Mentari, Ginardi, dan Fatichah — Segmentasi Penyakit pada Citra Daun Tebu Menggunakan Fuzzy C Means-Support Vec- tor Machine dengan Fitur Warna a* 45 SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN FUZZY C MEANS – SUPPORT VECTOR MACHINE DENGAN FITUR WARNA a* Mustika Mentari 1) , R.V. Hari Ginardi 2) , dan Chastine Fatichah 3) 1, 2,3) Institut Teknologi Sepuluh Nopember Jurusan Teknik Informatika, Fakultas Teknologi Informasi, ITS Surabaya 60111 e-mail: must.mentari@gmail.com 1) , hari.ginardi@gmail.com 2) , chastine.fatichah@gmail.com 3) ABSTRAK Penyakit pada pertanian tebu harus segera diatasi agar diperoleh peningkatan produktivitas. Deteksi penyakit yang secara manual dilakukan oleh ahli membutuhkan waktu dan biaya yang tinggi. Oleh karena itu, diperlukan otomatisasi sistem untuk mendeteksi penyakit pada tanaman tebu. Penelitian ini bertujuan untuk membangun sistem yang secara otomatis mampu melakukan segmentasi citra daun tebu berpenyakit menggunakan Fuzzy C Means (FCM)-Support Vector Machine (SVM) dengan fitur warna a*. Kombinasi FCM-SVM dapat meningkatkan akurasi pada proses segmentasi dengan karakteristik penyakit daun tebu dengan pencahayaan yang tak seimbang akibat pengambilan secara outdoor. Segmentasi citra daun tebu berpenyakit memiliki beberapa tahapan yaitu praproses, pemilihan region of interest (ROI), ekstraksi fitur, dan segmentasi. Tahap praproses melakukan pengambilan bagian tulang daun serta penghapusan bagian tulang daun, kemudian pemilihan ROI menunjukan dominasi area penyakit pada daun menggunakan overlapping window seluas 100x100 pixel. Metode kombinasi FCM dan SVM digunakan untuk segmentasi daun tebu berpenyakit, dimana FCM digunakan untuk segmentasi daun tebu pada data training. Hasil segmentasi tersebut digunakan sebagai label data pada tahap kedua bersama dengan data testing menggunakan metode klasifikasi SVM. Metode segmentasi yang diusulkan mampu menunjukkan rata-rata akurasi yang tinggi pada 30 citra daun tebu berpenyakit, yaitu sebesar76%. Sistem yang dibangun selanjutnya digunakan pada deteksi penyakit sebagai referensi untuk ketepatan permasalahan pertanian yang membutuhkan sistem deteksi penyakit sejak dini. Kata Kunci: Segmentasi penyakit, daun tebu, FCM, SVM ABSTRACT The disease in sugarcane agriculture must be addressed quickly to ensure a high productivity. Detection of the disease manually by an expert requires substantial time and cost. Therefore an automated system for detection the disease in sugarcane is required. This research aims to develop a system which able to automatically perform image segmentation disease in sugarcane leaves image with Fuzzy C Means (FCM)-Support Vector Machine (SVM) with color feature a*. FCM-SVM com- bination can improve the accuracy of the segmentation process with characteristic leaf disease of sugarcane with not balance lighting due to the outdoor collection. Image segmentation in sugarcane leaf image consists of several phases, namely preprocessing, selection of region of interest (ROI), feature extraction, and the segmentation. Preprocessing stage capture the bone and removing the leaf veins, then the selection of ROI as the dominating presence of disease areas on the leaves using an overlapping window as wide as 100 x 100 pixels. The Combination of FCM and SVM used for diseased sugarcane leaf segmentation, where the FCM is used for the segmentation of sugarcane leaves on the training data. The segmentation results are used as the data labels in the second stage testing along with the data using SVM classification method. The proposed segmentation method shows a high rate accuracy of 76%. The system that has been built, further used in the process of disease detection as a reference to the precision agriculture system which requires early disease detection system. Keywords: disease segmentation, sugarcane leaf, FCM, SVM. I. PENDAHULUAN enyakit yang menyerang tebu di Indonesia dapat menurunkan produktivitas. Penyebaran penyakit tebu me- nyebabkan dampak penurunan ekonomi yang kuat karena berdampak pada jumlah penurunan panen. Selain masalah umum tersebut penanganan penyakit tebu perlu segera dideteksi dan diatasi untuk mengurangi biaya penggunaan pestisida dan pencemaran lingkungan akibat obat penyakit tersebut [1]. Penyakit pada tanaman tebu dapat diketahui dari bercak yang terdapat pada bagian daun. Bercak tersebut perlu dideteksi dengan menggunakan metode segmentasi. Penelitian penyakit pada daun tebu dilakukan oleh Patil [1]. Penyakit ini menjelaskan pengaruh jamur pada tebu menjadi penyakit yang jika tidak diatasi tepat waktu dapat menyebabkan kerugian. Penggunaan pestisida terlalu banyak dapat meningkatkan biaya dan polusi lingkungan. Hal ini dapat diperoleh dengan mengetahui daerah pen- yakit, dengan kuantitas kesesuaian dan konsentrasi pestisida dengan mengestimasi penyakit menggunakan teknik image processing. Metode thresholding sederhana dan triangle thresholding digunakan untuk melakukan segmen- tasi daerah daun dan daerah berpenyakit secara berturut-turut. Penyakit dikategorikan dengan perhitungan hasil P