Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No.

02, Juli 2017 ISSN: 2477-5126

e-ISSN: 2548-9356

Penerapan Teknik Computer Vision Pada Bidang

Fitopatologi Untuk Diteksi Penyakit dan Hama Tanaman
Cabai
Ari Purno Wahyu W*)
Fakultas Teknik, Universitas Widyatama
Jl. Cikutra No.204A, Kota Bandung 40125, Indonesia
Email: ari.purno@widyatama.ac.id

Abstract Chili plantation in addition is having a most cuaca dan hama, jenis penyakit pada tanaman cabai bisa
commodity and also have special breeding and seeding dideteksi terutama serangga, sedangkan serangan
process. All researchers in the major of physiology has jamur akan bisa terlihat dari kondisi daun dan tangkai.
been research on morphological on the nature for the Melakukan observasi pada tanaman yang terkena
plant, fitopatologi is the main key that can provided serangan hama dengan menggunakan mata telanjang
dataset for this study because chili is expensive sangatlah sulit, karena jenis hama yang menyerang
plantations in Indonesia reaching 165,000 hectares and sangat bervariatif dan memerlukan proses penanganan
very wide if we compared to other plantation areas, the yang berbeda-beda, pada negara maju untuk proses
land area has economic value that can benefits for diteksi penyakit telah menggunakan sistem yang sudah
farmers. this chili farming is have two factors weather terkomputerisasi yaitu computer vision, metode ini dapat
and Pests, disease types in pepper plants able detected, digunakan untuk menditeksi jenis hama yang menyerang
especially insects, while the fungus attack will be seen pada tanaman cabai terutama yang menyerang pada
from the condition on leaves and stalks. Observing plants bagian daun dan tangkai,data dari image tersebut akan di
affected by pests using the naked eye is very difficult. ektraksi ke dalam bentuk dataset dengan Algoritma
because the types of pests can be attack is very varied and Computer vision dan disimpan sesuai dengan ciri penyakit
need different handling process, in developed countries dan hama tanaman cabai. Teknik computer vision, bisa
for the process disease detection and selection has been membantu rekan rekan kita dibidang Fitopatologi dan
using a computerized system, that is computer vision, this para petani pada umumnya untuk menditeksi gejala awal
method Can be used to detect the types of pests that can serangan hama dan bisa dilakukan pencegahan sebelum
attack on pepper plants especially those on the leaves area serangan hama semakin meluas.
and stalks, the data from the image will be extracted into
dataset form with Computer vision Algorithm and stored Kata Kunci  Fitopatologi, Computer Vision. Tanaman cabai
according to the characteristics on disease and pepper
plant pests. Computer vision techniques, can help major I. PENDAHULUAN
of phytopathology and farmers in general to ditection Selain memiliki nilai ekonomis yang sangat tinggi dan telah
early symptoms of pest attacks and can be done menjadi andalan hasil pertanian dindonesia cabai mempunyai
prevention before is widespread. cara perawatan tersendiri, tanaman cabai sangat rentan
terhadap hama penyakit dan bisa menyerang cabai yang
masih dalam konsidi bibit atau masih dalam penyemaian
Abstrak  Tanaman cabai selain memiliki nilai komoditas sehingga bisa menurunkan hasil pertanian bahkan bisa
yang sangat tinggi juga memerlukan perwatan dan proses menyebabkan gagal panen, para peneliti dibidang fitopatologi
penyemaian yang sangat khusus, rekan - rekan kita telah melakukan beberapa penelitian tentang bagaimana
para peneliti di bidang fitapologi sudah banyak pengembangan tanaman cabai, meneliti jenis hama dan
melakukan penelitian terhadap tanaman ini dan sudah penyakit apa saja yang bisa menyerang tanaman tersebut,
melakukan penelitian secara morfologi sifat dari tanaman hama bisa merusak tanaman pada kondisi cuaca panas atau
tersebut, fitopatologi sendiri menjadi kunci utama yang hujan, gejala yang bisa dilihat secara fisik biasanya terlihat
meyediakan dataset untuk penelitian ini luas pada keadaan daun yang bisa menguning atau berwarna
perkebunan cabai di indonesia mencapai 165.000 hectare kecoklatan akibat hama bahkan menyebabkan tanaman kerdil
dan sangat luas dibandingkan luas tanaman perkebunan dan layu, dari gejela tersebut para peneliti di fitapatologi
yang lain, luas lahan tersebut memiliki nilai ekonomi yang telah menemukan solusi dan penyebab dari penyakit yang
mengguntungkan para petani cabai, tinggi rendahnya merusak tanaman tersebut berdasarkan jenis serangan pada
hasil pertanian cabai ini diperangi oleh 2 faktor yaitu daun atau buah cabai, dari data tersebut penulis mencoba
membuat sebuah sistem diteksi penyakit pada tanaman
*) penulis korespondensi (Ari Purno Wahyu.W) tesebut dengan menggunakan teknik image processing, untuk
Email: ari.purno@widyatama.ac.id menditeksi dan mengklasifikan jenis serangan pada daun dan

