IMPLEMENTASI METODE COLOR MOMENT DAN HARALICK DENGAN RANDOM FOREST CLASSIFIER UNTUK IDENTIFIKASI PENYAKIT KENTANG PADA CITRA DAUN

Abstract

Tanaman kentang merupakan salah satu tanaman pangan yang paling banyak tumbuh di dataran tinggi Indonesia. Selain digunakan sebagai bahan pangan, saat ini kentang diketahui dapat dimanfaatkan untuk melawan radikal bebas, mengontrol gula darah, dan menyehatkan system pencernaan. Oleh karena itu, kentang memiliki prospek yang baik untuk dikembangkan. Berkaitan dengan upaya untuk mengembangkan kentang di Indonesia, terdapat kendala yaitu terserangnya tanaman kentang oleh penyakit. Adapun penyakit pada tanaman kentang salah satu ciri mengetahuinya yaitu pada bagian daun. Untuk melakukan identifikasi terhadap citra daun, fitur tekstur merupakan fitur penting untuk mengenali daun dari sebuah citra. Hal ini dikarenakan terdapat perbedaan tekstur antara daun normal dan berpenyakit. Untuk melakukan pengolahan citra melalui fitur tekstur salah satu metode yang dapat digunakan adalah haralick. Pada penelitian ini dibuat suatu sistem untuk mengenali jenis penyakit yang ada pada daun kentang menggunakan metode Haralick dengan Random Forest Classifier. Citra yang digunakan berjumlah 300 data yang terdiri dari 3 kelas yaitu Late Blight, Early Blight, dan Healty. Pada penelitian ini pengujian dilakukan dengan pembagian data training dan testing dengan persentase 70:30, 80:20, dan 90:10. Nilai akurasi akurasi tertinggi pada penelitian ini diperoleh dengan menggunakan kombinasi split data 80:20 yaitu sebesar 0.88. Pada split data 70:30 mendapatkan akurasi sebesar 0.85 dan untuk split data 90:10 mendapatkan akurasi 0.87.