IDENTIFIKASI PENYAKIT DAUN SELADA MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) BERBASIS EKSTRAKSI FITUR VISUAL

MUH ULIL AMRI, Chyquitha Danuputri, Rizki Yusliana Bakti, Muhammad Syafaat S. Kuba, Muhyiddin A M Hayat

Abstract


Selada (Lactuca sativa L.) merupakan komoditas hortikultura bernilai ekonomi tinggi, namun produktivitasnya sering terhambat oleh serangan penyakit. Identifikasi manual oleh petani seringkali tidak akurat karena kemiripan gejala visual antar penyakit. Penelitian ini bertujuan untuk membangun sistem identifikasi penyakit otomatis menggunakan Support Vector Machine (SVM) berbasis ekstraksi fitur visual. Penelitian berfokus pada klasifikasi empat kondisi daun selada: Sehat, Bercak Daun Cercospora, Tipburn, dan Etiolasi. Metodologi yang digunakan meliputi ekstraksi fitur warna dari ruang warna HSV dan fitur tekstur menggunakan Gray-Level Co-occurrence Matrix (GLCM). Efektivitas augmentasi data dan optimasi hyperparameter menggunakan Particle Swarm Optimization (PSO) juga dievaluasi melalui tiga skenario perbandingan. Hasil penelitian menunjukkan bahwa augmentasi data secara signifikan meningkatkan akurasi model dari baseline 69,57% menjadi 92,28%. Optimasi lebih lanjut dengan PSO berhasil meningkatkan performa hingga mencapai akurasi final sebesar 93,63%. Model terbaik menunjukkan F1-Score yang seimbang di atas 0,91 untuk semua kelas, membuktikan bahwa kombinasi metode ekstraksi fitur HSV dan GLCM, augmentasi data, dan optimasi SVM menggunakan PSO merupakan pendekatan yang andal dan efektif untuk identifikasi penyakit daun selada, serta menawarkan alat bantu yang prospektif untuk pertanian presisi

Keywords


Identifikasi Penyakit, Selada, Support Vector Machine, Ekstraksi Fitur, Particle Swarm Optimization.

References


M. Indah Kusuma, J. Orbit, W. I. Safira, N. M. Zuhri, N. Maulida, and S. Ayomi, “Kerusakan Tanaman Selada (Lactuca sativa L) oleh OPT pada Budidaya Hidroponik di Kota Semarang,” 2024.

A. Nursanti, E. T. Sucianto, and A. Mumpuni, “Identifikasi Jamur Patogen dan Tingkat Persentase Penyakit pada Tanaman Selada (Lactuca sativa L.) di Sentra Tanaman Sayur Desa Serang, Kecamatan Karangreja, Kabupaten Purbalingga,” Jurnal Ilmiah Biologi Unsoed, vol. 3, no. 1, pp. 9–19, 2021.

T. M. Surya Mulyana, A. Fritz Wijaya, J. A. Ginting, I. Gusti Ngurah Suryantara, and R. T. Kwa, “Boundary Identification using Backtracking Algorithm in Depth First Search Approach,” in 2025 International Conference on Informatics, Multimedia, Cyber and Information System (ICIMCIS), IEEE, Dec. 2025, pp. 390–395. doi: 10.1109/ICIMCIS68501.2025.11327050.

A. Bhujel, N. E. Kim, E. Arulmozhi, J. K. Basak, and H. T. Kim, “A Lightweight Attention-Based Convolutional Neural Networks for Tomato Leaf Disease Classification,” Agriculture (Switzerland), vol. 12, no. 2, Feb. 2022, doi: 10.3390/agriculture12020228.

D. C. Sulaiman and T. M. S. Mulyana, “Web-Based Writing Learning Application of Basic Hanacaraka Using Convolutional Neural Network Method,” Ultimatics : Jurnal Teknik Informatika, pp. 28–34, Jun. 2023, doi: 10.31937/ti.v15i1.2993.

F. Zikra, K. Usman, and R. Patmasari, “Deteksi Penyakit Cabai Berdasarkan Citra Daun Menggunakan Metode Gray Level Co-Occurence Matrix Dan Support Vector Machine,” 2021.

R. Marlita and D. Mustofa, “Implementasi Support Vector Machine Pada Klasifikasi,” JIKA : Jurnal Ilmu Komputer dan Aplikasinya, vol. 1, no. 1, pp. 6–11, 2025, doi: 10.5281/zenodo.14885356.

M. Fatham, M. Akbar, H. Fitriyah, and S. R. Akbar, “Analisis Color Space untuk Spesifikasi Perancangan Perangkat Lunak pada Embedded System Deteksi Penyakit Busuk Selada,” 2023. [Online]. Available: http://j-ptiik.ub.ac.id

W. A. Saputro, P. N. Andono, and M. A. Soeleman, “Klasifikasi SVM Menggunakan Optimasi PSO Untuk Kelayakan Biji Kopi Dengan Level Medium Roast,” Techno.Com, vol. 24, no. 2, pp. 543–555, May 2025, doi: 10.62411/tc.v24i2.12657.

T. M. S. Mulyana, D. Widyaningrum, and H. Herlina, “OCR HURUF JAWA DENGAN FITUR KODE RANTAI DAN LEVENSHTEIN DISTANCE,” Network Engineering Research Operation, vol. 6, no. 1, p. 67, Apr. 2021, doi: 10.21107/nero.v6i1.217.

J. Jahja, H. Agung, T. M. S. Mulyana, L. Hakim, and E. Sipayung, “Classification of heart disease trigger factors using Naive Bayes method to predict the risk of heart disease using IoT-based heart rate sensors,” 2023, p. 020014. doi: 10.1063/5.0119083.




DOI: http://dx.doi.org/10.30813/j-alu.v9i1.8919

Refbacks

  • There are currently no refbacks.


p-ISSN 2620-620X
e-ISSN 2621-9840

 

Indexed By

  

 


Recommended Tools:


Dimension