TEKNIK PENGOLAHAN CITRA DIGITAL UNTUK IDENTIFIKASI PENYAKIT PADA DAUN TANAMAN KOPI

Prio Mulyo Widodo, Ahmad Jazuli, Esti wijayanti

Sari


Kopi memegang peranan penting sebagai produk perkebunan, yang memberikan kontribusi signifikan terhadap perolehan devisa Indonesia. Saat ini, Indonesia menduduki peringkat keempat sebagai produsen kopi terbesar di dunia, dengan luas areal perkebunan mencapai 1,24 juta hektare. Meskipun demikian, jika dibandingkan dengan negara lain, kualitas dan kuantitas kopi yang dihasilkan Indonesia masih tergolong rendah, dipengaruhi oleh dua faktor utama: pohon yang lebih tua rentan terhadap penyakit dan peremajaan tanaman yang kurang baik. Metode penelitian yang digunakan dalam penelitian ini meliputi ekstraksi ciri, ekstraksi ruang warna RGB, ekstraksi ruang warna HSV, pengolahan /klasifikasi dan perhitungan parameter akurasi. Tahap penelitian klasifikasi citra penyakit daun kopi menggunakan ruang warna RGB dan HSV. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit daun kopi menggunakan analisis citra digital dengan fokus pada daun tanaman kopi. Dataset yang digunakan terdiri dari 5000 gambar daun kopi yang dibagi menjadi empat yaitu Karat daun, Pengorok daun (Miner), Leaf Blight (Phoma) dan bercak daun, dengan masing-masing kelompok berjumlah 1000 gambar. Citra daun kopi diubah menjadi citra greyscale. Metode matriks kejadian bersama tingkat abu-abu (GLCM) kemudian digunakan untuk mengekstraksi fitur tekstur, menghasilkan fitur seperti kontras, entropi, keseragaman, dan energi. Ekstraksi fitur ini digunakan untuk klasifikasi menggunakan algoritma K-nearest neighbour (KNN). Berdasarkan hasil penelitian, metode KNN dengan k=3 dan Euclidean distance memberikan performa terbaik dengan akurasi 95%, presisi 95%, recall 95%, dan skor f1 95%.

Kata Kunci


Kopi, Penyakit Daun, Citra Digital.

Teks Lengkap:

PDF

Referensi


MobileNetV2,” J. Ilmu Komput. dan Bisnis, vol. 14, no. 1, pp. 66–73, 2023, doi: 10.47927/jikbv14i1.622. Fatchurrachman, A., & Udjulawa, D. (2021). Identifikasi Penyakit Pada Tanaman Kopi Berdasarkan Citra Daun Menggunakan Metode Convolution Neural Network. Junal Algoritme. Ferdiana, S., Enggar, R., & Dijaya, R.(2017). “Otomatisasi klasifikasi kematangan buah Mengkudu berdasarkan warna dan tekstur,” vol. 5, no. 1, pp. 17–23, 2017. Krisnaindra. (2021). “Klasifikasi dan Morfologi Tanaman Kopi dengan Pengertiannya,” Oct. 08,2016.https://www.teorieno.com/2016/10/klasifikasi dan morfologi tanaman kopi.html (accessed Nov. 24, 2021). Murni, S., widiyanto, D., & Puspita Dewi, C. N. (2022). Klasifikasi Citra Penyakit Daun Kopi Arabika Menggunakan Support Vector Machine (SVM) Dengan Seleksi Fitur Information Gain. Senamika. Nasution, B. B. (2018). “Specialty Kopi Indonesia,”. Pariyandani, A., Wanti, E.P., & Muhathir, M. (2020). Analysis of the Naïve Bayes Method in Classifying Formalized Fish Images Using GLCM Feature Extraction. Journal of Computer Science, Information Technology and Telecommunication Engineering1 (2),120-128. Rahardjo, P. (2017). Berkebun Kopi. Penebar Swadaya, 2017. Wahyuningtyas, B., Tritoasmoro, I. I., & Ibrahim, N. (2022). Identifikasi Penyakit Pada Daun Kopi Menggunakan Metode Local Binary Pattern Menggunakan Metode Local Binary Pattern. e-Proceeding of Engineering. Windiawan, R., & Suharso, A., (2021). “Identifikasi Penyakit pada Daun Kopi Menggunakan Metode Deep Learning,” vol. 3, no. 36, pp. 9–16, 2021.




DOI: https://doi.org/10.24176/detika.v5i1.13943

Refbacks

  • Saat ini tidak ada refbacks.


Indexed by :

                     



Flag Counter


Dedicated to :



 

Jurnal Dialektika Informatika (DETIKA) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.