Pengelolaan perkebunan kelapa sawit sering mengalami kendala, antara lain masalah organisme pengganggu tumbuhan (OPT) terutama masalah penyakit. Oleh karena itu, dibuatlah pendekatan untuk mengenali penyakit pada daun kelapa sawit agar dapat membantu kinerja dari para petani kelapa sawit dalam menentukan jenis penyakit pada daun sehingga mendapatkan hasil yang lebih maksimal. Deteksi tepi adalah perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam jarak yang singkat. Sobel operator digunakan untuk pengidentifikasikan pola wajah, khususnya terdapat di dalam algoritma deteksi tepi. Support Vector Machine (SVM) digunakan sebagai metode klasifikasi. Oleh karena itu, dalam penelitian ini penulis akan menerapkan metode deteksi tepi dengan menggabungkan teknik algoritma Sobel Operator untuk menghilangkan derau dan metode Support Vector Machine sebagai pengklasifikasian data penyakit pada daun kelapa sawit.
The management of oil palm plantations often experiences obstacles, including problems with plant pest organisms (OPT), especially disease problems. Therefore, an approach was made to encourage the disease in the leaves of oil palm so that it can help the performance of oil palm farmers in determining the type of disease in the leaves so as to get maximum results. Edge detection is a change in the value of the sudden intensity of the degree of gray (large) in a short distance. Sobel operators are used to identifying face patterns, especially those found in edge detection algorithms. Support Vector Machine (SVM) is used as a classification method. Therefore in this study, the author will apply the edge detection method by combining the Sobel Operator algorithm technique to eliminate noise and the Support Vector Machine method as a classification of disease data on palm oil leaves.
DETECTION OF SHALLOW WATER AREA WITH MACHINE LEARNING ALGORITHMS
