PENDAHULUAN 1 LANDASAN TEORI 7 ANALISIS DAN PERANCANGAN SISTEM IMPLEMENTASI DAN PENGUJIAN SISTEM Pendahuluan Landasan Teori Analisis dan Perancangan

vii DAFTAR ISI HAL PERSETUJUAN ii PERNYATAAN iii UCAPAN TERIMA KASIH iv ABTRAK v ABSTRACT vi DAFTAR ISI vii DAFTAR TABEL ix DAFTAR GAMBAR x

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 4 1.6 Metodologi Penelitian 4 1.7 Sistematika Penulisan 5

BAB 2 LANDASAN TEORI 7

2.1 Image Processing 7 2.2 Edge Detection 9 2.3 Sobel Operator 10 2.4 Jenis-Jenis Penyakit pada Daun Tanaman Kelapa Sawit 12 2.4.1 Ulat Api 12 2.4.2 Ulat Kantong 13 2.5 Support Vector Machine 13 2.6 Penelitian Terdahulu 18

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

20 3.1 Analisis Aplikasi 20 3.2 Preprocessing Citra Penyakit Daun Tanaman Kelapa Sawit 21 3.2.1 Image Enhancement 21 3.2.1.1 Teknik Resizing 21 3.2.1.2 Teknik Grayscale 23 3.2.1.3 Binarisasi 24 3.2.1.4 Thinning 24 3.2.2 Image Segmentation 26 3.2.2.1 Sobel Operator 26 3.2.3 Feature Extraction 27 3.2.3.1 Zoning 27 3.2.4 Klasifikasi dan Identifikasi 28 3.2.4.1 Data 28 3.2.4.2 Data Masukan 28 3.2.4.3 Data Proses 29 3.2.4.4 Data Keluaran 29 3.2.4.5 Support Vector Machine 29 viii

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

34 4.1 Kebutuhan Aplikasi 34 4.2 Perangkat Keras 34 4.3 Perangkat Lunak 34 4.4 Implementasi Perancangan Antarmuka 35 4.5 Pengujian Aplikasi 37 4.5.1 Rencana Pengujian Aplikasi 38 4.5.2 Pelatihan Data 39 4.5.3 Pengujian Data 41

