MESIN PEMBELAJARAN ENSEMBLE UNTUK IDENTIFIKASI VARIETAS PADI

Abstract

Setiap varietas padi memiliki karakter tertentu dengan anjuran tanam berbeda. Petani umumnya kesulitan memilih varietas padi yang cocok untuk ditanam di lahan mereka karena kurangnya kemampuan identifikasi. Algoritma klasifikasi merupakan solusi mengatasi masalah ini karena mampu mengidentifikasi varietas padi melalui citra digital. Tujuan penelitian ini adalah menerapkan dan mengevaluasi beberapa algoritma klasifikasi untuk mengidentifikasi varietas padi menggunakan fitur warna dan tekstur. Penelitian dilakukan di kabupaten Indagiri Hilir Riau pada tahun 2018. Mesin pembelajaran dibangun dengan cara menggabungkan beberapa algoritma klasifikasi (classifier), yaitu Support Vector Machine, k-Nearest Neighbors, Logistic Regression, dan Decision Tree. Varietas yang diteliti adalah IR42, Inpara-9. dan Batang Piaman. Berdasarkan tingkat ketelitian masing-masing algoritma, k-Nearest Neighbors memberikan hasil lebih baik dibanding algoritma lainnya, baik dengan maupun tanpa normalisasi data. Terdapat enam sampel Inpara-9 yang diprediksi benar (true positive) dan lima sampel diprediksi salah (false positive). Pada varietas Batang Piaman terdapat delapan sampel yang diprediksi benar (true positive). Pada IR42 terdapat lima sampel yang diprediksi benar.