Pengolahan Citra Mengidentifikasi Penyakit Pucuk Putih Pada Daun Padi Menggunakan Metode Grayscale

Authors

  • Hazaini STMIK Triguna Dharma
  • Wahyu Riansah STMIK Triguna Dharma
  • Sri Murniyanti STMIK Triguna Dharma

DOI:

https://doi.org/10.53513/jsk.v9i2.13448

Keywords:

Pengolahan Citra, Grayscale, Penyakit Pucuk Putih, Daun Padi, MATLAB

Abstract

Penyakit pucuk putih pada daun padi merupakan salah satu penyakit yang signifikan yang dapat mengurangi hasil panen dan kualitas padi. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk mengurangi dampaknya. Penelitian ini bertujuan untuk mengembangkan metode pendeteksian penyakit pucuk putih pada daun padi menggunakan teknik pengolahan citra berbasis grayscale.Proses penelitian dimulai dengan pengambilan gambar daun padi menggunakan kamera digital. Gambar-gambar tersebut kemudian diproses menggunakan metode konversi grayscale untuk menyederhanakan analisis citra. Langkah berikutnya adalah segmentasi citra untuk memisahkan area daun yang sehat dan yang terinfeksi penyakit. Teknik thresholding digunakan untuk melakukan segmentasi ini, di mana nilai ambang ditentukan untuk membedakan antara area yang terinfeksi dan yang sehat. Setelah segmentasi, fitur-fitur penting dari citra, seperti tekstur dan pola warna, diekstraksi untuk analisis lebih lanjut. Fitur-fitur ini kemudian digunakan dalam algoritma klasifikasi untuk mengidentifikasi keberadaan penyakit pucuk putih. Hasil klasifikasi dibandingkan dengan data ground truth untuk mengevaluasi akurasi metode yang dikembangkan.

References

N. A. Haris, “Kombinasi Ciri Bentuk dan Ciri Tekstur Untuk Identifikasi Penyakit Pada Tanaman Padi,” JATISI

(Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 237–250, 2020, doi: 10.35957/jatisi.v7i2.239

Boopathi, S., Pandey, B. K., & Pandey, D. (2023). Advances in artificial intelligence for image processing: Techniques, applications, and optimization. Handbook of Research on Thrust Technologies? Effect on Image Processing, 73–95. https://doi.org/10.4018/978-1-6684- 8618-4.ch006.

Badan Pusat Statistik, “Badan Pusat Statistik.” pp. 335–58, 2017, doi: 10.1055/s-2019-1040325.

I. Setiawan, W. Dewanta, H. A. Nugroho, and H. Supriyono, “Pengolah Citra Dengan Metode Thresholding Dengan Matlab R2014A,” J. Media Infotama, vol. 15, no. 2, 2019, doi: 10.37676/jmi.v15i2.868

Y. N. Nabusa, “Pengolahan Citra Digital Perbandingan Metode Histogram Equalization Dan Spesification Pada Citra Abu-Abu,” J-Icon, vol. 7, no. 1,

S. P. Titus Rappan, “Mencegah Dan Mengendalikan Penyakit Blas Pada Tanaman Padi,” 2019. http://cybex.pertanian.go.id/mobile/artikel/72607/Mencegah-Dan-Mengendalikan-Penyakit-Blas-Pada TanamanPadi/ (accessed Mar. 18, 2023)..

Penyakit Kresek_Hawar Daun (Bacterial Leaf Blight) - Kabupaten Bogor,2021.

Haq, F. (2021). Pewarnaan Citra Grayscale dengan Metode Grayscale dan Inception ResNet-V2. https://repository.its.ac.id/id/eprint/88565/2021.

Fajri, R., & Fitria, F. (2023). KLIK: Kajian Ilmiah Informatika dan Komputer Pengembangan Real-Time Object Detection System pada Perangkat Single-Board Computer. Media Online), 4(2), 1154–1162. https://doi.org/10.30865/klik.v4i2.1224

Hasan, N. F., Dengen, C. N., & Ariyus, D. (2020). Analisis Histogram Steganografi Least Significant Bit Pada Citra Grayscale. Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, 11(1), 20–29. https://doi.org/10.31849/digitalzone.v11 i1.3413

Setiawan, W. Dewanta, H. A. Nugroho, and H. Supriyono, “Pengolah Citra Dengan Metode Biner Dengan Matlab R2014A,” J. Media Infotama, vol. 15, no. 2, 2019, doi: 10.37676/jmi.v15i2.868..

R M. V. Budiyono, “Sistem Deteksi Tingkat Kematangan Tomat Menggunakan Perhitungan Hue Saturation Intensity (Hsi) Dan Metode K- Nearest Neighbors,” 2021

Fitrianingsih and Rodiah, “Klasifikasi Jenis Citra Daun Mangga Menggunakan Convolutional Neural Network,” J. Ilm. Teknol. dan Rekayasa, vol. 25, no. 3, pp. 223–238, 2020, doi: 10.35760/tr.2020.v25i3.3519.

Downloads

Published

2026-07-30