Identifikasi Penyakit Jagung Dengan Menerapkan Metode Gray Level CoOccurrence Matrix (GLCM) Dan Support Vector Machine (SVM) Melalui Citra Daun
DOI:
https://doi.org/10.34818/eoe.v9i6.18950Abstrak
Abstrak—Di Indonesia jagung merupakan salah satu tanaman yang dimanfaatkan dalam banyak hal diantaranya untuk makanan yang dikonsumsi, diolah menjadi pakan hewan ternak, minyak, tepung jagung, gula dan turunannya. Sehingga industri yang bergerak di bidang pengolahan makanan nantinya akan terus berkembang dan permintaan jagung juga mengalami peningkatkatan. Namun terdapat kendala dalam peningkatan produksi jagung yaitu adanya gangguan biologis yang menyebabkan peningkatan jumlah jagung yang terkena penyakit tersebut. Salah satu cara melihat jagung yang sakit adalah dengan melihat daunnya. Dengan begitu dibutuhkan sistem yang apat mendetekesi penyakit pada jagung melalui daun,agar dapa dilakukan penanganan dini.Pada Tugas akhir ini merancang sistem klasifikasi untuk 4 kondisi pada daun jagung diantaranya adalah daun yang sehat, daun hawar, daun berkarat, dan bercak daun. Sistem pada tugas akhir ini menggunakan metode ektasi cir GLCM dan metode klasifikasi SVM . Pada sistem ini memanfaatkan citra daun jagung sebanyak 3.853 data citra Dari jumlah data tersebut dibagi lagi menjadi dua yaitu untuk data latih digunakan sebanyak 2.696 data dan 1.157 untuk data uji. Dari sistem klasifikasi menggunakan metode SVM dihasilkan nilai akurasi yang paling tinggi sebesar 93,08 % serta waktu komputasi berada pada 16,51 s dengan menggunakan memanfaatkan kernel berjenis polinomial orde 4 dan jenis kelas SVM OAO.. Kata Kunci — jagung, Gray Level Cooccurance Matrix (GLCM) , Support Vector Machine (SVM), RGB (Red, Green , Blue ).Unduhan
Referensi
[1] N. Nelly, Hama Utama Pada Tanaman Jagung dan Eksplorasi Beberapa Teknik Pengendalian. Nas Media Pustaka, 2022.
[2] I. P. Sari, B. Hidayat, and R. D. Atmaja, “Perancangan dan simulasi deteksi penyakit tanaman jagung berbasis pengolahan citra digital menggunakan metode color moments dan glcm,” Prosiding SENIATI, pp. 215–B, 2016.
[3] M. L. Morris, Impacts of international maize breeding research in developing countries, 1966-98. Cimmyt, 2002.
[4] L. A. Christensen, “Soil, nutrient, and water management systems used in us corn production,” Tech. Rep., 2002.
[5] A. Oktem, “Response of sweet corn (zea mays saccharata sturt) to nitrogen and intra row spaces in semi-arid region,” Pakistan Journal of Biological Sciences, vol. 8, no. 1, pp. 160–163, 2005.
[6] S. Purwanto, “Perkembangan produksi dan kebijakan dalam peningkatan produksi jagung,” Direktorat Budi Daya Serelia, Direktorat Jenderal Tanaman Pangan, 2007.
[7] E. H. Rachmawanto and H. P. Hadi, “Optimasi ekstraksi fitur pada knn dalam klasifikasi penyakit daun jagung,” Dinamik, vol. 26, no. 2, pp. 58–67, 2021.
[8] N. A. Subekti, R. E. Syafruddin, and S. Sunarti, “Morfologi tanaman dan fase pertumbuhan jagung,” Di dalam: Jagung, Teknik Produksi dan Pengembangan. Jakarta (ID): Pusat Penelitian dan Pengembangan Tanaman Pangan, 2007.
[9] M. Smith, C. Miles, and J. Van Beem, “Genetic improvement of maize for nitrogen use efficiency,” Maize research for stress environment, pp. 39–43, 1995.
[10] R. L. Paliwal, G. Granados, H. R. Lafitte, A. D. Violic et al., Tropical maize: improvement and production. Food and Agriculture Organization (FAO), 2000.
[11] G. Prasetyo, S. Ratih, I. Ivayani, and H. M. Akin, “Efektivitas pseudomonas fluorescens dan paenibacillus polymyxa terhadap keparahan penyakit karat dan hawar daun serta pertumbuhan tanaman jagung manis (zea mays var. saccharata),” Jurnal Agrotek Tropika, vol. 5, no. 2, 2017.
[12] S. Y. Irianto, “Analisa citra digital dan content based image retrieval,” Lampung: CV. Anugerah Utama Raharja (AURA), 2016.
[13] V. Tyagi, Understanding digital image processing. CRC Press, 2018.
[14] P. N. Andono and T. Sutojo, “Muljono,” Pengolahan Citra Digital, pp. 1–2, 2017.
[15] P. Mohanaiah, P. Sathyanarayana, and L. GuruKumar, “Image texture feature extraction using glcm approach,” International journal of scientific and research publications, vol. 3, no. 5, pp. 1–5, 2013.
[16] N. S. Anto, A. B. Witarto, and D. Handoko, “Support vector machine-teori dan aplikasinya dalam bioinformatika,” dari http://ilmukomputer. com, 2003.



