DETEKSI PENYAKIT BUSUK BUAH PADA TANAMAN CABAI

BERDASARKAN CITRA DAUN MENGGUNAKAN ALGORITMA

K-MEANS
Deni Priyadi 1
1
Prodi Informatika, Fakultas Teknik, Universitas Majalengka, Majalengka
Denipriyadi90@gmail.com

INFORMASI
ABSTRAK
ARTIKEL
Busuk buah atau antraknosa merupakan jenis penyakit yang sering menyerang
Article history:
Received
buah cabai. Jika diteliti penyakit busuk buah ini bisa membahayakan
Revised pertumbuhan tanaman, bahkan bisa membuat tanaman gagal panen karena.
Accepted Penelitian ini bertujuan melakukan segmentasi pada citra daun busuk buah
dengan memanfaatkan fitur warna pada daun. Pada paper ini metode
pengolahan citra menggunakan clustering K-Mean, hasil dari pengolahan citra
Keywords: adalah kutu kebul bisa terdeteksi dengan menggunakan clustering K-Mean
Cabai
Citra Daun
sebab bisa dibedakan dengan susunan warna yang dihasilkan dari proses
K-Means pengolahan citra. Sehingga bisa dikatakan K-Mean clustering cocok digunakan
dalam mendeteksi citra Kutu Kebul pada daun.Akan tetapi pada penelitian ini
masih ada kelemahan, yaitu objek bemisia tabaci belum dipisahkan dari citra
daun, ini menjadi salah satu saran untuk penelitian yang akan datang.

Fruit rot or anthracnose is a type of disease that often attacks chilies. If

examined, this fruit rot disease can harm plant growth, and can even cause crops
to fail. This study aims to segment the image of fruit rot leaves by utilizing the
color features on the leaves. In this paper, the image processing method uses K-
Mean clustering, the result of image processing is that whiteflies can be detected
using K-Mean clustering because they can be distinguished by the color
arrangement generated from the image processing process. So that it can be said
that K-Mean clustering is suitable for detecting whitefly images on leaves.
However, in this study there are still weaknesses, namely the bemisia tabaci
object has not been separated from the leaf image, this is one of the suggestions
for future research.

