APLIKASI SUPPORT VECTOR MACHINE PADA DETEKSI PENYAKIT BUSUK PANGKAL BATANG GANODERMA TANAMAN KELAPA SAWIT

Abstract

Salah satu permasalahan dalam pengendalian penyakit Ganoderma adalah kesulitan mendeteksi secara dini karena penyakit Ganoderma bersifat asymptomatic, gejala visual muncul pada saat kondisi tanaman sudah parah sehingga deteksi dini dan identifikasi menjadi masalah yang penting dan mendasar. Penelitian ini bertujuan untuk mengidentifikasi serangan penyakit Ganoderma, menganalisis indeks vegetasi NDVI, GNDVI dan SAVI berdasarkan nilai reflektan citra tanaman kelapa sawit yang direkam dengan UAV serta mengaplikasikan teknik algoritma SVM. Lokasi penelitian di perkebunan kelapa sawit di Pabatu pada areal tahun tanam 2005 seluas 247ha. Hasil pengamatan serangan penyakit Ganoderma mencapai 24,1%. Nilai reflektan pada tanaman terinfeksi lebih rendah dibandingkan pada tanaman yang sehat dengan perbandingan pada band R, G, NIR adalah 56,7%, 66,5% dan 44,7%. Nilai NDVI, GNDVI dan SAVI pada tanaman sehat masing-masing adalah 0,29; 0,34 dan 0,21 dan pada tanaman terinfeksi nilainya lebih rendah. Algoritma SVM menghasilkan klasifikasi dengan akurasi 93,51% dan nilai Kappa 77,71%. Kemampuan algoritma SVM dalam memprediksi dan membuat peta serangan insidensi penyakit Ganoderma diharapkan dapat menjadi jawaban untuk dapat mendeteksi penyakit Ganoderma secara dini, akurat dan skala luas.

Kata Kunci : ganoderma, UAV, reflektan, indeks vegetasi, algoritma SVM