Identifikasi Penyakit Pada Daun Anggrek Hitam Berdasarkan Ekstraksi Fitur

Lili Kurnia Sari, Joan Angelina Widians, Masna Wati

Abstract


Salah satu spesies anggrek yang menjadi favorit di kalangan pecinta tanaman anggrek yaitu Anggrek Hitam. Anggrek hitam yang begitu indah dan unik menjadi koleksi bagi para pecinta tanaman hias. Anggrek Hitam dalam bahasa latinnya Coelogyne Pandurata merupakan salah satu anggrek alam endemik Kalimantan. Tanaman ini rentan terhadap penyakit. Penyakit pada tanaman anggrek hitam dapat disebabkan oleh adanya bakteri, jamur dan virus. Penelitian ini mengembangkan ekstraksi fitur berdasarkan citra daun bertujuan membantu user mengidentifikasi jenis penyakit pada anggrek hitam sehingga dapat melakukan perawatan pada tanaman tersebut. Pada penelitian ini, ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix dengan 4 arah yaitu 0°, 45°, 90° dan 135°. Data citra daun tanaman anggrek hitam  yang digunakan berjumlah 64 data citra. Terdapat empat penyakit pada daun anggrek hitam yaitu penyakit bercak coklat, busuk lunak, bercak hitam dan bercak bercincin. Pengujian terhadap model menggunakan Multi SVM pada 3 jenis kernel yaitu linear, Gaussian/RBF dan polynomial. Pengujian model menggunakan proporsi 80:20 dengan 51 data training dan 13 data testing. Hasil evaluasi menunjukkan penyakit yang teridentifikasi adalah penyakit bercak coklat berdasarkan Multi SVM dengan nilai akurasi sebesar 100% pada kernel Gaussian/RBF, 92% pada kernel linear dan 92% pada kernel polynomial.


Keywords


Anggrek hitam; Ekstraksi fitur; GLCM; Multi SVM; Pengolahan citra

Full Text:

PDF

References


J. A. Widians, N. Puspitasari, and A. A. M. Putri, “Penerapan Teorema Bayes dalam Sistem Pakar Anggrek Hitam,” Inform. Mulawarman J. Ilm. Ilmu Komput, vol. 15, no. 2, p. 75, 2020.

J. A. Widians, N. Puspitasari, H. S. Pakpahan, E. Budiman, and F. Alameka, “Identification Pests and Diseases of the Borneo Black Sweet in Tropical Rainforest,” in Journal of Physics: Conference Series, 2021, vol. 1844, no. 1, p. 12007.

M. Wati, N. Puspitasari, U. Hairah, J. A. Widians, A. Septiarini, and A. F. Tjikoa, “Borneo Smart Forest Information System for Management of Dipterocarp Plants in Kalimantan Rainforest,” in 2022 IEEE 8th Information Technology International Seminar (ITIS), 2022, pp. 134–139.

J. A. Widians, M. Wati, N. Puspitasari, U. Hairah, and A. F. Tjikoa, “Texture-based Dipterocarpaceae trunk classification using two stage transfer learning of VGG16,” in 2023 International Conference on Electrical Engineering and Informatics (ICEEI), 2023, pp. 1–4.

F. Jiang, Y. Lu, Y. Chen, D. Cai, and G. Li, “Image recognition of four rice leaf diseases based on deep learning and support vector machine,” Comput. Electron. Agric., vol. 179, p. 105824, 2020.

M. Wati, N. Puspitasari, E. Budiman, and R. Rahim, “First-order feature extraction methods for image texture and melanoma skin cancer detection,” in Journal of Physics: Conference Series, 2019, vol. 1230, no. 1, p. 12013.

J. A. Widians, H. S. Pakpahan, E. Budiman, H. Haviluddin, and M. Soleha, “Klasifikasi jenis bawang menggunakan metode k-nearest neighbor berdasarkan ekstraksi fitur bentuk dan tekstur,” J. Rekayasa Teknol. Inf., vol. 3, no. 2, pp. 139–146, 2019.

M. Wati, N. Puspitasari, U. Hairah, J. A. Widians, and A. F. Tjikoa, “Dipterocarpaceae trunk texture classification using two-stage convolutional neural network-based transfer learning model.,” Int. J. Electr. Comput. Eng., vol. 14, no. 6, 2024.

A. J. Rozaqi, A. Sunyoto, and M. rudyanto Arief, “Deteksi Penyakit Pada Daun Kentang Menggunakan Pengolahan Citra dengan Metode Convolutional Neural Network,” Creat. Inf. Technol. J., vol. 8, no. 1, p. 22, 2021, doi: 10.24076/citec.2021v8i1.263.

J. A. Widians, A. Septiarini, M. Wati, A. Tejawati, M. Soleha, and T. A. Fiqri, “Identification of Dayak Onion with Shape and Texture Feature Extraction by Image Processing,” in Proceedings of the UR International Conference on Educational Sciences, 2022, pp. 5–9.

A. Septiarini, D. N. Siswoyo, H. Hamdani, M. Wati, J. A. Widians, and N. Puspitasari, “Tomato Segmentation on Natural Background Using Multi Operation of Edge Detection And Reconstruction,” in 2021 IEEE URUCON, 2021, pp. 571–575.

A. Septiarini, H. Hamdani, M. S. Sauri, and J. A. Widians, “Image processing for maturity classification of tomato using otsu and manhattan distance methods.,” J. Inform., vol. 16, no. 3, 2022.

P. K. Mall, P. K. Singh, and D. Yadav, “Glcm based feature extraction and medical x-ray image classification using machine learning techniques,” in 2019 IEEE Conference on Information and Communication Technology, 2019, pp. 1–6.

P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” J. Resti (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 1–9, 2021.




DOI: http://dx.doi.org/10.30872/jurti.v9i3.17504

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Rekayasa Teknologi Informasi (JURTI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]

 Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

StatCounter - Free Web Tracker and Counter