1. Pendahuluan melancarkan sirkulasi darah ke jantung.

Cabai termasuk ke dalam jenis
tanaman holtikultura yang sangat
mudah ditanam di berbagai dataran,
baik di dataran rendah ataupun di
dataran tinggi. Selain dapat tumbuh di
mana saja, cabai merupakan sebuah
peluang bisnis yang menjanjikan bagi
para Petani, (Harpenas, 2010)
Cabai mempunyai ciri khas yang
sangat pedas bagi Sebagian kalangan,
namun di beberapa daerah cabai ini
sangat penting dalam setiap
masakannya. Salah satu daerah yang
wajib menggunakan cabai ialah daerah
Padang. Selain dari rasa pedas cabai
juga memiliki protein, kalori, lemak,
karbohidrat, kalsium, serta vitamin
A,B1, dan C. lalu cabai juga dapat
(Harpenas, 2010) Tak heran apabila
permintaan pembeli di pasar sangat
melambung tinggi dan harganya paling
flutuaktif di Pasar Tradisional.
Pasar Tradisional merupakan
tempat terjadinya jual beli kebutuhan
pokok masyarakat. Di sini kita dapat
menjumpai berbagai jenis cabai. Mulai
dari cabai keriting, cabai rawit, cabai
domba dan masih banyak lagi. Di pasar
tradisional terdapat banyak penjual dan
pembeli. Namun, sayang ga semua
bulan selalu tersedia banyak cabai. Ada
beberapa bulan yang stock cabainya
kosong, namun permintaanya sedang
tinggi-tingginya.
Stock kosong di pasar tradisional
diakibatkan oleh hasil panen cabai
2
kurang baik. Penyebab terjadinya
penurunan stock di pasar tradisional
disebabkan karena adanya penyakit
salah satu contohnya Busuk buah.
Gambar 1. Penyakit Busuk Buah Antraknosa
Serangan penyakit patek, busuk
buah atau antraknosa pada tanaman
cabai dapat mengakibatkan kerugian
yang sangat besar dan bahkan serangan
penyakit ini menimbulkan kegagalan
panen yang diakibatkan rusaknya buah
cabai. [1]
Gejala awal penyakit ini ditandai
dengan munculnya bercak yang agak
mengkilap, sedikit terbenam dan berair,
berwarna hitam, orange dan coklat.
Warna hitam merupakan struktur dari
cendawan (mikro skelerotia dan
aservulus), apabila kondisi lingkungan
lembab tubuh buah akan berwarna
orange atau merah muda. Luka yang
ditimbulkan akan semakin melebar dan
membentuk sebuah lingkaran konsentris
dengan ukuran diameter sekitar 30 mm
atau lebih. Dalam waktu yang tidak
lama buah akan berubah menjadi coklat
kehitaman dan membusuk, ledakan
penyakit ini sangat cepat pada musim
hujan. Serangan yang berat
menyebabkan seluruh buah keriput dan
mengering. Warna kulit buah seperti
jerami padi.
Batang yang terserang oleh
patogen ini menunjukkan bercak coklat
kehitaman dan selanjutnya mengering.
Pada serangan berat bercak kehitaman
2. Metode
menjalar ke seluruh jaringan dan
akhirnya tanaman mengalami kematian.
Kehilangan hasil yang disebabkan oleh
JISTEC : Journal of Information and System Technology
ISSN 0000-0000 (Online)
penyakit ini dapat mencapai 90%
(Jiang, et al. 2015). Maka, diperlukan
mendeteksi citra daun di awal masa
pertumbuhan, agar mengurangi resiko
gagal panen.
Pengolahan citra banyak sekali
digunakan di berbagai bidang seperti
pada bidang kesehatan, contohnya
Untuk menganalisis tekstur nucleus
dan /mendetaksi sitoplasma (Septian et
al., 2016). Untuk mendeteksi
diameternya tumor pada kulit (Sucipto
& Riana, 2013). Untuk mendiagnosa
potensi dari glaucoma (Arifin, Riana, &
Hapsari, 2014) dan masih banyak lagi.
Selain, dari bidang Kesehatan,
pengolahan citra juga diterapkan pada
bidang pertanian, contohnya
Implementasi Algoritme K-Means
Sebagai Metode Segmentasi Citra
Dalam Identifikasi Penyakit Daun
Jeruk. (Febrinanto, Dewi, & Wiratno,
2018). Dari penelitian ini dapat
disimpulkan bahwa algoritma K-Means
dapat menghasilkan tingkat akurasi
sebesar 90.83%. Lalu ada Segmentasi
Berbasis K-Means Pada Deteksi Citra
Penyakit Daun Tanaman Jagung
(Rosiani, Cahya, Rahmawati, &
Tupamahu, 2020). Dari penelitian ini
dapat disimpulkan bahwa algoritma K-
Means clustering ini menghasilkan
keluaran tingkat keakuratan yang baik
sebesar 90%
Dengan adanya permasalahan
yang terjadi di masyarakat dan juga
penelitian-penelitian yang sebelumnya
sudah ada. Maka peneliti memustuskan
untuk menggunakan pengolahan citra
digital untuk mendeteksi penyakit yang
ada pada tanaman cabai dan juga
menggunakan algoritma K-Means
Clustering untuk segmentasi citra pada
penyakit tanaman cabai. Alasannya
algoritma K-Means dapat
mengelompokkan citra daun yang
berdasarkan penyakitnya dengan tingkat
keakuratan yang tinggi
 3
ISSN 2502-3357 (Online)
F. Fulan, et. al./Register 7 (1) January 2021 pp. 1-5 ISSN 2503-0477 (Print)
Dalam metode penelitian akan d. Lakukan segmentasi pada citra daun
dijelaskan Langkah-langkah yang menggunakan algoritma K-Means
dilakukan, diantaranya sebagai berikut : e. Hitung jarak kemiripan warna dari
2.1 Metode Pengumpulan Data hasil segmentasi yang disimpan pada
Metode pengumpulan data yang training dengan menggunakan
dilakukan merupakan sebuah pengambil pendekatan warna Euclidean
data image yang dilakukan secara langsung Distance.
terhadap citra daun tanaman cabai yang
terkena penyakit busuk buah di pesawahan
Desa Malongpong, kecamatan Maja,
Kabupaten Majalengka. Pengambilan citra
daun menggunakan hardware dan
software seperti
Hardware :
1. Camera cannon 800D
2. Lighting
Software :
1. Photoshop
2.2 Metode Pengolahan Data