BAB 5 KESIMPULAN DAN SARAN 43

4.1 Kebutuhan Aplikasi 43 4.2 Perangkat Keras 43 DAFTAR PUSTAKA 45 ix DAFTAR TABEL Tabel 2.1 Penelitian Terdahulu 18 Tabel 4.1 Rencana Pengujian Aplikasi 38 Tabel 4.2 Hasil Pengujian Halaman Utama 38 Tabel 4.3 Parameter Pelatihan Identifikasi Jenis Hama 39 Tabel 4.4 Persentase Tingkat Kecocokan Data Latih Citra Daun 39 Tabel 4.5 Persentase Tingkat Kecocokan Hasil Identifikasi Citra Daun 41 x DAFTAR GAMBAR Hal. Gambar 2.1 Citra Lena dan Citra Kapal Rinaldi 2005 8 Gambar 2.2 a Citra Burung Nuri Gelap b Citra Burung yang Kontrasnya Telah Ditambah Sehingga Gambar Lebih Jelas Rinaldi 2005 9 Gambar 2.3 Model Tepi Satu Mata 9 Gambar 2.4 Perkalian Matriks 2x2 dengan Matriks 3x3 Menghasilkan Matriks Baru yang Berjumlah 3x3 11 Gambar 2.5 Matriks Sobel Operator 11 Gambar 2.6 Dampak Ulat Api pada Daun 12 Gambar 2.7 Dampak Ulat Kantong pada Daun 13 Gambar 2.8 SVM Berusaha Menemukan Hyperplane Terbaik yang Memisahkan Antara Class -1 dan +1 14 Gambar 3.1 Gambar Arsitektur Umum Aplikasi Identifikasi Penyakit Daun Kelapa Sawit 20 Gambar 3.2 a Citra Original Efek Ulat Api b Citra Original Efek Ulat Kantong 21 Gambar 3.3 a Citra Original Daun Kelapa Sawit b Citra Proses Resizing 22 Gambar 3.4 a Citra Original Daun Kelapa Sawit b Citra Daun Kelapa Sawit Grayscale 23 Gambar 3.5 a Citra Original Daun Kelapa Sawit b Citra Daun Kelapa Sawit Binarisasi 24 Gambar 3.6 Ilustrasi Piksel P1dengan 8 Tetangga 25 Gambar 3.7 a Citra Original Daun Kelapa Sawit b Citra Daun Kelapa Sawit Thinning 26 Gambar 3.8 a Citra Original Daun Kelapa Sawit b Citra Daun Kelapa Sawit Sobel Operator 27 Gambar 3.9 Flowchart Metode Support Vector Machine 30 Gambar 3.10 Struktur Menu Aplikasi 32 Gambar 3.11 Rancangan Halaman Aplikasi 33 Gambar 4.1 Tampilan Halaman Awal Aplikasi 35 Gambar 4.2 Tampilan Halaman Input Citra 36 Gambar 4.3 Tampilan Halaman Identifikasi Citra 36 Gambar 4.4 Tampilan Halaman Hasil Identifikasi 37 Gambar 4.5 Grafik Pengujian Data Daun Kelapa Sawit 40 Gambar 4.6 Grafik Pengujian Data Uji Daun Kelapa Sawit 41 v ABSTRAK Pengelolaan perkebunan kelapa sawit sering mengalami kendala, antara lain masalah organisme pengganggu tumbuhan OPT terutama masalah penyakit. Oleh karena itu, dibuatlah pendekatan untuk mengenali penyakit pada daun kelapa sawit agar dapat membantu kinerja dari para petani kelapa sawit dalam menentukan jenis penyakit pada daun sehingga mendapatkan hasil yang lebih maksimal. Deteksi tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak besar dalam jarak yang singkat. Sobel operator digunakan untuk pengidentifikasikan pola wajah, khususnya terdapat di dalam algoritma deteksi tepi. Support Vector Machine SVM digunakan sebagai metode klasifikasi. Oleh karena itu, dalam penelitian ini penulis akan menerapkan metode deteksi tepi dengan menggabungkan teknik algoritma Sobel Operator untuk menghilangkan derau dan metode Support Vector Machine sebagai pengklasifikasian data penyakit pada daun kelapa sawit. Kata Kunci : Image Processing, Support Vector Machine, Sobel Operator vi IDENTIFICATION OF PALM LEAF PLANTS DISEASE USING SUPPORT VECTOR MACHINE ABSTRACT Management of oil palm plantations often have constraints, among other issues for plant pests is primarily a disease problem. Therefore, the approach was made to recognize the disease in palm leaves in order to help the performance of the oil palm growers in determining the type of disease on the leaves that get maximum results. Edge detection is the change in the value of the degree of gray that sudden intensity large within a short distance. Sobel operator is used to identification facial patterns, especially present in the edge detection algorithm. Support Vector Machine SVM is used as a method of classification. Therefore, in this study the authors will apply the edge detection method by combining techniques Sobel operator algorithm to eliminate noise and methods of Support Vector Machine as a classification of disease data on palm leaves. Keyword : Image Processing, Support Vector Machine, Sobel Operator BAB I PENDAHULUAN

