Klasifikasi Citra Penyakit Daun Kopi Arabika Menggunakan Support Vector Machine (SVM) Dengan Seleksi Fitur Information Gain

Abstract

Tanaman kopi arabika lebih rentan terhadap penyakit, sehingga menyulitkan petani dalam memelihara tanaman kopi. Penelitian ini bermaksud untuk mempermudah proses identifikasi penyakit kopi arabika sejak dini dengan memanfaatkan teknik pengolahan citra digital. Tahapan yang dilakukan yaitu pra proses, ekstraksi fitur GLCM dan Color Moments, seleksi fitur Information Gain, dan klasifikasi Support Vector Machine. Proses ekstraksi fitur menghasilkan 29 fitur. Total data yang digunakan pada data imbalanced sebanyak 1325 data dan data balanced sebanyak 1534 data dengan pembagian 80% data latih dan 20% data uji. Dalam menentukan jumlah fitur terbaik yang memberikan akurasi tertinggi dilakukan pengujian performa klasifikasi dengan penggunaan jumlah fitur yang berbeda pada data imbalanced dan data balanced. Perbedaan jumlah fitur diperoleh dari kombinasi atribut peringkat teratas hingga terendah hasil seleksi fitur Information Gain. Hasil pengujian menunjukkan, penggunaan 18 fitur dari 29 fitur pada data imbalanced menghasilkan akurasi tertinggi dengan nilai akurasi sebesar 68,30%, presisi 55,77%, dan recall 57,85%.