Gambar 2. Pengolahan data

Metode pengolahan data yang
digunakan untuk implementasi sistem
deteksi penyakit busuk buah pada tanaman Gambar 3. Flowchart sistem
cabai berdasarkan citra daun ini dengan
fitur yang digunakan adalah data warna
3. Hasil dan Pembahasan
pada proses segmentasi yang berupa nilai
Pada bagian hasil dan pembahasan
pixel. Citra penyakit sebagai masukkan
menjelasan langkah-langkah dalam
yang selanjutnya akan dilakukan
memproses dataset citra daun cabai, tahap
pengubahan ukuran citra masukkan
ini meliputi pemilihan media gambar
tersebut. Setelah proses pengubahan
sebagai dataset penelitian dan kemudian
ukuran citra lalu proses transformasi warna
pemrosesan file seperti proses pengenalan
RGB ke CIELAB dimana hasil tersebut
pola klasifikasi, metode pengukuran dan
berupa nilai pixel yang digunakan sebagai
hasil, kualitas informasi tentang segmentasi
masukkan pada proses segmentasi berbasis
gambar menggunakan metode K-Means
K-Means. Hasil dari proses segmentasi
Clustering
tersebut yang diinputkan ke dalam sistem
1.1 Data Set
akan dijadikan data training yang nantinya
akan menghasilkan nilai pixel yang akan Cara pengumpulan data secara
digunakan dalam pendekatan warna langsung pada daun tanaman cabai yang
Euclidean Distance. ada di pesawahan yang ditanami cabai,
2.3 Metode Pengujian dengan cara papan dibungkus dengan kain
Berdasarkan gambar 3, Metode pengujian hijau diletakkan dibawah daun penyakit
dilakukan beberapa tahapan, diantaranya : cabai, lalu melakukan pengambilan citra
a. Masukan citra daun penyakit busuk dengan kamera smartphone pada daun
buah cabai penyakit jagung tersebut dengan jarak
b. Mengubah ukuran asli citra daun ambil menyesuaikan penyakit 10cm-20cm,
menjadi ukuran 400x400 pengambilan dilakukan pada jam 06:00-
c. Transformasi warna RGB ke warna 08:00 rekomendasi jam tersebut dari
L*a*b* peneliti sebelumnya yaitu Bapak Frangky
Tupamahu dengan pencahayaan yang
Write some words of tile … http://doi.org/10.26594/register.v6i1.idarticle
2021 Register: Jurnal Ilmiah Teknologi Sistem Informasi (Scientific Journal of Information System Technology) with CC BY NC SA license.
4
ISSN 0000-0000 (Online)

