Klasifikasi Penyakit Daun Kopi Menggunakan Kombinasi Haralick, Color Histogram dan Random Forest
Abstract
Kopi merupakan spesies tanaman dengan bentuk pohon yang dijadikan sebagai bahan baku dalam pembuatan minuman-minuman kopi. Akan tetapi pada produksinya terdapat permasalahan umum yang masih sering terjadi yaitu adanya hama atau penyakit yang menyerang pada bagian daun kopi sehingga berdampak pada pertumbuhan tanaman kopi tersebut dan berakibat terjadi penurunan produksi kopi. Pengenalan penyakit dan hama pada daun kopi masih menggunakan proses manual sehingga bisa memperlambat proses deteksi serta penanganan penyakit dan hama tersebut, oleh karena itu perlunya pendeteksian otomatis sehingga dapat mendeteksi tahap awal hama dan penyakit pada daun kopi tersebut. Deteksi otomatis dapat dilakukan dengan menerapkan teknologi Computer Vision yaitu Image Classification dan metode Machine Learning. Penelitian ini bertujuan untuk menghasilkan metode yang dapat mengklasifikasikan penyakit dan hama pada daun kopi dengan menggunakan algoritma Machine Learning Random Forest dengan menambahkan kombinasi ekstraksi fitur Haralick dan Color Histogram. Hasil penelitian menunjukkan performa yang sangat baik dimana nilai akurasi yang diperoleh sebesar 98,86%.
Keywords
Full Text:
PDFReferences
I. Fibriani, Widjonarko, C. S. Sarwono, and F. Dwika, “Deteksi Penyakit Brown Eye Spot pada Daun Kopi Menggunakan Metode Euclidean Distance dan Hough Transform,” Ef. Penyul. Gizi pada Kelompok 1000 HPK dalam Meningkat. Pengetah. dan Sikap Kesadaran Gizi, vol. 3, no. 3, pp. 69–70, 2017.
A. P. Marcos, N. L. S. Rodovalho, and A. R. Backes, “Coffee Leaf Rust Detection Using Convolutional Neural Network,” Proc. - 15th Work. Comput. Vision, WVC 2019, pp. 38–42, 2019, doi: 10.1109/WVC.2019.8876931.
T. S. Prihartini and P. N. Andono, “Deteksi Tepi Dengan Metode Laplacian of Gaussian Pada Citra Daun Tanaman Kopi,” pp. 1–5, 2017, [Online]. Available: http://eprints.dinus.ac.id/15312/1/jurnal_15354.pdf.
M. Kumar, P. Gupta, P. Madhav, and Sachin, “Disease detection in coffee plants using convolutional neural network,” Proc. 5th Int. Conf. Commun. Electron. Syst. ICCES 2020, no. Icces, pp. 755–760, 2020, doi: 10.1109/ICCES48766.2020.09138000.
S. K. Wildah, S. Agustiani, A. Latif, R. Pebrianto, F. N. Hasan, and F. Indriyani, “Classification of Colorectal Cancer Based on Histological Image Using a Combination of Color Histogram, Haralick and k-NN,” 2022, doi: 10.1109/ICITRI56423.2022.9970214.
Á. L. C. Carneiro, L. de B. Silva, and M. S. A. R. Faulin, “Rust (Hemileia vastatrix) and leaf miner (Leucoptera coffeella) in coffee crop (Coffea arabica),” Mendeley Data, vol. 5, 2020, doi: 10.17632/vfxf4trtcg.5.
D. Irfansyah et al., “Arsitektur Convolutional Neural Network ( CNN ) Alexnet Untuk Klasifikasi Hama Pada Citra Daun Tanaman Kopi,” vol. 6, no. 2, pp. 87–92, 2021.
L. X. Boa Sorte, C. T. Ferraz, F. Fambrini, R. D. R. Goulart, and J. H. Saito, “Coffee leaf disease recognition based on deep learning and texture attributes,” Procedia Comput. Sci., vol. 159, pp. 135–144, 2019, doi: 10.1016/j.procs.2019.09.168.
S. Suprihanto, I. Awaludin, M. Fadhil, and M. A. Z. Zulfikor, “Analisis Kinerja ResNet-50 dalam Klasifikasi Penyakit pada Daun Kopi Robusta,” J. Inform., vol. 9, no. 2, pp. 116–122, 2022, doi: 10.31294/inf.v9i1.13049.
W. Castro, J. Oblitas, J. Maicelo, and H. Avila-George, “Evaluation of expert systems techniques for classifying different stages of coffee rust infection in hyperspectral images,” Int. J. Comput. Intell. Syst., vol. 11, no. 1, pp. 86–100, 2018, doi: 10.2991/ijcis.11.1.8.
L. Hakim, S. P. Kristanto, D. Yusuf, and F. N. Afia, “Pengenalan Motif Batik Banyuwangi Berdasarkan Fitur Grey Level Co-Occurrence Matrix,” J. Teknoinfo, vol. 16, no. 1, p. 1, 2022, doi: 10.33365/jti.v16i1.1320.
K. Ayuningsih, Y. A. Sari, and P. P. Adikara, “Klasifikasi Citra Makanan Menggunakan HSV Color Moment dan Local Binary Pattern dengan Naïve Bayes ClassifierAyuningsih, Karunia, Yuita Arum Sari, and Putra Pandu Adikara. 2019. “Klasifikasi Citra Makanan Menggunakan HSV Color Moment Dan Local Binary Patt,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 3, no. 4, pp. 3166–3173, 2019.
E. D. Suryanto, Suherman, and P. Sihombing, “Ekstraksi Fitur Haralick Menggunakan Citra Mikroskop Digital Trinocular Untuk Proses Identifikasi Cacing Penyakit Kaki Gajah,” ResearchGate, no. October, pp. 1–85, 2015.
M. Held and T. I. B. Committee, “Momentum Method to Measure the Blastcontour,” 17th Int. Symp. Ballist., vol. 2, no. March, pp. 267–274, 1998.
C. P. Beauty and Y. A. Sari, “Temu Kembali Citra Makanan Menggunakan Color Histogram Dan Local Binary Pattern,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 6, pp. 5514–5520, 2019.
S. Y. E. Simarmata, Y. A. Sari, and S. Adinugroho, “Klasifikasi Citra Makanan Menggunakan Algoritme Learning Vector Quantization Berdasarkan Ekstraksi Fitur Color Histogram dan Gray Level Co-occurrence Matrix,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2369–2378, 2019.
A. Primajaya and B. N. Sari, “Random Forest Algorithm for Prediction of Precipitation,” Indones. J. Artif. Intell. Data Min., vol. 1, no. 1, p. 27, 2018, doi: 10.24014/ijaidm.v1i1.4903.
L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” J. Sains dan Seni ITS, vol. 8, no. 2, 2020, doi: 10.12962/j23373520.v8i2.48517.
G. A. Sandag, “Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest,” CogITo Smart J., vol. 6, no. 2, pp. 167–178, 2020, doi: 10.31154/cogito.v6i2.270.167-178.
DOI: https://doi.org/10.26418/justin.v11i1.60985
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
View My Stats
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License