1.1 Latar Belakang

Sejak awal pelaksanaan pembangunan perkebunan, kelapa sawit menjadi prioritas di Negara Indonesia terutama pada perusahaan milik negara seperti PT. Perkebunan Nusantara, karena tanaman kelapa sawit merupakan salah satu kekayaan alam yang berperan besar dalam pertumbuhan devisa negara sehingga diperlukan perawatan yang maksimal untuk mendapatkan hasil buah yang baik. Pengelolaan perkebunan kelapa sawit sering mengalami kendala, antara lain masalah organisme pengganggu tumbuhan OPT terutama masalah penyakit. Hampir seluruh bagian tanaman kelapa sawit menjadi sasaran infeksi dari sejumlah penyakit tanaman Lie, et al. 2011. Diperkirakan kerugian dalam setahun mencapai 10-15 dari hasil tanaman pada perusahaan dan juga keterbatasan dalam pengenalan penyakit pada daun kelapa sawit dan penggunaan waktu yang cukup lama. Untuk lebih membantu dalam mengenali berbagai macam penyakit tersebut, dibuatlah pendekatan untuk mengenali penyakit pada daun kelapa sawit agar dapat membantu kinerja dari para petani kelapa sawit dalam menentukan jenis penyakit pada daun sehingga mendapatkan hasil yang lebih maksimal. Dalam memperoleh informasi tersebut di zaman yang semakin maju ini, khususnya dalam bidang komputer yang mencakup bagian pengenalan citra. Deteksi tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak besar dalam jarak yang singkat. Peneltian terdahulu tentang deteksi tepi seperti dilakukan untuk mengidentifikasi pola daun Bowo, et al 2011 dan mengidentifikasi tepi wajah Parikesit, 2012. Metode deteksi tepi wajah terbagi 3 yaitu : Sobel operator, Prewitt operator, Roberts operator. Dalam hal ini operator yang saya gunakan adalah Sobel Operator. 2 Sobel operator digunakan untuk pengidentifikasikan pola wajah, khususnya terdapat di dalam algoritma deteksi tepi. Secara teknik, sobel operator adalah sebuah discrete differentiation operator, yaitu mengkalkulasi sebuah perkiraan pada gradien dari sebuah fungsi intensitas gambar. Beberapa penelitian terdahulu tentang sobel operator telah dilakukan oleh K.Vairalkar, et al 2012 dan Folorunso, et al 2009. Kelebihan dari Operator sobel ini adalah dapat mengurangi noise sebelum melakukan perhitungan deteksi tepi dan menggunakan perkalian matriks 3x3 sehingga citra akan berubah menjadi lebih halus. Operator sobel ini juga memiliki kekurangan yaitu dalam perhitungan nya sedikit lebih sulit dibandingkan dengan operator yang lainnya. Support Vector Machine SVM adalah sebuah metode yang memiliki kemampuan untuk mengelompokkan teks karena bekerja dengan baik dalam data berdimensi tinggi dan dapat menghindari masalah dalam mengelompokkan data Wulandini, et al. 2009 , Sedangkan menurut Wahyudi Setiawan SVM adalah Support Vector Machine SVM digunakan sebagai metode klasifikasi. Hasil pengujian dilakukan dengan mengambil dataset MESSIDOR dengan sejumlah citra yang bervariasi untuk tahap pelatihan, sisanya digunakan untuk tahap pengujian Setiawan, 2012. Beberapa penelitian terdahulu tentang Support Vector Machine yang dilakukan oleh Wulandini 2009 tentang klasifikasi teks untuk penyebaran penyakit tropik pada web mining dan dalam tesis Setiawan 2012 tentang sistem deteksi retinopatik pada diabetik. Selain itu penelitian tentang SVM dilakukan juga oleh K. Srivastava, et al 2010 tentang klasifikasi data. Penelitian terdahulu tentang pengklasifikasian telah dilakukan oleh Liantoni, F 2011 tentang klasifikasi daun dengan centroid linked clustering berdasarkan fitur bentuk tepi daun dan juga penelitian oleh Ardiansjah, Y 2012 tentang pengenalan spesies tanaman berdasarkan bentuk daun menggunakan metode klasifikasi Move Median Center MMC hypersphere. Oleh karena itu, dalam penelitian ini penulis akan menerapkan metode Deteksi Tepi dengan menggabungkan teknik algoritma Sobel Operator untuk menghilangkan derau dan metode Support Vector Machine sebagai pengklasifikasian data penyakit pada daun kelapa sawit. Metode - metode ini akan diaplikasikan pada sistem deteksi pengenalan citra pada daun kelapa sawit untuk mendapatkan hasil yang lebih baik dalam pengenalan jenis penyakit pada daun kelapa sawit. 3

1.2 Rumusan Masalah

Dikarenakan keterbatasan pengenalan penyakit pada daun kelapa sawit dan penggunaan waktu yang cukup lama yang dilakukan oleh manusia untuk mengidentifikasi jenis penyakit pada daun kelapa sawit. Maka diperlukan pendekatan yang dapat membantu membedakan jenis-jenis penyakit yang ada pada daun kelapa sawit.

