Abstract:
ABSTRAK
Upaya monitoring populasi hama di suatu lokasi tanam padi menjadi penting karena
berdasarkan informasi jenis dan jumlah hama yang menyerang tanaman padi dapat
disusun suatu saran tindak pengendalian dan penanggulangan secara lebih dini sehingga
potensi kehilangan hasil akibat serangan hama dapat ditekan. Oleh sebab itu diperlukan
suatu proses untuk mengidentifikasi dan mengklasifikasi hama yang menyerang dan
merugikan tanaman padi tersebut. Dalam penelitian ini akan dirancang klasifikasi hama
tanaman padi menggunakan pengolahan citra (image processing) dimana dalam
pengolahannya menggunakan citra dari hama penggerek batang (ngengat). Ekstrasi ciri
pada sampel positif (citra hama ngengat) dan sampel negatif (citra non hama)
menggunakan ekstraksi ciri Haar Like Feature. Sedangkan pada proses klasifikasi
menjadi kelas ngengat dan bukan ngengat menggunakan algoritma Adaboost (Adaptive
Boosting) dengan menerapkan cascade classifier untuk mendapatkan ciri yang kuat.
Variabel yang diamati adalah tingkat kesalahan (error) yang dihasilkan pada proses
klasifikasi hama ngengat dan non hama. Dari hasil pengujian pada sampel positif (citra
hama ngengat) diperoleh identification rate true positif (TP) = 90%, sedangkan false
positif (FP) = 20%. Untuk pengujian sampel negatif (citra non hama) diperoleh true
negatif (TN) = 80%, sedangkan false negatif (FN) = 20%. Dari hasil pengujian sampel
positif dan sampel negatif tersebut diperoleh akurasi hasil identifikasi hama ngengat
sebesar 85%
