Identifikasi Gejala Penyakit Tanaman Jeruk Melalui Pengolahan Citra

Abstract

Pengolahan citra adalah trend terkini mendukung suatu pengenalan pola objek citra secara digital, dengan penerapan metode dan konsep dalam menginterprestasikan informasi menjadi pendukung data secara visual. Gejala penyakit pada tanaman dapat terlihat adanya noda pada area objek, sehingga dalam memudahkan pengenalan fitur yang digunakan adalah dengan tekstur, karena tanda penyakit dapat mengenai sekitar atau seluruh area obyek. Usulan yang dibangun diharapkan dapat memberikan solusi untuk melakukan identifikasi gejala suatu penyakit melalui pengolahan citra, dengan melibatkan konsep dan metode. Tahapan yang diterapkan dalam pengelolaan adalah preprocessing, feature extraction, dan identification Metode preprocessing dilakukan dengan resize, clipping, penajaman tekstur dengan usharp mask filter dan konversi RGB ke gray. Feature extraction dengan metode Fast Fourier Transform (FFT) dan Local Binary Pattern (LBP). FFT merupakan ekstraksi cepat pada transformasi fourier, sedangkan LBP merupakan ekstraksi ciri dengan diskripsi pola pada citra gray. Proses identifikasi dengan metode Probabilistic Neural Network (PNN) dalam melakukan klasifikasi yang mendukung proses identifikasi terhadap penyakit tanaman, jumlah data yang digunakan 233, terbagi dalam 157 data latih dan 76 data uji. Hasil klasifikasi terhadap data latih menunjukan hasil maksimal untuk semua citra batang, daun, dan buah. Sedang untuk data uji hasilnya tertinggi identifikasi pada penerapan ekstraksi ciri dengan FFT dibandingkan dengan LBP ataupun gabungan kedua ekstraksi ciri tersebut.