Indonesia negara penghasil beras ke tiga terbesar di dunia, setelah China (30%) dan
India (21%). Produksi padi setiap tahun selalu berubah-ubah karena kebutuhan setiap
tahun selalu berubah seiring jumlah penduduk selalu bertambah. Hal ini menuntut petani
untuk menghasilkan beras berkualitas tinggi dalam jumlah banyak. Namun, ada
beberapa faktor yang dapat menyebabkan penurunan kualitas dan kuantitas hasil
pertanian, salah satunya adalah serangan penyakit pada tanaman padi. Penyakit padi
dapat menurunkan kualitas beras yang dihasilkan oleh tanaman padi, bahkan
menyebabkan kematian tanaman padi. Pada penelitian ini penulis memilih mendeteksi
penyakit yang terserang daun padi yaitu penyakit hawar daun dan bercak daun, karena
gejala penyakit yang timbul lebih mudah diideteksi pada daun, sebab daun padi
memiliki penampang yang lebih luas dibandingkan bagian tubuh tanaman padi lainnya.
Oleh karena itu, penulis melakukan penelitian dengan membuat suatu sistem komputasi
yang dapat mendeteksi penyakit pada tanaman padi berdasarkan dari ciri warnanya
dengan memanfaatkan teknologi komputasi menggunakan metode Support Vector
Machine (SVM) dalam mendeteksi penyakit hawar daun dan bercak daun. Tahap awal
pengklasifikasian kualitas daun padi dimulai dengan menyeleksi daun yang terkena
penyakit hawar daun dan bercak daun yang diperoleh dari kaggel kemudian mengambil
nilai min, max dan mean RGB dari citra. Dataset yang digunakan berjulah 20 citra data
latih dan 10 citra data uji. Hasil penelitian ini menunjukkan bahwa deteksi penyakit
hawar daun dan bercak daun menggunakan metode SVM menghasilkan akurasi sebesar
100% dengan acuan confusion matrix.

Indonesia is the third largest rice producer country in the world, after China (30%) and
India (21%). Every years, the number of rice production is constantly changing because
of each year’s needs increased as the population growth. This matter requires the farmers
to produce high quality rice in large quantities. However, there are several factors which
causes a quality and quantity decreased of agricultural products, one of which was the
disease could reduce the quality of rice which produced by rice plants, and even
potentially becomes the particular reason to the death of the plant. In this study, the
author chose to detect the disease that undermine the rice leaves, namely blight and spot
disease, because the symptoms of the disease that arise are easier to detect on the leaves
because rice leaves possesed a wider cross-section than other parts of the rice plant body.
Therefore, the authors conducted a research by creating a computational system which
capable to detect diseases in rice plants based on their color characteristics by utilizing
computational technology using the Support Vector Machine (SVM) method in
detecting leaf blight and leaf spot disease. The initial stage of classifying the quality of
rice leaves begins with selecting leaves which affected by leaf blight and leaf spots that
obtained from kaggel then taking the minimum, maximum and mean RGB values from
the image. The data set used is amount 20 images of training data and 10 images of test
data. The results of this study indicate that the detection of leaf blight and leaf spot using
the SVM method produces an accuracy of 100% with reference to the confusion matrix.