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 102

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

buah cabai, teknik image processing sendiri telah banyak

digunakan diberbagai bidang, pada bidang pertanian telah B. Image Processing
dipakai untuk menilai kematangan buah, metode ini bisa Deteksi penyakit melalui tanaman sangatlah penting
digunakan pada lahan pertanian via satelit atau drone bahkan dengan melakukan peneltian berdasarkan morfologi tanaman
untuk rekomendasi pemetaan jalur irigasi, penggunaan teknik dan sifatnya kita bisa mengetahui jenis hama pada tanaman
image processing diharapkan bisa membantu para rekan- yang disebabkan oleh jamur, bakteria dan virus, bakteria
rekan peneliti kita dibidang fitopatologi untuk mendeteksi sendiri hidup dengan cara membelah diri atau disebut dengan
jenis penyakit dan bisa digunakan oleh para petani untuk proses binary fusion dengan cara memakan zat protein yang
mengambil tindakan pencegahan untuk mengatasi hama ada pada daun, dengan metode image processing bisa
tersebut. dianalisa jenis penyakit yang menyerang pada daun dengan
melihat perubahan warna pada RGB dan mengkonversinya ke
II. PENYAKIT CABAI & IMAGE PROCESSING dalam bentuk HSI, warna dari daun yang sehat pada
A. Penyakit Cabai umumnya berwana hijau, kemudian warna hijau akan
Luas perkebunan cabai mencapai 165.000, hektare yang dihilangkan pada pada proses treshold dan dilakukan extraksi
memiliki luas lahan budidaya paling luas dibandingkan pada proses segmentasi warna, sehingga sistem hanya akan
tanaman sayuran lainnya nilai yang dihasilkan bisa mencapai menganalisa daun yang terinfeksi virus saja dan secara
20 ton/ hektare, nilai tersebut masih bisa ditingkatkan lagi, otomatis akan diklasifiksikan jenis hama yang menyerang
penyebab menurunnya produksi tanaman cabai disebabkan daun tersebut [5].
oleh penyakit atau jamur yang menyerang tanaman dari Melakukan observasi penyakit tanaman dengan mata
mulai masa persemaian hingga saat panyemaian, penyebab telanjang sangatlah sulit sedangkan untuk mendatangkan
penyakit pada tanaman cabai bisa disebabkan oleh patogen orang yang ahli sangatlah mahal terutama pada sebagian
bisa disebabkan oleh serangga atau mahluk hidup dan tidak negara berkembang, petani mungkin membutuhkan waktu
hidup seperti oleh virus, air atau unsur hara. cara yang lama dan biaya konsultasi yang mahal [6]. Klasifikasi
pengendalian tanaman cabai dimaksudkan untuk mencagah tanamam secara otomatis bisa dilakukan dengan kamera
penyakit ini agar tidak menyebar laju infeksi pada tanaman, dengan resolusi tinggi dengan multispectral dan kamera
laju infeksi dibagi menjadi dua jenis yaitu infeksi cepat dan stereo, proses segmentasi warna berfungsi untuk memisahkan
infeksi lambat cara pencegahan epidemiologi menggunakan warna dari daun yang terpisah dan hanya pada area daun yang
dua metode yaitu memperlambat laju penyakit pada saat terjangkit [7][8].
musim tanam dan mengurangi perkembangan selama musim Proses diteksi sebuah penyakit dengan menggunakan
tanam [1]. Algortima untuk proses segmentasi warna dapat secara
Pertumbuhan tanaman cabai sangat dipengaruhi oleh otomatis menditeksi dan mengklasifikasikan jenis hama pada
hama penyakit dan gulma, gulma bisanya tumbuh disekitar tanaman, dan merupakan aspek yang sangat penting,
tanaman tomat dan bisa berubah menjadi inang, inang segementasi warna adalah sebuah proses yang mampu
