<![CDATA[Tanaman padi memiliki peran yang sangat penting dalam menyediakan pangan bagi populasi global. Namun, serangan hama dan bakteri dapat menghambat produksi padi dengan mengganggu proses fotosintesis dan fase generatifnya, yang berakhir pada penurunan kualitas dan kuantitas panen. Untuk mengatasi tantangan ini, penelitian ini mengusulkan pemanfaatan teknologi pemrosesan citra dan pembelajaran mesin. Metode yang digunakan mencakup Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk mengekstraksi fitur citra, serta Support Vector Machine (SVM) dengan pendekatan pelatihan menggunakan Sequential Minimal Optimization (SMO) untuk klasifikasi. Penelitian ini terdiri dari lima tahap utama: preprocessing , pembagian data, ekstraksi fitur CNN, pelatihan SVM, dan evaluasi hasil. Berbagai skenario dengan kernel SVM yang berbeda dievaluasi, di mana hasilnya menunjukkan bahwa kernel RBF dan linear mampu mencapai akurasi tertinggi, yaitu 93,94%. Penelitian ini menunjukkan bahwa penggunaan CNN dan SVM dalam mengatasi hambatan klasifikasi citra penyakit daun pada tanaman padi, dapat memberikan hasil yang signifikan.]]>
Copyrights © 2024
