Identifikasi Penyakit Cabai Berdasarkan Gejala Bercak Daun dan Penampakan Conidia Menggunakan Probabilistic Neural Network

Abstract

Cabai merupakan salah satu komoditas penting di Indonesia yang sangat rentan terserang penyakit, sehingga pengendalian penyakit tanaman sejak dini diperlukan untuk mencegah kerusakan yang lebih lanjut. Sebagian besar gejala penyakit dapat dilihat pada bagian daun, sehingga dengan mengenali gejala awal pada daun diharapkan dapat membantu proses pengendalian penyakit tanaman. Penelitian yang dilakukan adalah identifikasi jenis penyakit tanaman cabai yang dibatasi pada penampakan bercak daun dan conidia yang diperoleh dari daun tersebut. Pengenalan dilakukan menggunakan probabilistic neural network (PNN) dan data yang dikenali merupakan citra dari daun cabai dan citra mikroskopis yang memperlihatkan conidia yang diekstraksi dari permukaan daun. Pengambilan data dilakukan di Yogyakarta dan didapatkan tiga jenis penyakit yang disebabkan oleh bercak daun dan dua jenis conidia yang diekstraksi dari setiap daun yang diambil. Ketiga jenis penyakit tersebut adalah bercak daun serkospora, bercak karena bakteri dan bercak kelabu stemfilium. Sementara kedua jenis conidia adalah Cercospora capsici dan Leveilula taurica. GLCM, fitur warna dan circularity ratio digunakan sebagai fitur-fitur dalam mengenali jenis bercak daun. Sementara fitur-fitur bentuk digunakan dalam mengenali jenis conidia. Akurasi yang didapat dari pengujian PNN untuk mengenali bercak daun sebesar 94,74%, sedangkan akurasi hasil pengujian dalam mengenali conidia sebesar 95,31%.