Pemanfaatan Metode Multiclass Support Vector Machine dalam Klasifikasi Penyakit Daun Kacang Tanah

Abstrak

Kacang tanah merupakan salah satu jenis tanaman pertanian dari komoditas palawija yang dapat memberikan peluang pendapatan tambahan bagi petani di Indonesia. Selain itu manfaat kacang tanah adalah sebagai sumber lemak nabati dan protein bagi tubuh manusia, sehingga juga banyak dibutuhkan oleh industri makanan. Namun, dalam meningkatkan produktivitas kacang tanah terjadi penurunan kualitas dan kuantitas yang disebabkan oleh salah satu faktor, yaitu penyakit tanaman. Upaya yang dapat dilakukan dalam menjaga produktivitas kacang tanah adalah melakukan pencegahan lebih awal dengan menerapkan teknologi deteksi dini. Penelitian ini menyajikan penerapan teknologi berbasis aplikasi pengolahan citra digital dengan menggunakan metode Multiclass SVM strategi One-Against-One (OAO) untuk mengklasifikasikan jenis penyakit daun tanaman kacang tanah berdasarkan ekstraksi fitur tekstur pada bagian daun kacang tanah yang terkena penyakit menggunakan metode Gray Level Co-Occurrence Matrix (GLCM). Dalam proses klasifikasi menggunakan metode M-SVM strategi OAO akan digunakan tiga kernel, yaitu kernel polynomial, kernel linear, dan kernel RBF. Berdasarkan hasil percobaan diperoleh bahwa akurasi terbaik, yaitu dengan menggunakan ekstraksi fitur tekstur GLCM dengan jarak d = 1 dan sudut 90 derajat serta diklasifikasikan menggunakan metode M-SVM strategi OAO dengan kernel polynomial memberikan hasil akurasi tertinggi, yaitu 96.39% untuk kelas bercak daun, 92.79% untuk kelas karat daun, 96.39% untuk kelas bercak mata dan 100% untuk kelas normal.