IDENTIFIKASI PENYAKIT PADA TANAMAN TEH BERDASARKAN CITRA DAUN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DENGAN EKSTRAKSI GRAY LEVEL CO-OCCURRENCE MATRIX

Teh (Camellia sinensis) merupakan salah satu tanaman perkebunan yang memiliki nilai ekonomi tinggi dan merupakan salah satu komoditas ekspor Indonesia yang cukup penting sebagai penghasil devisa setelah minyak dan gas. Tanaman teh sangat rentan terhadap serangan penyakit, penyakit dapat dikenali secara visual karena memiliki ciri warna dan tekstur yang unik. Tetapi pengenalan secara visual tidak sepenuhnya tepat sehingga berdampak pada kurang akuratnya penyakit yang diidentifikasi. Pada penelitian ini, dibangun suatu sistem yang dapat menentukan penyakit melalui identifikasi citra digital menggunakan Supervised classification. Citra digital yang akan diidentifikasi sebelumnya melewati proses transformasi RGB (Red Green Blue) ke Grayscale, dan ekstraksi fitur tekstur GLCM (Gray Level Co-Occurrence Matrix). Hasil ekstraksi fitur tekstur diklasifikasi dengan SVM (Support Vector Machine) untuk menentukan penyakit yang diderita oleh daun teh. Pengujian dilakukan dengan 1428 citra daun teh, 1000 citra sebagai data latih dan 428 citra sebagai data uji. Hasil pengujian menunjukkan metode SVM memiliki persentase rata-rata accuracy 96,5%, precision 92,85%, dan recall 92,75%. Dari rata-rata yang dihasilkan pada pengujian dengan metode SVM didapati bahwa SVM (Support Vector Machine) adalah classifier yang baik digunakan untuk mendeteksi penyakit tanaman teh melalui citra daun di dalam penelitian ini.