Claim Missing Document
Check
Articles

Found 1 Documents
Search

Deteksi Jenis Tanaman Berdasarkan Bentuk Daun Menggunakan KNN Nasution, Siti Ananda; Lestari, Dewi; Azzahra, Dita Putri; Kiswanto, Dedy
Jurnal Sistem Informasi dan Sistem Komputer Vol 10 No 1 (2025): Vol 10 No 1 - 2025
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v10i1.646

Abstract

Indonesia memiliki keanekaragaman hayati yang tinggi, termasuk ribuan spesies tanaman yang tersebar luas. Identifikasi jenis tanaman penting dalam bidang seperti pertanian, kehutanan, dan penelitian ilmiah. Penelitian ini mengembangkan sistem deteksi jenis tanaman berbasis bentuk daun menggunakan algoritma K-Nearest Neighbor (KNN). Dataset gambar daun dikumpulkan dan diolah untuk mengekstraksi fitur morfologis, seperti tepi dan tekstur daun. KNN kemudian digunakan untuk mengklasifikasikan daun ke dalam jenis tanaman tertentu berdasarkan kemiripannya dengan sampel dalam dataset. Validasi dilakukan dengan membandingkan akurasi dari berbagai nilai k untuk menemukan konfigurasi terbaik. Hasilnya, algoritma KNN berhasil mencapai akurasi klasifikasi 94,44%, dengan akurasi sempurna pada daun Kembang Sepatu dan Singkong, sedangkan daun Jarak dan Ubi Malaysia memiliki akurasi 83%. Kombinasi fitur LBP dan HOG terbukti efektif dalam meningkatkan representasi morfologi daun.