Fathoni, Fuad Mahrus
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRIX Fathoni, Fuad Mahrus; Putra, Chrystia Aji; Nurlaili, Afina Lina
Biner : Jurnal Ilmiah Informatika dan Komputer Vol 3 No 1 (2024): Januari
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v3i1.6332

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.
KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRIX Fathoni, Fuad Mahrus; Putra, Chrystia Aji; Nurlaili, Afina Lina
Biner : Jurnal Ilmiah Informatika dan Komputer Vol 3 No 1 (2024): Januari
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v3i1.6332

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.