DETEKSI PENYAKIT DAUN KOPI ARABIKA MENGGUNAKAN METODE SVM

Abstract

Penyakit daun pada tanaman kopi menjadi penyebab utama menurunnya produktivitas dan kualitas panen. Dengan perkembangan teknologi pengolahan citra digital dan machine learning, deteksi penyakit dapat dilakukan secara otomatis untuk meningkatkan efisiensi dan ketepatan identifikasi. Penelitian ini bertujuan menerapkan metode Support Vector Machine (SVM) dalam mendeteksi penyakit daun kopi berdasarkan fitur tekstur dari citra daun. Tahapan penelitian meliputi pra-proses citra, ekstraksi fitur menggunakan Gray-Level Co-occurrence Matrix (GLCM), seleksi fitur dengan Information Gain, serta klasifikasi menggunakan algoritma SVM. Dataset terdiri dari dua kelas, yaitu daun sehat dan terserang leaf miner. Pra-proses melibatkan resizing, noise removal, contrast enhancement, thresholding, dan edge detection. Ekstraksi GLCM menghasilkan 48 fitur tekstur per citra. Model SVM dengan kernel RBF mencapai akurasi 100% pada data uji. Hasil prediksi pada gambar baru juga berhasil mengklasifikasikan daun kopi sebagai terserang penyakit. Kombinasi GLCM dan SVM terbukti memberikan hasil yang akurat dan konsisten.