<![CDATA[Kopi memegang peranan penting sebagai produk perkebunan, yang memberikan kontribusi signifikan terhadap perolehan devisa Indonesia. Saat ini, Indonesia menduduki peringkat keempat sebagai produsen kopi terbesar di dunia, dengan luas areal perkebunan mencapai 1,24 juta hektare. Meskipun demikian, jika dibandingkan dengan negara lain, kualitas dan kuantitas kopi yang dihasilkan Indonesia masih tergolong rendah, dipengaruhi oleh dua faktor utama: pohon yang lebih tua rentan terhadap penyakit dan peremajaan tanaman yang kurang baik. Metode penelitian yang digunakan dalam penelitian ini meliputi ekstraksi ciri, ekstraksi ruang warna RGB, ekstraksi ruang warna HSV, pengolahan /klasifikasi dan perhitungan parameter akurasi. Tahap penelitian klasifikasi citra penyakit daun kopi menggunakan ruang warna RGB dan HSV. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit daun kopi menggunakan analisis citra digital dengan fokus pada daun tanaman kopi. Dataset yang digunakan terdiri dari 5000 gambar daun kopi yang dibagi menjadi empat yaitu Karat daun, Pengorok daun (Miner), Leaf Blight (Phoma) dan bercak daun, dengan masing-masing kelompok berjumlah 1000 gambar. Citra daun kopi diubah menjadi citra greyscale. Metode matriks kejadian bersama tingkat abu-abu (GLCM) kemudian digunakan untuk mengekstraksi fitur tekstur, menghasilkan fitur seperti kontras, entropi, keseragaman, dan energi. Ekstraksi fitur ini digunakan untuk klasifikasi menggunakan algoritma K-nearest neighbour (KNN). Berdasarkan hasil penelitian, metode KNN dengan k=3 dan Euclidean distance memberikan performa terbaik dengan akurasi 95%, presisi 95%, recall 95%, dan skor f1 95%.]]>
Copyrights © 2024
