Identifikasi Penyakit Daun Tomat Menggunakan Gray Level Co-occurrence Matrix (GLCM) dan Support Vector Machine (SVM)

Abstract

Tumbuhan memiliki peranan penting dalam menjaga keseimbangan ekosistem karena sebagai sumber makanan dalam suatu rantai makanan. Tumbuhan Tomat (Lycopersicon esculentum) merupakan salah satu sumber bahan makanan yang kaya akan nutrisi, gizi dan juga dapat memberikan energi. Tomat banyak digunakan diberbagai negara termasuk Indonesia dan menjadi buruan untuk dikreasikan dalam berbagai rempah masakan, sehingga tomat memiliki peranan dalam perekonomian yang disebabkan oleh banyaknya permintaan. Dalam menjaga pasokan tomat terus tersedia perlu adanya proses budidaya, dalam proses ini tumbuhan tomat mudah diserang oleh hama dan penyakit yang menyebabkan terjadinya bercak dan hawar pada daun tomat. Identifikasi citra daun tomat yang terserang penyakit dapat tersegmentasi pada hasil pengurangan channel warna [Green – Red] dalam citra RGB. Ciri penyakit hasil segmentasi diekstrak menggunakan GLCM dengan sudut 0o dan jarak ketetanggaan nilai antar pixel citra yang digunakan adalah 1 nilai piksel citra. Berdasarkan hasil yang diperoleh nila akurasi terbesar dari model SVM yang digunakan adalah 65% dengan kernel radial basis function, untuk membedakan dua jenis penyakit pada daun tomat. Nilai akurasi model SVM yang diperoleh dari hasil ekstraksi ciri GLCM diambil menggunakan persamaan Energy dan Entropy. Nilai akurasi model masih dapat ditingkatkan dengan menambahkan penciri lain yang terdapat pada GLCM.