Abstrak

Tomat merupakan salah satu bahan pokok dalam membuat makanan di Indonesia dan merupakan komoditas hortikultura populer ke-5. Pada tahun 2018 total produksi tomat mencapai 0.98 juta ton, namun dibalik angka produksi yang mencapai hampir 1 juta ton tomat di Indonesia sempat mengalami penurunan produksi pada tahun
2013 hingga 2015 dan peningkatan yang kurang signifikan di tahun berikutnya. Hal ini disebabkan oleh salah satu faktornya yaitu penyakit pada tanaman itu sendiri. Penyakit pada tanaman merupakan masalah yang cukup serius dikalangan petani di Indonesia, kurangnya keahlian dalam membedakan ciri daun berpenyakit dan jenisnya merupakan permasalahan yang berakibat keterlambatan penanganan dan bedampak pada penurunan produktifitas. Dalam menyelesaikan permasalahan tersebut, maka dibuatlah suatu sistem untuk mendeteksi penyakit pada tanaman tomat melalui tekstur daun agar mempermudah petani di Indonesia dalam mendeteksi penyakit pada tanaman tomat sedini mungkin. Penelitian dimulai dengan ekstraksi feature warna dengan citra daun asli dan citra yang telah disegmentasi dengan multi otsu threshold, dilanjutkan dengan ekstraksi feature tekstur berupa ciri dari sisi dan garis objek daun di berbagai sudut dan juga frekuensi dengan gabor filter, lalu diklasifikasikan menggunakan algoritma SVM dengan kernel RBF.  Penelitian ini memiliki kesimpulan bahwa gabor filter dapat melakukan deteksi  penyakit melalui tekstur dengan cukup baik dan ditambah adanya tekstur warna menghasilkan rata - rata specificity 98.83%, sensitivity 90.37%, precision
90.36%,  f1-score  90.34%,  accuracy  97.92%  dan  accuracy  keseluruhan  mencapai 90.37%.

Kata kunci: Gabor Filter, Machine Learning, Support Vector Machine, Radial Basis Function Kernel, Image Classification , Texture Analysis, Tomato Disease Detection.