Latar Belakang KESIMPULAN DAN SARAN 43

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