Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) JOURNAL OF INDONESIAN TROPICAL FISHERIES (JOINT-FISH) : Jurnal Akuakultur, Teknologi Dan Manajemen Perikanan Tangkap, Ilmu Kelautan Jurnal Sains Agribisnis Wiratani : Jurnal Ilmiah Agribisnis DIMASEJATI:Jurnal Pengabdian Kepada Masyarakat
Sitti Rahbiah Busaeri
Universitas Muslim Indonesia
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Materials Science & Nanotechnology Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI PENYAKIT TANAMAN VANILA PLANIFOLIA Lilis Nur Hayati; Irawati Irawati; SITTI RAHBIAH; Mush’ab Al Mubarak; Rayhana Bahar
JURNAL INFORMATIKA DAN KOMPUTER Vol 10, No 1 (2026): February 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v10i1.2169

Abstract

Penyakit pada tanaman Vanilla planifolia menimbulkan kerugian ekonomi yang signifikan akibat rendahnyaakurasi diagnosis dini di tingkat lapangan. Pendekatan konvensional berbasis pengamatan visual hanya mencapai akurasi sekitar 55–65% dan sangat bergantung pada pengalaman subjektif petani. Penelitian ini bertujuanmengembangkan sistem klasifikasi penyakit vanili berbasis Support Vector Machine (SVM) untuk meningkatkan akurasi dan konsistensi diagnosis pada kondisi lapangan. Dataset penelitian terdiri atas 1.616 sampel berlabelyang dikumpulkan melalui observasi lapangan di Desa Gattareng, Kabupaten Bulukumba, mencakup lima kelas kondisi tanaman, yaitu sehat (412), bercak daun (338), layu (301), busuk batang (279), dan akar busuk (286).Metodologi penelitian meliputi prapemrosesan data dengan deteksi outlier berbasis IQR, normalisasi Min–Max,penyeimbangan kelas, serta optimasi hiperparameter menggunakan grid search dengan 5-fold stratified crossvalidation. Hasil evaluasi menunjukkan bahwa model SVM dengan kernel polinomial derajat tiga mencapaikinerja klasifikasi yang stabil dengan akurasi 92,1% dan performa recall yang konsisten pada seluruh kelaspenyakit. Berbeda dengan penelitian sebelumnya yang umumnya mengandalkan CNN pada dataset besar, penelitian ini mengusulkan pipeline SVM yang ringan dan replikatif, efektif pada dataset berukuran menengahdengan karakteristik data lapangan yang heterogen. Temuan ini menunjukkan potensi SVM sebagai pendekatan diagnosis penyakit vanili yang lebih realistis untuk konteks kebun, dengan peluang pengembangan lebihlanjut melalui perluasan dataset multi-lokasi dan peningkatan interpretabilitas model.
Co-Authors Andi Ardianti Syarif Andi Maslia Tenrisau Adam Asdar Djamereng Aulia Adisti Indah Sari Fadhila Arfinata M Farizah Dhaifina Amran Fitra Ramadani Hartina Ali Side Ida Rosada Irawati Irawati ISKANDAR HASAN Lilis Nur Hayati lilis nurhayati Mais Ilsan, Mais Muhammad Fiqih Oktavian Hattah Muhammad Hattah Fattah Muhammad Nurul Ashari Mush'ab Al Mubarak Mush’ab Al Mubarak Nuraeni Nuraeni Nurliani Nurliani Putri Bimadayanti Rayhana Bahar Rayhana Bahar Rosida Rosida Shabira Nurdaniyah Sitti Madina Wadina Fauziah