cukup. Lalu gambar di resize ukuran nya b. Iterasi ke-2. Setiap pusat – pusat
menjadi 400x400 agar gambar mudah gugusan berpindah/bergerak ke pusat
kebaca oleh sistem di saat tahap uji latih tengah rataan, semua pikselnya.
model menggunakan algoritma k-means c. Iterasi ke-n. Semua pusat gugusan
telah stabil.
2.1 Eksprimen K-Means Clustering
Hasil segmentasi diatas menggunakan
Algoritma K-Means secara umum
metode k-means clustering, dengnan hasil
dilakukan dengan algoritma dasar sebagai
iterasi sebagai berikut:
berikut:
2 iterasi, jumlah total jarak = 9.23678e + 09.
a. Data yang dipisahkan dikelompokan
3 iterasi, jumlah total jarak = 9.23678e + 09
kedalam kelompok-kelompok data
4 iterasi, jumlah total jarak = 9.23678e + 09.
(klaster) k dan nilainilai data diacak
4 iterasi, jumlah total jarak = 9.23678e + 09.
kedalam hasil-hasil yang dimasukan
8 iterasi, jumlah total jarak = 9.23678e + 09.
kedalam kelompok data yang
memiliki kesamaan jumlah dari nilai
4. Kesimpulan
data.
Dari pembahasan diatas dapat
b. Menghitung setiap nilai data
disimpulkan bahwa dengan menggunakan
menggunakan jarak Euclidean pada
K-Mean Clustering maka penyakit busuk
setiap klaster.
buah bisa terdeteksi, dengan hasil dari
c. Abaikan jika nilai data diwakili oleh
pengolahan citra yang dengan adanya hasil
kelompok datanya sendiri , dan
dari beberapa iterasi, sehingga petani yang
pindah nilai kedalam kelompok data
melihat bisa dengan mudah membedakan.
yang telah terwakili jika nilai data
Dan dengan melihat hasil pengolahan citra
tersebut tidak diwakili oleh kelompok
dapat dikatakan jika metode clustering K-
data.
Mean cocok untuk mendeteksi hasil citra
d. Ulangi langkah hingga lengkap
busuk buah yang terdapat pada daun.
meliputi seluruh hasil nilai data dalam
5. Ucapan terima kasih
perpindahan satu klaster ke klaster
lainnya (Widodo et al., 2011). Saya ucapkan terimakasih sebesar-
Data yang digunakan untuk diklaster besarnya pada teman-teman yang sudah
diperoleh dengan membandingkan jarak mendukung dan mengingatkan saya untuk
(distance), jarak digunakan untuk selalu mengerjakan jurnal atau paper ini.
menentukan tingkat kesamaan (similarity
degree) atau ketidaksamaan dua vektor 6. Referensi
fitur.
Tingkat kesamaan berupa suatu nilai
(score) dan berdasarkan skor tersebut dua
vektor fitur akan dikatakan mirip atau
tidak. Euclidean distance adalah metrika
yang paling sering digunakan untuk
menghitung kesamaan 2 vektor. Euclidean
distance menghitung akar dari kuadrat
perbedaan 2 vektor (Mara & Satyahadewi,
2013).

Contoh dari algoritma K-Means

yaitu:
a. Iterasi ke-1. Pusat – pusat gugusan
ditetapkan secara acak. Piksel – piksel
akan ditempatkan ke pusat – pusat
terdekat.

JISTEC : Journal of Information and System Technology

 5
ISSN 2502-3357 (Online)
F. Fulan, et. al./Register 7 (1) January 2021 pp. 1-5 ISSN 2503-0477 (Print)

[1] A. Wibowo SP, MMA, "Pengendalian

Serangan Penyakit Busuk Buah
(Antraknose) Pada Tanaman Cabai," 18
November 2020. [Online]. Available:
http://pertanian.magelangkota.go.id/.
[Accessed 15 June 2022].

[2] E. K. Ratnasari, R. V. H. Ginardi dan C.

Fatichah, “Pengenalan penyakit noda pada
citra daun tebu berdasarkan ciri tekstur
fractal dimension co-occurrence matrix
dan L*a*b* color moments,” JUTI, vol. 12,
no. 2, p. 27– 36, 2014.

[3] J. Liu, Z. Chang, C. K. S. Leun, R. C. W.

Wong, Y. Xu and R. Zha, "Efficient mining
of extraordinary patterns by pruning and
predicting," Expert Systems with
Applications, vol. 125, no. July, pp. 55-68,
2019.

[4] M. Masinde and k. Mkhonto, "The Critical

Success Factors for e-Government
Implementation in South Africa’s Local
government: Factoring in Apartheid Digital
Divide," in 2019 IEEE 2nd International
Conference on Information and Computer
Technologies (ICICT), Kahului, HI, USA,
2019.

[5] J. R. Varma, "Blockchain in Finance,"

Vikalpa: The Journal for Decision Makers,
vol. 44, no. 1, pp. 1-11, 2019.

[6] A. Orsdemir, G. Tilki and F. Altinay,

"Evaluation by Teachers of “Use of
Influence in Agile Management” by School
Administration," International Journal of
Disability, Development and Education, pp.
1-13, 2019.

Write some words of tile … http://doi.org/10.26594/register.v6i1.idarticle

2021 Register: Jurnal Ilmiah Teknologi Sistem Informasi (Scientific Journal of Information System Technology) with CC BY NC SA license.