Analisis Penggunaan Filter Wavelet pada Identifikasi Penyakit Tanaman Akasia (Acacia crassicarpa) Berbasis Citra Digital

Abstract

Acacia crassicarpa merupakan salah satu jenis Spermatophyta di Indonesia. Pemanfaatan tanaman akasia yang cukup banyak seperti pembuatan kertas, pembuatan dekorasi rumah dan furnitur, menyebabkan akasia banyak dibudidayakan. Perlunya pengendalian yang tepat agar kualitas tanaman tetap terjaga terutama dari penyakit. Seiring perkembangan teknologi, aplikasi otomatis untuk mendeteksi penyakit tanaman terutama berbasis citra telah hadir dan berkembang cukup pesat. Penelitian ini bertujuan untuk meningkatkan kemampuan aplikasi identifikasi penyakit tanaman berbasis citra khususnya pada penyakit tanaman akasia. Aplikasi tersebut menggunakan metode Discrete Wavelet Packet Transform (DWPT) dalam mengekstraksi ciri penyakit tanaman. Fokus penelitian ini adalah pemilihan wavelet filter untuk metode DWPT pada aplikasi identifikasi penyakit daun tanaman akasia. Wavelet filter yang digunakan yaitu Daubechies, Coiflet, Biorthogonal, dan Reverse Biorthogonal. Pemilihan kernel terbaik didasarkan pada hasil classifier support vector machine (SVM). Model dengan akurasi tertinggi terdapat pada wavelet filter Reverse Biorthogonal yaitu rbio1.1 dan Biorthogonal yaitu bior1.3 sebesar 92.68%.