Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perbandingan Metode GLCM dan LBP pada Klasifikasi Daun Aglonema Menggunakan Algoritma K-Nearest Neighbors (KNN) Fuad Yusuf Efendi
Journal of Electronics and Instrumentation Vol. 3 No. 1 (2026)
Publisher : Jurusan Fisika, FMIPA Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/jei.v3i1.60102

Abstract

Penelitian ini membahas klasifikasi varietas tanaman Aglonema menggunakan metode K-Nearest Neighbors (KNN) dengan kombinasi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Aglonema merupakan tanaman hias populer dengan beragam varietas yang seringkali sulit dibedakan secara visual terutama oleh masyarakat awam. Identifikasi varietas secara otomatis diperlukan untuk mendukung kegiatan budidaya, perdagangan, serta konservasi tanaman hias ini. Data set citra daun Aglonema dikumpulkan dan diolah untuk mengekstraksi fitur tekstur menggunakan GLCM (meliputi contrast, correlation, energy, dan homogeneity) serta LBP untuk menangkap pola lokal permukaan daun. Fitur-fitur tersebut digabungkan sebagai masukan ke algoritma KNN, yang digunakan untuk mengklasifikasikan varietas Aglonema. Hasil menunjukkan bahwa LBP memberikan performa klasifikasi yang lebih baik secara keseluruhan, dengan akurasi tertinggi sebesar 72% pada K= 6 sedangkan GLCM hanya mencapai akurasi maksimum sebesar 47% pada K = 11 dan K = 15 sehingga metode ini kurang deskriminatif.