KLASIFIKASI HAMA TANAMAN PADI MENGGUNAKAN HAAR-LIKE FEATURE DAN ALGORITMA ADABOOST

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%