Mahfuad Al Hayat
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Literatur Review : Klasifikasi Penyakit Tanaman Padi Berdasarkan Citra Udara dengan Algoritma SVM Ahmad Tohirin; Agung akurniawan; Mahfuad Al Hayat; Muhammad Fahmi; Muhammad Kevin Naufal Fadillah
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Padi merupakan tanaman pangan pokok yang menjadi sumber bahan pangan bagi lebih dari 50% populasi global. Di Indonesia, padi dikenal sebagai tanaman pangan pokok dan dikonsumsi oleh jutaan masyarakat bangsa Indonesia. Padi sering kali diserang oleh berbagai penyakit selama masa pertumbuhannya sehingga bisa menurunkan produksi padi secara signifikan. Oleh karena itu, pendeteksian dini penyakit padi dan serta klasifikasi juga merupakan hal yang penting untuk dilakukan agar kerugian panen padi jauh lebih kecil dari penggunaan sistem pendeteksi penyakit padi bisa dilaksanakan lebih dini. Tujuan dari studi literatur ini adalah untuk mengkaji aplikasi algoritma Support Vector Machine dalam mengklasifikasian penyakit tanaman padi berdasarkan citra udara yang diambil oleh drone. Secara spesifik, tinjauan literatur meliputi penelitian-penelitian teknik klasifikasi penyakit tanaman dengan algoritma SVM, metode-metode preprocessing citra untuk mengenali penyakit pada tanaman padi, dan aplikasi teknologi penginderaan jauh berupa citra udara atau drone dalam pemantauan kondisi pertumbuhan tanaman. Berdasarkan hasil kajian, diketahui bahwa algoritma Support Vector Machine memiliki performa yang baik dalam melakukan klasifikasi citra, yakni sebesar 85-95%. Hal ini didukung oleh kemampuan SVM dalam melakukan klasifikasi data non-linear dan memiliki generalisasi yang baik. Sementara itu, algoritma SVM memiliki kelebihan dalam penanganan pada pencahayaan gambar. Selain algoritma, pengambilan citra dengan drone juga membuktikan efektif. Ini dikarenakan drone mampu memantau keadaan gabah jauh lebih luas dibandingkan dengan metode survei langsung. Beberapa tantangan dalam implementasi sistem ini juga menghasilkan hasil performansi. Adapun tantangan dalam implementasi sistem ini adalah variasi kualitas citra yang dipengaruhi oleh pencahayaan dan ketinggian, serta gejala penyakit padi yang beragam. Namun, pengoptimalan algoritma, seperti kernel dapat menaikkan hasil performansi. Secara keseluruhan, kajian literatur memberikan kajian ilmiah praktis tentang sistem deteksi penyakit padi otomatis berbasis image processing. Sistem ini sangat lah membantu bagi petani dan para stakeholder pertanian dalam rangka pendeteksian dini dan penanganan penyakit padi.