KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRIX
penyakit daun anggur, klasifikasi
Abstract
Tanaman anggur memiliki nilai ekonomi dan medis yang signifikan. Namun, risiko penyakit pada tanaman ini dapat mengakibatkan penurunan pertumbuhan hingga 40%-70%. Penelitian ini bertujuan untuk mencegah penyebaran penyakit pada tanaman anggur dengan mengidentifikasi penyakit pada daun menggunakan metode K-Nearest Neighbor (KNN) dan ekstraksi fitur Gray Level Co-ccurrence Matrix (GLCM). Dataset yang digunakan berasal dari PlantVillage Database, terdapat 4063 data yang terbagi kedalam 4 kelas yang berbeda (Healthy, Black Rot, Esca, dan Leaf Blight). Nilai K sebagai parameter metode KNN dalam melakukan klasifikasi pada penelitian ini adalah K=1 hingga K=10, sedangkan parameter yang digunakan untuk ekstraksi fitur menggunakan GLCM adalah 4 nilai sudut derajat (0°, 45°, 90°, dan 135°) dan nilai jarak piksel tetangga = 1. Dalam melakukan klasifiaksi terdapat nilai fitur GLCM yang digunakan sebagai dasar klasifikasi, ekstraksi fitur tersebut adalah Contrast, Correlation, Homogeneity, Energy, dan Entropy. Dari proses pengujian performa menggunakan metode Confusion Matrix diperoleh akurasi tertinggi sebesar 88,6%, dengan presisi 50,5%, dan recall 25,7%, serta waktu klasifikasi menggunakan nilai K = 10. Studi ini memberikan kontribusi dalam pemahaman penyakit pada tanaman anggur dan mengusulkan solusi berbasis teknologi untuk pencegahan penyakit lebih lanjut.
Downloads
References
[2] M. Y. Malindra, E. Erlangga, N. P. Widiastini, S. D. Putri, A. Alfian, S. Hadi, I. S. Jiwandono, I. Oktaviyanti and K. Nisa, "Pengolahan Buah Anggur dan Mangga Sebagai Upaya Meningkatkan Jiwa Wirausaha Masyarakat Desa Sokong Kecamatan Tanjung Lombok Utara," JURNAL INTERAKTIF: Warta Pengabdian Pendidikan, vol. 2, no. 1, pp. 21-27, 2022.
[3] R. Apriyanto and M. Ahsan, "SISTEM ANALISIS DIAGNOSA PENYAKIT TANAMAN ANGGUR DENGAN PENDEKATAN CERTAINTY FACTOR BERBASIS ANDROID," KURAWAL Jurnal Teknologi, Informasi dan Industri, vol. 2, no. 1, pp. 64-78, 2019.
[4] S. S. Simanjuntak, H. Sinaga, K. Telaumbanua and Andri, "Klasifikasi Penyakit Daun Anggur Menggunakan Metode GLCM, Color Moment dan K*Tree," Jurnal SIFO Mikroskil, vol. 21, no. 2, pp. 93-104, 2020.
[5] S. Ratna, "PENGOLAHAN CITRA DIGITAL DAN HISTOGRAM DENGAN PHYTON DAN TEXT EDITOR PHYCHARM," Jurnal Ilmiah “Technologia”, vol. 11, no. 3, pp. 181-186, 2020.
[6] A. Fadjeri, B. A. Saputra, D. K. A. Ariyanto and L. Kurniatin, "Karakteristik Morfologi Tanaman Selada Menggunakan Pengolahan Citra Digital," Jurnal Ilmiah SINUS (JIS), vol. 20, no. 2, pp. 1-12, 2022.
[7] H. P. Hadi and E. H. Rachmawanto, "EKSTRAKSI FITUR WARNA DAN GLCM PADA ALGORITMA KNN UNTUK KLASIFIKASI KEMATANGAN RAMBUTAN," JIP (Jurnal Informatika Polinema), vol. 8, no. 3, pp. 63-68, 2022.
[8] S. Raysyah, V. Arinal and D. I. Mulyana, "KLASIFIKASI TINGKAT KEMATANGAN BUAH KOPI BERDASARKAN DETEKSI WARNA MENGGUNAKAN METODE KNN DAN PCA," Jurnal Sistem Informasi , vol. 8, no. 2, p. 2021, 88-95.