tersebut bisa berubah menjadi inang patogen yang menyerang memisahkan kelompok warna pada sebuah gambar image
tanaman pada bagian bawah, sehingga menyebabkan daun yang sama yang tidak bisa dilakukan secara kasat mata,
dan ranting menjadi berwarna coklat. Penyebab penyakit ini komputer memiliki sebuah kemampuan untuk mengenali
adalah Patogen Colletotrichum sehingga dapat menurukan sebuah objek dengan berbagai metode yang berbeda
produksi tanaman cabai [2]. [9][10][11].
Berdasarkan cara pengolaan penyakit bisa disebabkan Serangan terhadap hama penyakit pada tanaman dapat
oleh hama tomato yellow leaf curl geminiviruses dapat mengurangi produksi hasil pertanian sehingga teknik image
dilakukan langkah sebagai berikut dengan menerapkan processing sangatlah penting dan bisa dimplementasikan di
prinsip budidaya tanaman sehat dan penananam dengan bibit area perkebunan yang sangat luas, dalam banyak kasus
tidak bergejala atau disebut juga bemisia tabaci, metode ini bisa dimplementasiklan untuk diteksi penyakit
menghilangkan tanaman yang terinfeksi dengan cara pada buah, tangkai dan bagian tanaman lainnya. penambahan
dimasukan kedalam kantong plastik dan penamaan pada algoritma dan metode lain sangatlah penting karena akan
varietas tanaman. gejala yang timbul pada tanaman cabai jika mempengaruhi nilai akurasi [12].
terkena penyakit bisa dilihat pada keadaan daun, pada
tanaman cabai yang besar daun akan menguning bunga pada III. PENELITIAN YANG TERKAIT
daun cabai menjadi rontok dan bentuk daun mengeriting Beberapa penelitian terkait dengan penelitian yang
keatas bahkan pada beberapa tanaman bisa menjadi kerdil dilakukan telah dilakukan oleh para peneliti sebelumya.
[3]. Adapun penelitian terkait sperti digambarkan pada tabel 1.
Sedangkan pada derah yang berpasir kerusakan pada
TABEL I
tanaman cabai disebabkan oleh hama CVMV (Chili Veinal PENELITIAN DETEKSI PENYAKIT PADA TANAMAN CABAI
Motlle Virus )atau disebut juga hama Afid, pengendalian
No Penelitian Hasil
hama tersebut bisa dilakukan secara alami dengan komplek
1
predator musuh alami dari organisme tersebut dengan
Penyakit Penting Pada peneltian ini
menggunakan sejenis kumbang menochilus sexmaculatus
Pada Tanaman membahas tentang cara
yang telah terbukti mampu mengedalikan hama kutu pada
Cabai Dan membasmi hama penyakit
daun cabai [4].
Pengendaliannya pada tanaman cabai
[1] dengan

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 103

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

penanggulangannya dan 6 Detection Using menggunakan metode

Ati Srie Duriat, mejelaskan penyebab Image Processing computer vision intuk
Neni Gunaeni dan Penyebaran virus pada Techniques [12] Menditeksi penyakit pada
Astri W. Wulandari tanaman cabai tanaman dengan
menggunakan teknik
2 Pencritaan digital dan
Keparahan Pada penetian ini dikembangkan secara
penyakit penyebab penyakit pada mobile
antraknosa pada tanama cabai disebabkan
Cabai (capsicum oleh antrknosa
annuum l) dan Diuji coba pada gulma IV. METODE PENELITIAN
berbagai jenis dan tanama cabai, dilihat Pada penelitian yang dilakukan, terdapat beberapa tahapan
gulma [2]. dari presentase jumlah yang dilakukan. Tahapan-tahapan tersebut digambarkan
Daun dan tanaman cabai seperti pada gambar 1.
Kristina Hayu
Herwidyarti,
Suskandini Ratih &
Dad Resiworo Jekti
Sembodo

