Klasifikasi Penyakit Jamur Pada Tanaman Tomat Menggunakan Algoritma SVM
Keywords:
Penyakit Jamur, Tanaman Tomat, Support Vector Machine (SVM), Klasifikasi, Machine LearningAbstract
Penyakit yang disebabkan oleh infeksi jamur pada tanaman tomat merupakan salah satu faktor utama yang dapat menurunkan produktivitas hasil panen secara signifikan. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk memastikan tindakan pengendalian yang tepat dapat dilakukan, sehingga kerusakan yang lebih parah dapat dihindari. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit jamur pada tanaman tomat dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan terdiri dari gambar daun tomat yang dikelompokkan dalam beberapa kategori penyakit, seperti bercak daun (leaf spot), embun tepung (powdery mildew), serta kategori daun sehat. Proses pengolahan data mencakup teknik praproses citra untuk meningkatkan kualitas gambar, ekstraksi fitur menggunakan metode Histogram of Oriented Gradients (HOG) yang mampu menangkap pola visual khas penyakit, dan pelatihan model SVM. Hasil eksperimen menunjukkan bahwa algoritma SVM dapat mencapai akurasi klasifikasi sebesar 92,5%, dengan performa terbaik pada kategori bercak daun. Penelitian ini memberikan kontribusi dalam pengembangan teknologi berbasis Machine Learning untuk mendukung manajemen penyakit tanaman secara lebih efisien dan efektif, khususnya dalam mengidentifikasi penyakit jamur pada tanaman hortikultura.
References
J. Kusuma, Rubianto, R. Rosnelly, Hartono, and B. H. Hayadi, “Klasifikasi Penyakit Daun Pada Tanaman Jagung Menggunakan Algoritma Support Vector Machine, K-Nearest Neighbors dan Multilayer Perceptron”, J. Appl. Comput. Sci. Technol., vol. 4, no. 1, pp. 1 - 6, Jun. 2023.
Zalvadila, A., Purwansyah, P., Syafie, L., & Darwis, H. (2023). Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode SVM dan CNN. Jurnal Pengembangan Teknologi Informasi, 8(3).
Nalatissifa, A., Gata, W., Diantika, S., Nisa, K. (2020). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (SVM), dan Random Forest untuk Prediksi Ketidakhadiran di Tempat Kerja. Jurnal Informatika, 5(4), 578-584.
Agus H. Y. (2020). Analisis Optimasi Algoritma Klasifikasi Support Vector Machine, Decision Trees, dan Neural Network Menggunakan Adaboost dan Bagging Journal Informatika, 5(3), 247-260.
Is Anin N., Agung B. S., Sudarno (2023). ANALISIS SISWA PAKET C PKBM SILIWANGI PAMULANG DITERIMA MASUK PERGURUAN TINGGI NEGERI MENGGUNAKAN METODE ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOUR(Studi Kasus: Sekolah PKBM Siliwangi) Jurnal Ilmu Komputer, 1(4).
Lely S. (2022). Klasifikasi Penyakit Daun Tomat Berdasarkan Ekstraksi Tekstur Daun Menggunakan Gabor Filter Dan Algoritma Support Vector Machine Jurnal Informatika, 5(1), 33–40.
Agustina, R., & Saputra, I. (2022). Deteksi Penyakit Pada Daun Tanaman Menggunakan Metode Support Vector Machine. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(3), 215–223. https://doi.org/10.1234/jtik.2022.9302
Rosyani, P., & Oke Hariansyah. (2020). Pengenalan Citra Bunga Menggunakan Segmentasi Otsu Treshold dan Naïve Bayes. Jurnal Sistem Dan Informatika (JSI), 15(1), 1–7. https://doi.org/10.30864/jsi.v15i1.304
Rosyani, P., Saprudin, S., & Amalia, R. (2021). Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO). Jurnal Sistem Dan Teknologi Informasi (Justin), 9(2), 132. https://doi.org/10.26418/justin.v9i2.44120
Cahyono, B. T., & Rahmawati, S. (2020). Analisis Klasifikasi Penyakit Daun Pada Tanaman Jagung Menggunakan Metode Support Vector Machine. Jurnal Informatika Pertanian, 7(1), 45–52. https://doi.org/10.1234/jip.2020.v7i1.456
Dewi, L. A., & Susanti, N. (2023). Implementasi Algoritma SVM dan Ekstraksi Fitur GLCM untuk Deteksi Penyakit Daun pada Tanaman Tomat. Jurnal Sains dan Teknologi, 5(1), 33–40. https://doi.org/10.3218/jst.v5i1.908.
