Smart Farming 4.0 merupakan metode pertanian cerdas berbasis teknologi. Selain
itu, Indonesia merupakan salah satu negara produsen dan konsumen terbesar
di Asia. Namun pada saat budidaya tanaman teh ada kendala seperti hama dan
penyakit yang mempengaruhi hasil produksi tanaman teh. Sehingga dibutuhkan
sistem yang mendiagnosis daun teh yang terkena hama, diharapkan dengan adanya
sistem tersebut mendiagnosis hama pada daun teh lebih akurat untuk Smart Farming
4.0 dan meningkatkan hasil perkebunan.
Penelitian ini mengindentifikasi hama pada daun teh menggunakan pengolahan
citra digital. Tahap pertama dimulai dari akuisisi citra, preprocessing, lalu citra di
ekstraksi ciri menggunakan Contourlet Tranforms. Ekstraksi Contourlet Tranforms
dengan menggunakan Pyramidal Directional Filter Bank. Hasil dari koefisien Contourlet
diambil ciri statistik tiap citra data hasil dari citra latih disimpan menjadi
database. Data hasil citra latih akan menjadi referensi yang digunakan untuk identifikasi
jenis hama dengan menggunakan Support Vector Machine.
Penelitian ini mengidentifikasi 5 jenis hama citra daun teh yaitu Thrips,
Helopeltis, Redmite, Empoasca dan ulat jengkal pada setiap blok. Penelitian menggunakan
100 data latih dan 25 data uji. Ekstraksi ciri dengan menggunakan 5 ciri
statistik yaitu Skewness, Mean, Entropy, Standar Deviasi, Kurtosis. Parameter lain
yakni Median Filter 2x2 dan menggunakan kernel polynomial. Pada penelitian ini
keluaran yang dihasilkan, sistem dapat mengidentifikasi hama pada citra daun teh
dengan akurasi mencapai 84% untuk data uji dan waktu komputasi 84 detik.