Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Rustanto, Diki Wahyudi
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Identifikasi Penyakit Daun pada Tanaman Padi Menggunakan Ekstraksi Fitur Gray Level Co-occurrence Matrix (GLCM) dan Metode K-Nearest Neighbour (KNN) Rustanto, Diki Wahyudi; Liantoni, Febri; Prakisya, Nurcahya Pradana Taufik
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 12, No 1 (2024)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v12i1.69752

Abstract

Negara Indonesia merupakan salah satu negara agrikultur, di mana bidang pertanian berperan penting dalam menjaga keberlangsungan hidup. Hal ini dikarenakan, sebagian besar masyarakat Indonesia menggunakan beras sebagai bahan pangan pokok mereka. Sedangkan ketersedian bahan pangan pokok masyarakat sudah berkurang, karena adanya alih fungsi lahan-lahan pertanian menjadi perumahan, industry, dan lain-lain. Bukan hanya itu saja, permasalahan lain yang dapat menurunkan ketersediaan bahan pangan yaitu seperti, kondisi iklim atau cuaca, system pengairan, serangan hama dan masih banyak lagi permasalahan yang dapat mengakibatkan panen menjadi kurang maksimal. Penggunaan teknologi dalam bidang pertanian seharusnya menjadi lebih mudah dan membantu para petani dalam mendeteksi penyakit yang menyerang daun padi. Karena itu, deteksi dan klasifikasi hama pada daun padi perlu dilakukan untuk mengevaluasi akurasi, presisi, dan recall menggunakan perhitungan matriks kebingungan (confusion matrix) dengan menerapkan algoritma K-Nearest Neighbors (KNN). Dari hasil klasifikasi tersebut menghasilkan nilai akhir akurasi paling tinggi yaitu sebesar 73% pada jarak piksel (d) yaitu 5 dan nilai tetangga (k) yaitu 3 pada offset 0 °. Hal ini menunjukkan bahwa algoritma KNN cukup baik dalam melakukan klasifikasi.
Co-Authors Febri Liantoni, Febri Prakisya, Nurcahya Pradana Taufik