IDENTIFIKASI PENYAKIT DAUN TANAMAN KELAPA SAWIT
MENGGUNAKAN
SUPPORT VECTOR MACHINE
SKRIPSI
RIDZUAN IKRAM FAJRI 091402134
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
IDENTIFIKASI PENYAKIT DAUN TANAMAN KELAPA SAWIT
MENGGUNAKAN SUPPORT VECTOR MACHINE
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
RIDZUAN IKRAM FAJRI 091402134
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IDENTIFIKASI PENYAKIT DAUN TANAMAN
KELAPA SAWIT MENGGUNAKAN SUPPORT VECTOR MACHINE
Kategori : SKRIPSI
Nama : RIDZUAN IKRAM FAJRI
Nomor Induk Mahasiswa : 091402134
Program Studi : SARJANA (S-1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
iii
PERNYATAAN
IDENTIFIKASI PENYAKIT DAUN TANAMAN KELAPA SAWIT MENGGUNAKAN SUPPORT VECTOR MACHINE
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2014
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :
1. Keluarga penulis, terutama kedua orang tua penulis. Ayahanda tersayang Alm. H.Dr.Tedi Moraza, Sp.OG dan Ibunda tersayang dr.Okti Rosdianawani yang selalu sabar dalam mendidik dan membesarkan penulis. Kakak penulis dr.Sheila Regina Tiza dan Adik penulis Zhafira Inayah Fitri. Kakek penulis H.Rustam dan Nenek penulis Hj.Syarifah Rodiah serta seluruh sanak saudara penulis yang tidak dapat disebutkan satu persatu.
2. Farah Ramadhani yang selalu memberi dukungan serta menemani dalam suka dan duka dalam menjalankan skripsi ini.
3. Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
4. Bapak Muhammad Fadly Syahputra B.Sc.M.Sc.IT dan Ibu Sarah Purnamawati S.T.M.Sc selaku penguji yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
5. Ketua dan Sekretaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar S.T.MM.IT dan Muhammad Fadly Syahputra B.Sc.M.Sc.IT
6. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
7. Seluruh sahabat terbaik penulis yang selalu memberikan dukungan, Ammar Adianshar, S.TI, Ade Tambunan, Abdi Hafiz,SP Reza Elfandra Srg, S.TI, Muhammad Ardiansyah, S.TI, Fadli Rizky, Muhammad Fadlullah, Muhmmad Hafiz Yahya, SE, Yogi Suryo Santoso, Dwiky Syahputra, Ibnu Setiawan, Handra Akira Saito, Nurul Khadijah, S.TI, Arif Ashari, SP seluruh member grup SEM***, serta seluruh angkatan 09, serta teman-teman seluruh angkatan mahasiswa USU dan teman-teman lainnya yang tidak dapat penulis sebutkan satu persatu, Semoga Allah SWT membalas kebaikan kalian dengan nikmat yang berlimpah.
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.
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.
vii
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
3.2.4 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
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
ix
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu 18
Tabel 4.1 Rencana Pengujian Aplikasi 38
Tabel 4.2 Hasil Pengujian Halaman Utama 38
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
