IDENTIFIKASI ORGANISME PENGGANGGU TANAMAN (OPT) PADA CITRA DAUN PADI MENGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) DENGAN FEATURE LEARNING CNN SEBAGAI EKSTRAKSI FITUR

Sistem identifikasi Organisme Penganggu Tanaman (OPT) bertujuan untuk mengenali dan mengidentifikasi objek citra yang terserang OPT dan mengklasifikasikannya ke dalam suatu jenis OPT yang sesuai kriteria. Objek citra menggunakan gambar daun padi yang tampak sehat dan sampai yang terkena serangan OPT, karena bagian daun akan tampak jelas jika terserang suatu OPT. Identifikasi yang dilakukan oleh petani dinilai kurang maksimal, karena tidak melibatkan pakar atau ahli, akibatnya penanganan serangan OPT menjadi tidak tepat. Untuk memudahkan petani mengidentifikasi jenis OPT, dibutuhkan sebuah sistem yang mampu mengidentifikasi jenis OPT melalui citra daun tanaman padi. Sehingga pada penelitian ini diusulkan metode Leaning Vector Quantization (LVQ) sebagai classifier dan metode feature learning pada Convoulutional Neural Network (CNN) sebagai ekstraksi fitur. Terdapat dua tahap utama dalam sistem yang akan dibangun, pertama proses ekstraksi fitur menggunakan kemampuan feature learning CNN dan proses identifikasi atau klasifikasi dengan alrogitma LVQ. Dataset yang digunakan dalam penelitian ini adalah Rice Dieases Image Dataset yang berisikan citra daun padi dengan identifikasi OPT brown spot, hispa, leaf blast dan citra dengan identifikasi sehat dan fitur yang digunakan adalah warna. Hasil uji coba yang telah dilakukan yaitu klasifikasi OPT pada tanaman padi menggunakan metode CNN memperoleh hasil akurasi lebih baik dibandingkan dengan metode LVQ sebagai classifier. CNN memperoleh akurasi ratarata 80.84% untuk setiap kelas, sedangkan LQV memperoleh akurasi rata-rata 65.32% untuk setiap kelas.