[9] J. A. Widians, H. S. Pakpahan, E. Budiman, Haviluddin and M. Soleha, "Klasifikasi Jenis Bawang Menggunakan Metode KNearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur," JURTI, vol. 3, no. 2, pp. 139-146, 2019.
[10] R. A. Saputra, D. Puspitasari and T. Baidawi, "Deteksi Kematangan Buah Melon dengan Algoritma Support Vector Machine Berbasis Ekstraksi Fitur GLCM," Jurnal Infortech, vol. 4, no. 2, pp. 200-206, 2022.
[11] Muhathir, M. H. Santoso and D. A. Larasati, "Wayang Image Classification Using SVM Method and GLCM Feature Extraction," JITE (Journal of Informatics and Telecommunication Engineering), vol. 4, no. 2, pp. 373-382, 2021.
[12] A. A. Huda, B. Setiaji and F. R. Hidayat, "IMPLEMENTASI GRAY LEVEL COOCCURRENCE MATRIX (GLCM) UNTUK KLASIFIKASI PENYAKIT DAUN PADI," Jurnal Pseudocode, vol. 9, no. 1, pp. 33-38, 2022.
[13] S. A. R. Srg, M. Zarlis and Wanayumini, "Klasifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan," Matrik: Jurnal Managemen,Teknik Informatika, dan Rekayasa Komputer, vol. 21, no. 2, pp. 477-488, 2022.
[14] M. R. Adrian, M. P. Putra, M. H. Rafialdy and N. A. Rakhmawati, "Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB," JURNAL INFORMATIKA UPGRIS, vol. 7, no. 1, pp. 36-40, 2021.
[15] I. M. A. Mahawan and P. A. E. D. Udayana, "IMPLEMENTASI OPTICAL CHARACTER RECOGNITION (OCR) DAN PENDEKATAN THESAURUS UNTUK MENEMUKAN INFORMASI PADA SURAT MASUK DI STMIK STIKOM INDONESIA," Jurnal Teknologi Informasi dan Komputer, vol. 6, no. 1, pp. 39-44, 2020.
[16] R. K. Dinata, Fajriana, Zulfa and N. Hasdyna, "KLASIFIKASI SEKOLAH MENENGAH PERTAMA/SEDERAJAT WILAYAH BIREUEN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS BERBASIS WEB," CESS (Journal of Computer Engineering System and Science), vol. 5, no. 1, pp. 33-37, 2020.
[17] E. Retnoningsih and R. Pramudita, "Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python," BINA INSANI ICT JOURNAL, vol. 7, no. 2, pp. 156-165, 2020.
[18] P. R. Sihombing and A. M. Arsani, "COMPARISON OF MACHINE LEARNING METHODS IN CLASSIFYING POVERTY IN INDONESIA IN 2018," Jurnal Teknik Informatika (JUTIF), vol. 2, no. 1, pp. 51-56 , 2021.
[19] J. Wahyudi and I. Maulida, "PENGENALAN POLA CITRA KAIN TRADISIONAL MENGGUNAKAN GLCM DAN KNN," JTIULM, vol. 4, no. 2, p. 43 – 48, 2019.
[20] Nurainun, E. Haerani, F. Syafria and L. Oktavia, "Penerapan Algoritma Naïve Bayes Classifier Dalam Klasifikasi Status Gizi Balita dengan Pengujian K-Fold Cross Validation," Journal of Computer System and Informatics (JoSYC), vol. 4, no. 3, p. 578−586, 2023.
[21] A. Peryanto, A. Yudhana and R. Umar, "Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation," Journal of Applied Informatics and Computing (JAIC), vol. 4, no. 1, p. 45~51, 2020.
[22] N. Hadianto, H. B. Novitasari and A. Rahmawati, "KLASIFIKASI PEMINJAMAN NASABAH BANK MENGGUNAKAN METODE NEURAL NETWORK," Jurnal PILAR Nusa Mandiri, vol. 15, no. 2, pp. 163-170, 2019.
[23] A. Damuri, U. Riyanto, H. Rusdianto and M. Aminudi, "Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako," JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6, p. 219−225, 2021.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
An author who publishes in this Journal agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
