KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN SUPPORT VECTOR MACHINE BERDASARKAN FITUR MENDALAM (DEEP FEATURE)

Devina Margarita
Hendra Maulana
Eka Prakarsa Mandyartha


DOI: https://doi.org/10.29100/jipi.v9i4.5634

Abstract


Tanaman padi memiliki peran yang sangat penting dalam menyediakan pangan bagi populasi global. Namun, serangan hama dan bakteri dapat menghambat produksi padi dengan mengganggu proses fotosintesis dan fase generatifnya, yang berakhir pada penurunan kualitas dan kuantitas panen. Untuk mengatasi tantangan ini, penelitian ini mengusulkan pemanfaatan teknologi pemrosesan citra dan pembelajaran mesin. Metode yang digunakan mencakup Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk mengekstraksi fitur citra, serta Support Vector Machine (SVM) dengan pendekatan pelatihan menggunakan Sequential Minimal Optimization (SMO) untuk klasifikasi. Penelitian ini terdiri dari lima tahap utama: preprocessing , pembagian data, ekstraksi fitur CNN, pelatihan SVM, dan evaluasi hasil. Berbagai skenario dengan kernel SVM yang berbeda dievaluasi, di mana hasilnya menunjukkan bahwa kernel RBF dan linear mampu mencapai akurasi tertinggi, yaitu 93,94%. Penelitian ini menunjukkan bahwa penggunaan CNN dan SVM dalam mengatasi hambatan klasifikasi citra penyakit daun pada tanaman padi, dapat memberikan hasil yang signifikan.

Full Text:

PDF

Article Metrics :

References


Vandalisna, S. Mulyono, B. Putra and I. A. Wahab, Pengelolaan Tanaman Terpadu Pada Usaha Tani Padi, Jakarta Selatan: ASOSIASI PROFESI WIDYAISWARA INDONESIA, 2023.

"Luas Panen dan Produksi Padi di Indonesia 2023 (Angka Sementara)," [Online]. Available: https://www.bps.go.id/id/pressrelease/2023/10/16/2037/luas-panen-dan-produksi-padi-di-indonesia-2023--angka-sementara-.html. [Accessed 27 04 2024].

M. Khoiruddin, A. Junaidi and W. A. Saputra, "Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network," Journal of DInda : Data Science, Information Technology, and Data Analysis, 23 02 2022.

"Dinas Ketahanan Pangan dan Pertanian Kabupaten Ngawi," 12 01 2023. [Online]. Available: https://pertanian.ngawikab.go.id/tag/hama/.

A. Akram, K. Fayakun and H. Ramza, "Klasifikasi Hama Serangga pada Pertanian Menggunakan Metode Convolutional Neural Network," Building of Informatics, Technology and Science (BITS), 27 09 2023.

Y. F. Riti and S. S. Tandjung, "Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network," Progresif: Jurnal Ilmiah Komputer, 01 02 2022.

J. Jaafari, S. Douzi, K. Douzi and B. Hssina, "Towards more efficient CNN-based surgical tools classification using transfer learning," Journal of Big Data, 30 08 2021.

I. D. Id, MACHINE LEARNING: Teori, Studi Kasus dan Implementasi Menggunakan Python, Riau: Universitas Riau Press (UR Press), 2021.

J. W. G. Putra, Pengenalan Konsep Pembelajaran Mesin dan Deep Learning, 2023.

A. R. I. Pratama, S. A. Latipah and B. N. Sari, "OPTIMASI KLASIFIKASI CURAH HUJAN MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) DAN RECURSIVE FEATURE ELIMINATION (RFE)," IPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 31 05 2022.

H. Kibriya, I. Abdullah and A. Nasrullah, "Plant Disease Identification and Classification Using Convolutional Neural Network and SVM," IEEE Xplore, 02 02 2022.

T. Sultana and M. Reza, "Identification of Potato Leaf Diseases Using Hybrid Convolution Neural Network with Support Vector Machine," SpringerLink, 12 07 2023.

E. F. A. Pratama, K. and J. Jumadi, "Implementasi Metode K-Means Clustering Pada Segmentasi Citra Digital," JURNAL MEDIA INFOTAMA, 27 10 2022.

P. Nabilla, M. F. Saputra and R. A. Saputra, "PERBANDINGAN RUANG WARNA RGB, HSV DAN YCBCR UNTUK SEGMENTASI CITRA IKAN KEMBUNG MENGGUNAKAN K-MEANS CLUSTERING," JATI (Jurnal Mahasiswa Teknik Informatika), 07 08 2022.

G. F. C. Campos, S. M. Mastelini, G. J. Aguiar, R. G. Mantovani, L. F. Melo and S. B. Jr, "Machine learning hyperparameter selection for Contrast Limited Adaptive Histogram Equalization," EURASIP Journal on Image and Video Processing, 06 05 2019.

N. D. Miranda, L. Novamizanti and S. Rizal, "CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50," JUTIF (Jurnal Teknik Informatika), 08 12 2020.

A. V. Ikechukwu, S. Murali, R. Deepu and R. Shivamurthy, "ResNet-50 vs VGG-19 vs training from scratch: A comparative analysis of the segmentation and classification of Pneumonia from chest X-ray images," Global Transitions Proceedings, 11 2021.

C. Zhao, L. Dai and Y. Huang, "Fractional Order Sequential Minimal Optimization Classification Method," Fractal and Fractional, 21 08 2023.

M. Heydarian, T. E. Doyle and R. Samavi, "MLCM: Multi-Label Confusion Matrix," IEEE Access, 2022.

Y. Ren, F. Hu and H. Miao, "The optimization of kernel function and its parameters for SVM in well-logging," 2016 13th International Conference on Service Systems and Service Management (ICSSSM), p. 06, 2016.