DETEKSI DAN KLASIFIKASI HAMA DAN PENYAKIT TANAMAN KELAPA MENGGUNAKAN NEAREST MEAN CLASSIFIER DI KABUPATEN INDRAGIRI HILIR
Abstract
Tanaman kelapa di Kabupaten Indragiri Hilir menghadapi masalah serius akibat serangan hama dan penyakit (OPT) yang mengakibatkan penurunan produktivitas dan kerugian ekonomi bagi petani. Kendala utama dalam penanganan OPT adalah sulitnya melakukan deteksi dan klasifikasi secara cepat dan akurat. Untuk mengatasi masalah ini, penelitian ini mengembangkan sistem klasifikasi OPT pada tanaman kelapa menggunakan metode Nearest Mean Classifier (NMC). Metode ini menggunakan citra digital tanaman kelapa untuk menghitung kemiripan antara citra uji dan data latih berdasarkan jarak Euclidean. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengklasifikasikan OPT dengan akurasi tinggi. Pada kelas Bercak Daun, rata-rata jarak yang dihasilkan adalah 75,54 dengan simpangan baku 24,74, sedangkan pada kelas Akar Jatuh, rata-rata jaraknya adalah 22,97 dengan simpangan baku 6,20. Secara keseluruhan, sistem menunjukkan persentase akurasi tertinggi sebesar 89,87% untuk kelas Bercak Daun dan 14,12% untuk kelas Busuk Daun. Sistem ini memberikan solusi yang efisien bagi petani dalam mendeteksi OPT dan diharapkan dapat meningkatkan produktivitas kelapa di Kabupaten Indragiri Hilir.
Downloads
References
Ridha MR, Yunita F. Pemilihan Bibit Kelapa Menggunakan Metode Nearest Mean Classifier Untuk Masyarakat Petani Kelapa Di Kabupaten Indragiri Hilir. Jurnal Perangkat Lunak. 2020 Dec 17;2(3):101-14.
Abdullah, Ku-Mahamud, K. R. and Agung Sediyono. “A new feature set partitioning method for nearest mean classifier ensembles.” (2013). Proceedings of the 4 th International Conference on Computing and Informatics, 39-44
Marhaeni L.S. Inventarisasi Hama Dan Penyakit Penting Pada Tanaman Kelapa. Perspektif: Review Penelitian Tanaman Industri. 2008 Dec 30;7(2): 112-117.
Muni A, Jibril M. Penerapan Metode Naive Bayes Classifier Dalam Pemilihan Kualitas Bibit Kelapa Untuk Masyarakat Petani Kelapa Di Indragiri Hilir. jupel [Internet]. 2023Oct.29 [cited 2024Mar.19];5(3):313-22. Available from: https://ejournal.unisi.ac.id/index.php/jupel/article/view/2780
Badan Pusat Statistik (BPS) Kabupaten Indragiri Hilir. BPS INHIL. 2023. Kabupaten Indragiri Hilir Dalam Angka 2023. Indragiri Hilir. Available from: https://inhilkab.bps.go.id/publication/2023/12/29/f2b5f157347224138ddef999/statistik-daerah-kabupaten-indragiri-hilir-2023.html
Skurichina M, Kuncheva LI, Duin RP. Bagging and boosting for the nearest mean classifier: Effects of sample size on diversity and accuracy. InInternational workshop on multiple classifier systems 2002 Jun 21 (pp. 62-71). Berlin, Heidelberg: Springer Berlin Heidelberg.
Masparudin M, Abdullah A, Usman U. Sistem Prediksi Kualitas Santan Kelapa Menggunakan Nearest Mean Classifier (NMC). Sistemasi: Jurnal Sistem Informasi. 2020 Sep 27;9(3):646-55.
Santucci E. Quantum Minimum Distance Classifier. Entropy. 2017; 19(12):659. https://doi.org/10.3390/e19120659
Sergioli, G, Giuntini R, Freytes H. A new quantum approach to binary classification. PloS one. 2019 May 9;14(5):e0216224.
Copyright (c) 2024 Abdul Muni, Muhammad Amin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
