Article Per Year (5 Year)
p-Index From 2021 - 2026
1.431
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode Jurnal Ampere PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JSAI (Journal Scientific and Applied Informatics) Jurnal Komputer, Informasi dan Teknologi Jurnal Sistem Informasi Dan E-Bisnis Kohesi: Jurnal Sains dan Teknologi
Nuri David Maria Veronika
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Klasifikasi Penyakit pada Daun Sirih Menggunakan K-Nearest Neighbor (KNN) Berdasarkan Ekstraksi Fitur Gray Level Co-occurrence Matrix (GLCM) Julian Mulyadi; Nuri David Maria Veronika
Jurnal Ampere Vol. 10 No. 1 (2025): JURNAL AMPERE
Publisher : Universitas PGRI Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31851/ampere.v10i1.18170

Abstract

Daun sirih (Piper betle L.) merupakan tanaman merambat yang tumbuh subur di wilayah tropis, termasukAsia hingga Afrika Timur. Secara empiris, daun sirih memiliki berbagai khasiat dalam pengobatantradisional karena mengandung senyawa kimia yang bermanfaat bagi kesehatan. Namun, produksi daunsirih rentan terhadap serangan hama dan penyakit tanaman, yang menyebabkan penurunan kualitas dankuantitas hasil panen. Berdasarkan permasalahan tersebut, penelitian ini mengembangkan sistem klasifikasi penyakit pada daun sirih dengan menerapkan ekstraksi fitur Gray Level Co-occurrence Matrix(GLCM) dan metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini menggunakan datasetsebanyak 150 citra, yang terdiri dari 120 citra sebagai data latih dan 30 citra sebagai data uji, dengan tigakategori utama, yaitu daun sirih sehat, daun sirih dengan penyakit bercak daun, dan daun sirih yangmengalami kerusakan akibat bekicot. Hasil klasifikasi menunjukkan bahwa metode KNN dengan nilaiK = 3 dan K = 5 memberikan akurasi tertinggi sebesar 90%, dengan 27 citra diklasifikasikan denganbenar dan 3 citra mengalami kesalahan klasifikasi dari 30 citra yang diuji. Hasil ini membuktikan bahwakombinasi metode KNN dan ekstraksi fitur GLCM efektif dalam mengklasifikasikan penyakit pada daunsirih, sehingga dapat digunakan sebagai sistem pendukung dalam meningkatkan produktivitas pertanian.
Co-Authors Adelia, Serlina Apridiansyah, Yovi Ariski Munandar Dedy Abdullah Dedy Abdulllah Diana Diana Dwita Deslianti Eka Sahputra Harry Witriyono Julian Mulyadi Kemal El Faraouk Muhammad Imanullah Muntahanah, Muntahanah Nanda Yugo Pangestu Nur Arlin Afidha Ningsih Ria Oktarini Sastya Hendri Wibowo Wijaya, Ardi Yudha, Bima Satria Yuza Reswan