3
Hama Dan Pada penelitian ini
Penyakit Pada menjelaskan gejala pada
Tanaman Cabai tanaman cabai jika
Serta Terkena hama dan virus
Pengendaliannya terumata pada tanaman
[14] yang memiliki daun muda
dan masih pada proses
Araz Meilin penyemaian, sehingga
menyebabkan tanaman Gbr. 1 Metode Penelitian
menjadi
Kerdil dan pucuk Langkah – langkah kerja pada metode penelitian adalah
tanaman menjadi mati sebagai berikut:
4 1) Image
Pada penelitian ini Pada bagian image proses pengambilan gambar sample
Agricultural plant menjelaskan metode menggunakan inputan camera handphone atau
Leaf Disease dekteksi penyakit pada menggunakan kamera biasa yang sudah disesuaikan
Detection Using Tamanan dengan resolusinya, proses pengambilan gambar diambil pada
Image Processing menggunkan teknik bagian tanaman yang terkena serangan hama dan virus.
[5]. image processing dengan 2) Image Processing
mengambil Pada bagian ini gambar yang telah dimabil diolah
Image dari tanaman yang kembali menggunakan sebuah aplikasi pemograman
Sanjay B. terinfeksi kemudian bahasa C yang selah dikombinasikan dengan teknologi
Dhaygude, gambar di rubah kedalam open CV (Computer Vision).
Mr.Nitin Format RGB dan 3) Segmentasi warna
P.Kumbhar dianalisa dengan teknik Pada inputan ketiga yang itu pada blok segmentasi warna
segmentasi warna gambar tanaman yang sudah terjangkit dipisahkan
dengan dari hasil gambar RGB dirubah menjadi HSL
(Hue Saturation & Lightness), pada proses ini dilakukan
Detection of plant Pada penelitian ini proses thersholding sehingga gambar tanaman yang
5 leaf diseases using menjelaskan bagaimana terkena hama penyakit bisa dipisahkan
image mengklasifiksikan  Dimana (1):
segmentation and Jenis penyakit pada x = Rata- rata
soft computing tumbuhan dengan n = Jumlah seluruh piksel di dalam citra i
techniques [13] menggunakan teknik x = Piksel ke-i
image processing
Vijai Singh ,
A.K. Misra

(1)
Plant Disease Pada penelitian ini

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 104

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

4) Ektraksi image TABEL II

Pada bagian ini gambar tanaman yang sudah terjangkit DATABASE PENYAKIT
dipisahkan, dari gambar tersebut akan dirubah kedalam NO Jenis Nama latin Ciri serangan pada
format data histogram kemudian disamakan dengan Penyakit / tanaman cabai
dataset jenis penyakit yang ada pada database hama
5) Analisis Image 1 Hama ulat Spodoptera Hama ulat sering
Data dari tanaman yang telah dianalisa kemudian dirubah litura menyerang tanaman
kedalam format RGB dan HSV hingga 3 kali kluster atau Cabai memakan
tiga kali pemisahan data kemudian secara otomatis sistem sejumlah daun
akan memberikan output jenis penyakit dan jenis apa yang sehingga
menjangkit tanaman cabai tersebut Meyebabkan
hilangnya
Akurasi = Jumlah citra yang cocok Jumlah / kemampuan
keseluruhan citra x 100% fotosintesis
dan bisa membuat
lubang pada buah
6) Perancangan user interface
cabai
Pada perancangan penulis membuat sebuah program
Biasa menyerang
GUI sederhana menggunakan octave untuk mengolah
pada malam hari
data training sedangan tampilan GUI dibuat dengan
menggunakan bahasa C sistem dibuat sesimple mungkin 2 Hama Tetranycus
agar mudah digunakan tungau Tungau
menyebabkan
tanaman cabai
 Rancangan tampilan GUI
menjadi keriting
Sehingga daun
Input menjadi tebal dan
kaku sehingga
Warna daun menjadi
coklat

