Deteksi Dini Serangan Hama Penyakit pada Cabai Rawit Menggunakan Metode Image Recognition

Abstract

Tanaman cabai merupakan salah satu komoditas sayuran yang memiliki nilai ekonomi tinggi serta berpotensi untuk terus dikembangkan. Kendati demikian, produksi tanaman cabai tersebut sering mengalami hambatan, salah satunya karena serangan hama dan penyakit. Identifikasi serangan hama dan penyakit pada tanaman cabai sangat diperlukan sebagai bagian dari upaya pencegahan dini penyebaran hama dan penyakit tersebut. Pada penelitian ini, teknologi image recognition atau rekognisi citra dilakukan untuk mengenali jenis hama dan penyakit pada tanaman cabai. Penelitian dimulai dengan mengumpulkan citra daun cabai dengan kategori sehat, terserang hama tungau (P. Latus), kutu kebul (B. Tabaci), penyakit virus kuning (Gemini Virus), dan penyakit bercak daun (Cercospora sp.). Tahap selanjutnya, pra-pemrosesan citra berupa cropping dan resizing dilakukan agar format citra seragam lalu kemudian dilanjutkan dengan background removal untuk mengurangi efek background dalam pengolahan citra. Citra masukan yang berformat Red-Green-Blue (RGB) kemudian diubah ke citra grayscale agar dihasilkan satu kanal warna sebagai masukan. Citra tersebut diekstraksi untuk mendapatkan ciri fitur menggunakan metode Gray Level Co-occurrence Matrix (GLCM). Fitur tekstur yang diekstrak meliputi nilai contrast, correlation, energy, homogeneity, dan dissimilarity dengan nilai rata-rata pada sudut 0°, 45°, 90° dan 135°. Setelah fitur pada seluruh citra diperoleh, citra dikelompokkan ke dalam 5 kelas berdasarkan kategori citra dengan menggunakan algoritma K-Means Clustering. Hasil ekstraksi dan segmentasi kemudian digunakan sebagai parameter dalam proses klasifikasi menggunakan algoritma Support Vector Machine (SVM). Hasil akurasi klasifikasi citra daun cabai yang didapatkan pada penelitian ini sebesar 82%.