Analisis Performa Support Vector Machine pada Klasifikasi Penyakit Daun Kentang dengan Pendekatan Grayscale dan Segmentasi Citra

Abstract

Tanaman kentang adalah salah satu hasil pertanian yang penting, namun rentan terhadap penyakit daun seperti Early Blight dan Late Blight. Metode pengenalan penyakit secara manual di lapangan masih kurang akurat karena tergantung pada pengalaman dan penilaian subjektif petani. Penelitian ini mencoba mengevaluasi bagaimana algoritma Support Vector Machine (SVM) bekerja dalam mengklasifikasikan penyakit daun kentang. Penelitian menggunakan tiga jenis gambar, yakni citra berwarna (RGB), citra grayscale, dan citra hasil segmentasi. Data yang digunakan berasal dari dataset PlantVillage dan dibagi menjadi data latih dan data uji. Proses penelitian mencakup preprocessing citra, ekstraksi fitur, pelatihan model SVM, serta evaluasi kinerja menggunakan akurasi, precision, recall, dan confusion matrix. Hasil menunjukkan bahwa jenis gambar yang digunakan memengaruhi hasil klasifikasi model SVM. Temuan ini diharapkan dapat menjadi dasar dalam membangun sistem deteksi penyakit tanaman berbasis citra digital.