Abstract
Kacang Tanah atau dengan nama ilmiah Arachis hypogaea L. adalah salah satu komoditas yang sangat penting di pertanian Indonesia dan salah satu produksi terbesar di bidang pangan. Namun beberapa tahun ini Indonesia menunjukkan penurunan hasil produksi dari tahun 2012 hingga 2015 dikarenakan serangan hama dan penyakit. Dalam mengidentifikasi penyakit petani sering kali hanya berdasarkan pengalaman, sementara pengetahuan petani akan penyakit tanaman kacang tanah kurang sehingga dapat mempengaruhi kontrol terhadap penggunaan pupuk dan pestisida. Dengan perkembangan teknologi saat ini, banyak ide yang bermunculan tentang identifikasi penyakit tanaman menggunakan pengolahan citra digital. Penelitian ini bertujuan untuk membangun sistem identifikasi penyakit tanaman kacang tanah dengan mengggunakan metode Support Vector Machine (SVM) dan ekstraksi fitur warna Gray Level Cooccurrence Matrix (GLCM). Penyakit yang digunakan pada penelitian ini adalah penyakit bercak daun dan karat daun. Proses diawali dengan penghitaman warna daun selain warna bercak dengan metode Otsu dan mengekstraksi fitur warna dengan GLCM. Selanjutnya proses training data dan testing data menggunakan metode SVM. Pengujian yang dilakukan adalah pengujian nilai peubah threshold, pengujian perbandingan jumlah data, pengujian parameter SVM sigma (σ), lamda (λ), gamma (γ), epsilon (ε), Complexity (C) dan Iterasi Maksimal. Hasil dari pengujian didapatkan nilai rekomendasi terbaik untuk nilai peubah threshold sebesar 40, jumlah perbandingan jumlah data 60% : 40%; σ = 1; λ = 3, 4, dan 5; γ = 0.01; ε = 0.0001, 0.0002, dan 0.0003; C = 4 dan iterasi maksimal sebesar 25. Dari semua hasil pengujian didapatkan nilai akurasi rata-rata tertinggi sebesar 92,762%.