Image 3 Hama kutu Myzus

daun persicae Hama menghisap
cairan yang ada pada
daun
Sehingga daun
menjadi kering dan
Hasil Analisa layu

4 Hama lalat Bactrocera Buah Cabai Menjadi

Gbr. 2 Rancangan tampilan user interface buah dorsalis Rontok Dan Serangan
Terus Berulang
Pada gambar 2 diatas merupakan tampilan GUI
menggunakan bahasa “C” terdapat tombol utama untuk
menampilkan data image dari objek dari daun,batang, atau 5 Hama trips Thrips Pada daun terlihat
dari tanaman cabai yang terkena hama atau virus, kemudian
(Thrips) bercak- bercak
gambar akan muncul pada kotak image kemudian sistem
Kecoklatan dan
secara otomatis akan melakukan treshold dan teknik
serangan terjadi pada
segmentasi warna untuk memproses citra daun, pada bagian “ musim kemarau
text” hasil analisa akan muncul gejala yang meyerang
tanaman tersebut
6 Bercak Cercospora Pada daun terdapat
daun capsici bercak berwarna abu-
V. HASIL DAN PEMBAHASAN
abu pada
Pada pengujian sistem penulis mengambil beberapa Pinggiran daun biasa
sample data dari image hingga 20 sample dataset kemudian
menyerang pada
gambar tersebut diolah menggunakan metode computer musim hujan
vision, kemudian secara otomatis sistem akan menberikan
7 Phytophthor Pada cabang pohon
output jenis hama yang menyerang pada sistem ini masih
Busuk a capsici cabe menjadi busuk
terbatas hanya 3 jenis penyakit saja yaitu Antroksa, virus
penyebaran
kuning , Bercak daun dan lainnya.
menjadi cepat disaat
musim hujan

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 105

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

8 colletotrichu Pucuk daun menjadi TABEL III

Patek atau m busuk dan mati HASIL PENGUJIAN SISTEM
antraknosa gloeosporioi sehingga batang No Image Penyakit
des Dan daun tanaman Hama
menjadi kering 1
Antraknosa

9 meyebabkan daun
Keriting menjadi belang
daun atau pertumbuhan
mosaik tanaman menjadi
kering dan kerdil
10 Pada Batang Dan
Bule atau Daun Cabai Akan Hasil Pengujian :
virus Menguning
kuning
11 Penyakit layu
disebabkan oleh
Layu serangan bakteri
dan ganguan hama
lainya

Tampilan GUI interface diteksi penyakit pada tanaman cabai 2

Antraknosa

Hasil Pengujian :

Gbr 3 Tampilan Interface

Antraknosa
Pada Gambar 3 tampilan GUI dari aplikasi yang dibuat
Terdapat dua tombol menu, menu pertama untuk mengambil
data dari sebuah image kemudian menu kedua menampilkan
hasil dari klasifikasi

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 106

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

Hasil Pengujian :

4 6 Bercak daun
Bercak daun (Cercospora
Cercospora capsici)
capsici

Tripid
Tetranycus

Hasil Pengujian : Hasil Pengujian :

7 Bercak daun

Cercospora
capsici
5
Hama tungau

Hama kutu daun

Hasil Pengujian :

Bercak daun
(Cercospora
capsici)

Hasil Pengujian :

Tripis

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 107

Jurnal Informatika:Jurnal Pengembangan IT (JPIT) , Vol. 02, No. 02, Juli 2017 ISSN: 2477-5126
e-ISSN: 2548-9356

hasil diteksi dengan cara penanggulangannnya sehiangga

Hasil Pengujian : solusi dari sistem dapat langsung digunakan oleh petani
Hama tungau sabagai bahan referensi tindakan pencegahan.

