Klasifikasi Penyakit Daun Kopi Robusta Menggunakan Metode SVM dengan Ekstraksi Ciri GLCM

Abstract

Tanaman kopi merupakan sumber pendapatan bagi beberapa petani di Indonesia dan berperan penting sebagai penghasil devisa negara. Produksi tanaman kopi dapat menurun akibat serangan hama dan penyakit. Beberapa penyakit yang sering terjadi pada tanaman kopi adalah penyakit pada daun, berupa bercak daun (Cercospora coffeicola) dan karat daun (Hemileia vastatrix). Penelitian yang dilakukan bertujuan untuk mengenali jenis penyakit pada daun kopi robusta dan mengetahui hasil klasifikasi. Penerapan teknologi pengolahan citra berbasis machine learning menggunakan metode klasifikasi support vector machine (SVM) berdasarkan ekstraksi ciri gray level co-occurrence matrix (GLCM) menjadi solusi yang diusulkan. Prapengolahan diperlukan sebelum dilakukannya pengolahan untuk meningkatkan kualitas citra supaya mudah dianalisis. Kemudian, dilakukan segmentasi menggunakan k-means clustering. Proses segmentasi k-means clustering dengan tiga cluster digunakan untuk membedakan bagian yang terdampak penyakit bercak daun atau karat daun dengan bagian yang tidak terdampak penyakit. Metode GLCM digunakan sebagai ekstraksi ciri, berdasarkan fitur angular second moment (ASM) atau energi, kontras, korelasi, inverse different moment (IDM) atau homogenitas, dan entropi dengan sudut 0°, 45°, 90°, dan 135°, serta jarak antar piksel 1 sampai 3 piksel. Metode SVM digunakan sebagai klasifikasi dengan kernel linear, polinomial, dan Radial Basis Function (RBF) Gaussian. Penelitian ini menggunakan citra bercak daun dan karat daun, dengan jumlah data latih 320 citra dan data uji 80 citra. Hasil pengujian terbaik diperoleh pada kernel RBF Gaussian dengan tingkat akurasi terbaik sebesar 97,5%, presisi 95,24%, recall 100%, dan F1-score 97,56%.