Klasifikasi Penyakit Daun Tomat Menggunakan Pengolahan Citra Dan Algoritma Machine Learning
DOI:
https://doi.org/10.62712/juktisi.v4i3.778Kata Kunci:
Klasifikasi Penyakit, Daun Tomat, Naive Bayes, Support Vector Machine, Machine LearningAbstrak
Klasifikasi penyakit daun tomat merupakan langkah penting untuk meningkatkan produktivitas pertanian dan meminimalkan kerugian akibat patogen. Penelitian ini bertujuan membandingkan dan mengevaluasi performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi penyakit daun tomat berbasis pengolahan citra digital. Pipeline penelitian mencakup segmentasi citra berbasis HSV, ekstraksi fitur warna, bentuk, dan tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta proses klasifikasi. Sistem diimplementasikan dalam bentuk Graphical User Interface (GUI) berbasis MATLAB untuk memudahkan manajemen data latih, pelatihan model, klasifikasi, dan evaluasi performa. Hasil pengujian menunjukkan bahwa SVM mencapai akurasi 92,36%, lebih tinggi dibandingkan Naive Bayes sebesar 79,41%. Kontribusi penelitian ini meliputi analisis komparatif Naive Bayes dan SVM dalam klasifikasi penyakit daun tomat, integrasi fitur warna, bentuk, dan tekstur dalam satu pipeline, dan pengembangan GUI interaktif untuk klasifikasi. Penelitian ini diharapkan dapat mendukung pertanian presisi melalui deteksi penyakit daun tomat yang lebih cepat, akurat, dan efisien.
Unduhan
Referensi
E. S. Rahayu, O. Anugrah, A. Purnama, H. Zakaria, and P. Rosyani, “BULLETIN OF COMPUTER SCIENCE RESEARCH Klasifikasi Penyakit Jamur Pada Tanaman Tomat dengan Algoritma SVM,” vol. 5, no. 4, pp. 756–762, 2025, doi: 10.47065/bulletincsr.v5i4.515.
A. Saleh, R. Eka Sari, R. Ramadani, F. Fujiati, and R. Lestari, “Analisis Komparatif Algoritma Klasifikasi Machine Learning untuk Memprediksi Diabetes,” Algoritm. J. Ilmu Komput. dan Inform., vol. 9, no. 1, p. 26, 2025, doi: 10.30829/algoritma.v9i1.23794.
R. Dewi, R. S. Hayati, A. Saleh, D. Y. H. Tanjung, and A. Jinan, “Enhancing Machine Learning Algorithm Performance for PCOS Diagnosis Using SMOTENC on Imbalanced Data,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 11, no. 1, pp. 55–63, 2025, doi: 10.33480/jitk.v11i1.6676.ENHANCING.
P. A. Azli, M. Minarni, A. Syahrani, G. Y. Swara, and A. Anisya, “Segmentasi Citra Daun Tomat untuk Klasifikasi Penyakit Tanaman Menggunakan Support Vector Machine (SVM),” J. Inform. J. Pengemb. IT, vol. 10, no. 4, pp. 997–1008, 2025, doi: 10.30591/jpit.v10i4.9404.
S. W. Agusta and W. Kaswidjanti, “The Implementation of Color Feature Extraction and Gray Level Co-occurrence Matrix Combination in K-Nearest Neighbor Classification Method for Tomato Leaf Disease Identification,” Telematika, vol. 20, no. 2, p. 250, 2023, doi: 10.31315/telematika.v20i2.10009.
J. Zheng and M. Du, “Study on Tomato Disease Classification based on Leaf Image Recognition based on Deep Learning Technology,” Int.
J. Adv. Comput. Sci. Appl., vol. 14, no. 4, pp. 575–583, 2023, doi: 10.14569/IJACSA.2023.0140463.
U. Khultsum and A. Subekti, “Penerapan Algoritma Random Forest dengan Kombinasi Ekstraksi Fitur Untuk Klasifikasi Penyakit Daun Tomat,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 186, 2021, doi: 10.30865/mib.v5i1.2624.
A. Das, F. Pathan, J. R. Jim, M. M. Kabir, and M. F. Mridha, “Deep learning-based classification, detection, and segmentation of tomato leaf diseases: A state-of-the-art review,” Artif. Intell. Agric., vol. 15, no. 2, pp. 192–220, 2025, doi: 10.1016/j.aiia.2025.02.006.
E. Widyastuti, A. Hermawan, and D. Avianto, “Klasifikasi Tomat Berdasarkan Varietas Dengan Ekstraksi Fitur Rgb Dan Algoritma Naïve Bayes,” Indones. J. Inf. Syst., vol. 8, no. 1, pp. 127–137, 2025, [Online]. Available: http://jom.fti.budiluhur.ac.id/index.php/IDEALIS/indexEviWidyastuti%7Chttp://jom.fti.budiluhur.ac.id/index.php/IDEALIS/index%7C
M. Astiningrum, P. Prima Arhandi, and N. Aqmarina Ariditya, “Identifikasi penyakit pada daun tomat berdasarkan fitur warna dan tekstur.,”
J. Inform. Polinema, vol. 6, no. 2, pp. 47–50, 2020.
O. Attallah, “Tomato Leaf Disease Classification via Compact Convolutional Neural Networks with Transfer Learning and Feature Selection,”
Horticulturae, vol. 9, no. 2, 2023, doi: 10.3390/horticulturae9020149.
C. Nyasulu et al., “A comparative study of Machine Learning-based classification of Tomato fungal diseases: Application of GLCM texture
features,” Heliyon, vol. 9, no. 11, p. e21697, 2023, doi: 10.1016/j.heliyon.2023.e21697.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Romi Antoni, Susiana Khosasih, Ricky Irnanda, Iswanto, Farhan Sardy Abdillah, Yiska Dayanti Zagoto, Rika Rosnelly
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