Hama kutu daun DAFTAR PUSTAKA

[1] Ati Sri Duriat ; Neni Gunaeni ;Astri W Wulandari, "Penyakit tanaman
cabai dan pengediannya," Balai Penelitian Sayuran dan Tanaman,
2007.
[2] Herwidyarti, K.H., Ratih, S. and Sembodo, D.R.J., 2013. Keparahan
penyakit antraknosa pada cabai (Capsicum annum L) dan berbagai
jenis gulma. Jurnal Agroteknologi Tropika, 1(1), pp.102-106.
[3] Sumardiyono, Y.B., Hartono, S. and Sulandari, S., 2003. Epidemi
9 Penyakit Daun Keriting Kuning Cabai. Jurnal Perlindungan Tanaman
Indonesia, 9(1), pp.1-3.
Bercak pada [4] Simanjuntak, D., Wagiman, F.X. and Prabaningrum, L., Pengendalian
daun cabe Hayati Afid pada Tanaman Cabai Merah dengan Menochilus
sexmaculatus. Jurnal Perlindungan Tanaman Indonesia, 17(2), pp.77-
81.
[5] Dhaygude, S.B. and Kumbhar, N.P., 2013. Agricultural plant leaf
disease detection using image processing. International Journal of
Advanced Research in Electrical, Electronics and Instrumentation
Engineering, 2(1), pp.599-602.
[6] Al-Hiary, H., Bani-Ahmad, S., Reyalat, M., Braik, M. and
Hasil Pengujian : ALRahamneh, Z., 2011. Fast and accurate detection and classification
of plant diseases. Machine learning, 14(5).
Hama tungau [7] Kim, D.G., Burks, T.F., Qin, J. and Bulanon, D.M., 2009.
Classification of grapefruit peel diseases using color texture feature
analysis. International Journal of Agricultural and Biological
Hama kutu daun
Engineering, 2(3), pp.41-50.
[8] Bauer, S.D., Korč, F. and Förstner, W., 2011. The potential of
automatic methods of classification to identify leaf diseases from
multispectral images. Precision Agriculture, 12(3), pp.361-377.
[9] Beucher, S. and Meyer, F., 1992. The morphological approach to
segmentation: the watershed transformation. Optical Engineering-New
York-Marcel Dekker Incorporated-, 34, pp.433-433.
[10] Bhanu, B., Lee, S. and Ming, J., 1995. Adaptive image segmentation
using a genetic algorithm. IEEE Transactions on systems, man, and
cybernetics, 25(12), pp.1543-1567.
[11] Chaudhary, P., Chaudhari, A.K., Cheeran, A.N. and Godara, S., 2012.
Color transform based approach for disease spot detection on plant
VI. KESIMPULAN leaf. International Journal of Computer Science and
Pada pengujian yang sudah dilakukan oleh penulis Telecommunications, 3(6), pp.65-70.
[12] Khirade, S.D. and Patil, A.B., 2015, February. Plant Disease Detection
menggakan untuk menditeksi penyakit pada tanaman cabai
Using Image Processing. In Computing Communication Control and
bisa diimplemtasikan dengan menggukan data sample image Automation (ICCUBEA), 2015 International Conference on (pp. 768-
yang diambil secara acak dari gambar yang dianalisa setiap 771). IEEE.
[13] Singh, V. and Misra, A.K., 2017. Detection of plant leaf diseases using
satu image tenaman bisa terkena lebih dari tiga jenis hama image segmentation and soft computing techniques. Information
penyakit, ketepatan menggunakan metode computer vision Processing in Agriculture, 4(1), pp.41-49.
[14] Meilin, A., 2014. Hama Penyakit pada Tanaman Cabai serta
tergantung dari jenis kamera yang digunakan sehingga Pengendaliannya.
mampu mengurangi noise dari pantulan cahaya yang akan
mempengarui nilai akurasi diteksi.
Saran untuk penelitian selanjutnya adalah dilakukan lagi
penambahan jumlah dataset dari jenis penyakit sehingga data
menjadi lebih lengkap lagi, pada aplikasi bisa ditambahkan

Ari Purno Wahyu.W: Penerapan Teknik Computer Vision … 108