DETEKSI PENYAKIT DAUN CABAI MENGGUNAKAN KOMBINASI GLCM DAN HSV DENGAN KLASIFIKASI SVM

Abstrak

Cabai merupakan salah satu komoditas hortikultura bernilai ekonomi tinggi di Indonesia. Namun, tanaman ini sangat rentan terhadap berbagai penyakit daun seperti virus kuning, bercak daun, keriting daun, kekurangan nutrisi dan serangan kutu putih. Deteksi penyakit secara manual seringkali tidak akurat dan menghabiskan waktu sehingga dibutuhkan solusi otomatis yang lebih efisien dan efektif. Penelitian ini bertujuan untuk mendeteksi penyakit daun cabai dengan menggunakan fitur tekstur dan warna pada citra daun. Dengan pendekatan ini, petani dapat dengan mudah mengenali jenis penyakit yang menyerang tanaman cabai sehingga dapat mengambil tindakan pengendalian secara lebih cepat dan tepat. Penelitian ini menggunakan 1.150 citra daun cabai yang terbagi dalam lima kategori penyakit, masing-masing terdiri dari 230 citra (184 data latih dan 46 data uji). Kelima kategori tersebut yaitu virus kuning, bercak daun, keriting daun, kekurangan nutrisi, dan kutu putih. Ekstraksi ciri dilakukan pada fitur warna berbasis ruang warna Hue, Saturation, Value (HSV) dan fitur tekstur yang diperoleh melalui metode Gray Level Co-occurrence Matrix (GLCM). Untuk proses klasifikasi, digunakan algoritma Support Vector Machine (SVM) Kernel RBF. Pengujian parameter C (1,5, dan 10) dan Gamma (0.1 - 0.00001) dengan hasil terbaik pada C = 10, dan Gamma = 0.1 dengan akurasi 91.30%. Berdasarkan hasil penelitian, kombinasi fitur GLCM dan HSV dengan algoritma SVM dengan kernel RBF menunjukkan performa yang baik dalam klasifikasi penyakit daun cabai.

Identifier

• DOI: https://doi.org/10.33506/insect.v11i2.4820
• OpenAlex: https://openalex.org/W4415462636