Klasifikasi Tanaman Padi Yang Terdampak Hama Tikus Menggunakan Algoritma Support Vector Machine (SVM)

Pada era perekonomian agraris Indonesia yang didukung oleh sektor pertanian, tanaman padi memainkan peran penting dalam pemenuhan kebutuhan pangan. Namun, serangan hama, terutama tikus sawah, dapat menyebabkan kerugian signifikan dalam produksi padi. Untuk mengatasi hal ini, penelitian ini mengusulkan penggunaan algoritma Support Vector Machine (SVM) dengan metode optimasi Particle Swarm Optimization dalam memprediksi serangan hama tikus pada tanaman padi. Penelitian ini melibatkan proses pengumpulan data dari foto drone untuk mengidentifikasi lahan pertanian yang terdampak. Tahap preprocessing melibatkan perubahan warna dari RGB ke GRAY dan augmentasi zoom. Ekstraksi fitur dilakukan menggunakan Histogram of Oriented Gradients (HOG) dan Local Binary Pattern (LBP). Pengujian dilakukan dengan melibatkan model SVM/SVC dan dilakukan evaluasi kinerja dengan metrik akurasi, presisi, dan recall. Hasil pengujian preprocessing menunjukkan peningkatan performa dengan akurasi pelatihan sebesar 68.33%. Namun, prediksi aktual pada citra asli menghasilkan akurasi yang rendah sekitar 25%. Meskipun demikian, pengujian citra setelah melibatkan seluruh proses, termasuk preprocessing dan prediksi model, menunjukkan tingkat akurasi yang lebih tinggi, mencapai sekitar 90%.
Kata kunci: Drone, Padi, Machine Learning, SVM