1.3 Batasan Masalah

Sehubungan dengan permasalahan yang akan diambil, maka ruang lingkup dari sistem ini meliputi : 1. Input data pengklasifikasian penyakit berupa citra daun original berformat .jpeg. 2. jenis penyakit meliputi efek hama ulat api dan efek hama ulat kantong

1.4 Tujuan Penelitian

Adapun yang menjadi tujuan adalah mengidentifikasi jenis penyakit pada daun kelapa sawit dengan menggunakan Support Vector Machine.

1.5 Manfaat Penelitian

Adapun manfaat yang dapat diperoleh dari pembuatan aplikasi ini adalah : 1. Untuk memberikan kemudahan di lapangan untuk mengenali jenis penyakit pada daun kelapa sawit. 2. Sebagai referensi untuk pengembangan studi teknologi informasi dalam dunia pertanian. 3. Membantu petani awam dalam membedakan jenis penyakit efek hama ulat api dan ulat kantong pada daun kelapa sawit 4

1.6 Metodologi Penelitian

Ada beberapa tahapan dalam proses pengerjaan tugas akhir ini. Tahapan metodologi tersebut adalah sebagai berikut : 1. Studi Literatur Pada tahap ini, penulis mengumpulkan literatur tentang masalah yang diperlukan untuk dalam penelitian. Tahapan ini dilakukan untuk mengetahui apa yang telah diteliti dan dikerjakan sebelumnya sehingga dapat dilakukan pengembangan pada penelitian ini. 2. Pengumpulan Data Pada tahapan ini dilakukan untuk mengumpulkan data – data yang mendukung penyelesaian masalah. Data – data tersebut diantaranya mengenai : 1. Teori tentang Support Vector Machine. 2. Teori tentang penyakit daun kelapa sawit yang meliputi hama ulat api dan ulat kantong. 3. Data citra daun kelapa sawit yang terkena penyakit hama ulat kantong dan ulat api yang akan digunakan untuk proses pembelajaran dan pengujian pada sistem. 4. Teknik , image enhancement dan Segmentation menggunakan Sobel Operator dan pengambilan keputusan menggunakan Support Vector Machine. 3. Analisis dan Perancangan Sistem Pada tahapan ini dilakukan analisis terhadap materi dan data yang mendukung terhadap penyelesaian masalah sehingga dapat merancang sistem yang dapat diimplementasikan pada penelitian ini. Bagian dari perancangan sistem adalah sebagai berikut : 1. Preprocessing citra citra daun kelapa sawit Preprocessing Citra dengan tujuan untuk memproses citra daun yang masih dalam ukuran normal atau semula menjadi ukuran pixel 5 2. Feature extraction Pada proses ekstraksi fitur digunakan untuk mengekstrak nilai dari luas daun kelapa sawit yang terkena penyakit. 3. Implementasi Sistem Pada tahapan implementasi sistem ini akan dilakukan pengkodean program dengan menggunakan NetBeans. 4. Pengujian Sistem Pada tahapan pengujian sistem yang telah dibangun akan diuji untuk memastikan apakah sistem telah berjalan sesuai yang diharapkan. 5. Dokumentasi dan Penyusunan Laporan Pada tahapan ini yaitu penyusunan laporan terhadap analisis dan implementasi Support Vector Machine untuk melakukan identifikasi penyakit daun tanaman kelapa sawit yang berformat .JPEG.

1.7 Sistematika Penulisan

Sistematika penulisan dari penelitian ini terdiri dari lima bagian utama sebagai berikut:

Bab 1 Pendahuluan

Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

Bab 2: Landasan Teori

Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang penerapan metode Support Vector Machine untuk mengidentifikasi jenis penyakit daun kelapa sawit hama ulat api dan ulat kantong pada citra daun kelapa sawit. 6

Bab 3: Analisis dan Perancangan

Bab ini berisi analisis dan penerapan metode Support Vector Machine untuk mengidentifikasi jenis penyakit daun kelapa sawit hama ulat api dan ulat kantong pada citra, serta perancangan seperti pemodelan dengan flowchart dan use case.

Bab 4: Implementasi dan Pengujian