering kali mengalami kesulitan dalam mendeteksi jenis penyakit yang menyerang tanaman padi mereka, yang pada gilirannya berdampak pada menurunnya kualitas dan kuantitas hasil panen. Penulis menggunakan proses pengolahan gambar digital untuk menemukan penyakit pada daun padi menggunakan metode Local Binary Pattern (LBP) dan Support Vector Machine (SVM). Sistem dibangun melalui dua fase utama yaitu pelatihan dan pengujian. Citra daun padi diolah melalui proses preprocessing, kemudian fitur diekstraksi menggunakan metode LBP. Vektor fitur yang diperoleh selanjutnya digunakan dalam proses klasifikasi menggunakan metode SVM. Hasil penelitian menunjukkan bahwa metode LBP dan SVM memberikan nilai akurasi yang baik dalam mendeteksi penyakit pada daun padi. Jenis pola LBP yang memberikan hasil terbaik adalah pola uniform dengan akurasi 80,56%, sedangkan kernel SVM dengan kinerja terbaik adalah kernel linier dan polynomial orde 1 dengan akurasi sebesar 83,33%.
Kata kunci : Local Binary Pattern, Rice Leaf Disease, Support Vector Machine.
References
Mohtar Khoiruddin, “View of Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network,” 2022, Journal of Dinda.
S. A. M. Harun, M. I. Pradhipta, and U. Achmad, “Perubahan sosial masyarakat akibat penurunan kualitas padi di Desa Wonojati Kecamatan Jenggawah Kabupaten Jember,” SOCA J. Sos. Ekon. Pertan, vol. 13, no. 1, p. 38, 2019.
R. Sharma and A. Singh, “Overview of different machine learning techniques for plant disease detection,” J. Gujarat Res. Soc, vol. 21, no. 6, pp. 416–425, 2019.
M. S. Alfarisi, C. A. Bintang, and S. Ayatillah, “Desa Exsys (Drone Security with Audio and Expert System) untuk Mengusir burung dan mengidentifikasi hama atau penyakit padi guna menjaga ketahanan pangan dan peningkatan kemandirian pangan di Indonesia,” J. Appl. Agric. Sci. Technol., vol. 2, no. 1, pp. 35–50, 2018.
R. Munir, “Robustness analysis of selective image encryption algorithm based on arnold cat map permutation,” in Proceedings of 3rd Makassar International Conference on Electrical Engineering and Informatics, 2012.
M. Achirul Nanda, K. Boro Seminar, D. Nandika, and A. Maddu, “A comparison study of kernel functions in the support vector machine and its application for termite detection,” Information, vol. 9, no. 1, p. 5, 2018.
