Asmar Hasan, Muhammad Taufik, L. O. S. Bande, Andi Khaeruni, Rahayu Mallarangeng, Gusnawaty HS, Asniah, Syair, Abdul Rahman
{"title":"Morphometric Analysis of Chili Leaves with Yellow Curly Symptom Using Digital Image Processing Approach and Data Mining Algorithm","authors":"Asmar Hasan, Muhammad Taufik, L. O. S. Bande, Andi Khaeruni, Rahayu Mallarangeng, Gusnawaty HS, Asniah, Syair, Abdul Rahman","doi":"10.14692/jfi.19.6.231-237","DOIUrl":null,"url":null,"abstract":"Gejala kuning keriting pada daun cabai umumnya disebabkan oleh infeksi Begomovirus. Daun tanaman terinfeksi tidak hanya mengalami perubahan warna sebagai indikator rusaknya klorofil tetapi juga mengalami perubahan morfologi bentuk. Penelitian ini bertujuan menguantifikasi gejala infeksi Begomovirus berdasarkan perubahan morfologi bentuk daun menggunakan pengolahan citra digital dan algoritma data mining yang akan memudahkan dalam pemantauan dan analisis perkembangan penyakit tanaman. Total 33 citra daun cabai rawit bergejala kuning keriting maupun tidak bergejala menjadi dataset penelitian ini. Citra daun cabai tersebut diolah dan diekstrak karakteristik bentuknya berupa circularity, aspect ratio, roundness, dan solidity menggunakan aplikasi Fiji-ImageJ. Selanjutnya dilakukan uji beda (uji-t), pengelompokan citra menggunakan algoritma Simple K-Means, dan evaluasi ketepatan hasil pengelompokan berdasarkan indeks ARI dan NMI. Hasil penelitian menunjukkan bahwa secara umum ada perbedaan bentuk yang nyata antara daun bergejala dengan daun tidak bergejala. Daun cabai rawit bergejala kuning keriting memiliki rata-rata nilai aspect ratio dan solidity yang lebih kecil dibandingkan daun cabai tidak bergejala, sebaliknya memiliki rata-rata nilai circularity dan roundness yang lebih besar dibandingkan daun cabai tidak bergejala. Evaluasi ketepatan pengelompokan sampel daun cabai rawit bergejala maupun tidak bergejala berdasarkan indeks ARI dan NMI menghasilkan nilai terbaik untuk pengelompokkan ke dalam dua kelompok.","PeriodicalId":31619,"journal":{"name":"Jurnal Fitopatologi Indonesia","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Fitopatologi Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14692/jfi.19.6.231-237","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Gejala kuning keriting pada daun cabai umumnya disebabkan oleh infeksi Begomovirus. Daun tanaman terinfeksi tidak hanya mengalami perubahan warna sebagai indikator rusaknya klorofil tetapi juga mengalami perubahan morfologi bentuk. Penelitian ini bertujuan menguantifikasi gejala infeksi Begomovirus berdasarkan perubahan morfologi bentuk daun menggunakan pengolahan citra digital dan algoritma data mining yang akan memudahkan dalam pemantauan dan analisis perkembangan penyakit tanaman. Total 33 citra daun cabai rawit bergejala kuning keriting maupun tidak bergejala menjadi dataset penelitian ini. Citra daun cabai tersebut diolah dan diekstrak karakteristik bentuknya berupa circularity, aspect ratio, roundness, dan solidity menggunakan aplikasi Fiji-ImageJ. Selanjutnya dilakukan uji beda (uji-t), pengelompokan citra menggunakan algoritma Simple K-Means, dan evaluasi ketepatan hasil pengelompokan berdasarkan indeks ARI dan NMI. Hasil penelitian menunjukkan bahwa secara umum ada perbedaan bentuk yang nyata antara daun bergejala dengan daun tidak bergejala. Daun cabai rawit bergejala kuning keriting memiliki rata-rata nilai aspect ratio dan solidity yang lebih kecil dibandingkan daun cabai tidak bergejala, sebaliknya memiliki rata-rata nilai circularity dan roundness yang lebih besar dibandingkan daun cabai tidak bergejala. Evaluasi ketepatan pengelompokan sampel daun cabai rawit bergejala maupun tidak bergejala berdasarkan indeks ARI dan NMI menghasilkan nilai terbaik untuk pengelompokkan ke dalam dua kelompok.