POLTESAPOLTESA

Prosiding Seminar Hasil Penelitian dan Pengabdian Kepada Masyarakat (SEHATI ABDIMAS)Prosiding Seminar Hasil Penelitian dan Pengabdian Kepada Masyarakat (SEHATI ABDIMAS)

Salah satu tanaman pangan dengan permintaan tinggi adalah tanaman cabai merah. Namun, cabai merupakan tanaman yang rentan dalam proses budidaya. Penyakit patogen sering menyerang bagian vital tanaman seperti daun, faktor ini membuat produksi cabai menurun. Ditambah dengan kurangnya pemahaman tentang penyebaran penyakit hanya membuat kualitas tanaman cabai semakin menurun. Pada penelitian ini, identifikasi penyakit daun menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) untuk mengekstrak fitur citra. Hasil ekstraksi fitur diklasifikasikan berdasarkan kelas penyakit daun menggunakan metode Support Vector Machine (SVM) dengan fungsi kernel. Pengujian penelitian ini menggunakan citra uji yang telah disiapkan sebelumnya, dan dihitung dengan GLCM menggunakan jarak piksel d = 1 sampai 5 dibantu dengan fungsi kernel gaussian dan polinomial. Setelah dilakukan perhitungan ekstraksi ciri dan klasifikasi, didapatkan hasil bahwa akurasi tertinggi berada pada piksel d = 1 jarak dengan akurasi fungsi polinomial 83%.

Berdasarkan penelitian yang dilakukan, penggunaan metode ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM) dapat diterapkan dengan menggunakan Mean dari 4 orientasi sudut, jarak piksel d = 1 sampai dengan 5, dan parameter Contrast, Correlation, Energy, dan Homogenity.Klasifikasi menggunakan Support Vector Machine (SVM) pun dapat diterapkan dan diuji menggunakan 2 fungsi Kernel yakni Gaussian dan Polynomial.Hasil perbandingan varian jarak piksel dan fungsi kernel, menunjukkan akurasi tertinggi pada jarak piksel d = 1 menggunakan kernel Polynomial dengan akurasi 83%.

Penelitian lanjutan dapat difokuskan pada pengembangan metode deteksi penyakit daun cabai secara real-time menggunakan kamera pada perangkat seluler, sehingga petani dapat dengan cepat mengidentifikasi penyakit di lapangan. Selain itu, penelitian dapat diperluas dengan mengintegrasikan data cuaca dan kondisi lingkungan lainnya untuk memprediksi potensi penyebaran penyakit dan memberikan rekomendasi tindakan pencegahan yang lebih akurat. Terakhir, eksplorasi penggunaan teknik deep learning, seperti Convolutional Neural Networks (CNN), dapat dilakukan untuk meningkatkan akurasi klasifikasi penyakit daun cabai, terutama dalam menghadapi variasi kondisi pencahayaan dan kompleksitas pola penyakit yang berbeda.

  1. #daya saing#daya saing
  2. #tanaman cabai#tanaman cabai
Read online
File size436.11 KB
Pages11
Short Linkhttps://juris.id/p-1IN
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test