Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Informatika Teknologi dan Sains (Jinteks)
Galan Ahmad Defanka
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Engineering

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

Found 2 Documents
Search

 1 
IMPLEMENTASI EKSTRAKSI FITUR TEKSTUR DAN WARNA PADA KLASIFIKASI PENYAKIT DAUN JAGUNG MENGGUNAKAN RANDOM FOREST Galan Ahmad Defanka; Achmad Junaidi; Hendra Maulana
Prosiding Seminar Nasional Sains dan Teknologi Vol. 15 No. 1 (2025): Prosiding SNST 15 Tahun 2025
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v15i1.14646

Abstract

Penelitian ini mengembangkan sistem untuk mengidentifikasi penyakit pada daun jagung menggunakan kombinasi ekstraksi fitur tekstur dan warna. Ekstraksi tekstur dilakukan dengan metode Local Binary Pattern (LBP), sedangkan karakteristik warna citra dianalisis menggunakan Fuzzy Color Histogram (FCH). Fitur yang dihasilkan dari kedua metode tersebut kemudian digunakan sebagai input pada algoritma Random Forest untuk proses klasifikasi. Dataset berupa citra daun jagung melalui beberapa tahapan pengolahan, yaitu preprocessing, segmentasi citra, ekstraksi fitur, serta pelatihan model. Hasil pengujian menunjukkan bahwa Random Forest memiliki performa terbaik dengan akurasi mencapai 93,75%. Penelitian ini membuktikan bahwa kombinasi fitur tekstur dan warna dengan algoritma Random Forest efektif dalam mendeteksi penyakit daun jagung. Kata kunci: daun jagung, ekstraksi fitur, random forest
PENERAPAN LBP DAN FCH UNTUK KLASIFIKASI PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA RANDOM FOREST Galan Ahmad Defanka; Achmad Junaidi; Hendra Maulana
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6948

Abstract

Klasifikasi penyakit daun jagung menjadi salah satu langkah penting dalam mendukung pemantauan kesehatan tanaman secara dini. Pada penelitian ini dikembangkan sebuah sistem klasifikasi penyakit daun jagung berbasis pengolahan citra dan machine learning yang mampu mengidentifikasi empat kondisi daun, yaitu bercak daun, hawar daun, karat daun, dan daun sehat. Dataset yang digunakan terdiri dari 1.200 citra daun jagung, dengan masing-masing kelas berjumlah 300 citra, kemudian diperluas menjadi 3.600 citra melalui proses augmentasi data. Proses pengolahan data meliputi tahapan preprocessing citra, segmentasi, ekstraksi fitur, serta pelatihan dan pengujian model klasifikasi. Karakteristik tekstur daun diekstraksi menggunakan metode Local Binary Pattern (LBP), sedangkan karakteristik warna direpresentasikan melalui Fuzzy Color Histogram (FCH). Seluruh fitur hasil ekstraksi tersebut digunakan sebagai masukan pada algoritma Random Forest untuk melakukan klasifikasi penyakit daun jagung. Hasil pengujian menunjukkan bahwa algoritma Random Forest mampu memberikan performa klasifikasi yang baik dengan tingkat akurasi sebesar 95,22%. Hasil tersebut menunjukkan bahwa kombinasi fitur tekstur LBP dan fitur warna FCH efektif dalam membedakan jenis penyakit daun jagung, sehingga sistem yang dikembangkan berpotensi menjadi solusi pendukung dalam deteksi penyakit tanaman jagung secara otomatis dan akurat.
Co-Authors Achmad Junaidi Maulana, Hendra