Syntax: Journal of Software Engineering, Computer Science and Information Technology
Vol 5, No 2 (2024): Desember 2024

KLASIFIKASI PENYAKIT PADA DAUN CABAI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NEAREST NEIGHBOR

Pulungan, Miftahul Rizky (Unknown)
Furqan, Mhd (Unknown)
Rifki, Mhd Ikhsan (Unknown)



Article Info

Publish Date
21 Dec 2024

Abstract

Penyakit tanaman cabai dapat menyebabkan penurunan produksi yang signifikan, sehingga membuat keberlanjutan pertanian dan pangan. Penelitian ini mengembangkan sistem untuk mengkategorikan daun cabai menggunakan Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi tekstur dan K-Nearest Neighbors (KNN) untuk klasifikasi. Data citra daun cabai yang digunakan meliputi jenis penyakit virus mosaik cabai, layu fusarium, virus kuning, dan bercak daun. Proses tersebut meliputi pemilihan citra, ekstraksi fitur menggunakan GLCM, dan klasifikasi menggunakan KNN. Hasil penelitian menunjukkan bahwa rasio tersebut dapat mencapai hingga 90%, tergantung pada parameter K. Temuan ini penting bagi dunia pertanian, karena dapat menjadi dasar pengembangan sistem deteksi dini berbasis teknologi, sehingga petani dapat mengambil tindakan lebih cepat dan efektif dalam mengendalikan penyebaran penyakit. Implementasi metode ini memiliki potensi besar untuk meningkatkan efisiensi pengelolaan tanaman, mengurangi kerugian ekonomi, dan mendukung pertanian berkelanjutan.Kata kunci: Penyakit daun cabai, K-Nearest Neighbor, GLCM, Klasifikasi. ABSTRACT Chili plant diseases can cause significant production declines, thus making the sustainability of agriculture and food. This study develops a system to categorize chili leaves using Gray Level Co-occurrence Matrix (GLCM) for texture extraction and K-Nearest Neighbors (KNN) for classification. The chili leaf image data used includes types of chili mosaic virus diseases, fusarium wilt, yellow virus, and leaf spots. The process includes image selection, feature extraction using GLCM, and classification using KNN. The results of the study show that the ratio can reach up to 90%, depending on the K parameter. This finding is important for the world of agriculture, because it can be the basis for the development of a technology-based early detection system, so that farmers can take faster and more effective action in controlling the spread of disease. The implementation of this method has great potential to improve the efficiency of crop management, reduce economic losses, and support sustainable agriculture. Keywords: Chile leaf disease, K-Nearest Neighbor, GLCM, Classification.

Copyrights © 2024






Journal Info

Abbrev

syntax

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Description

Syntax: Journal of Software Engineering, Computer Science and Information Technology adalah Jurnal ilmiah yang dikelola dan diterbitkan oleh Program Studi Rekayasa Perangkat Lunak, Fakultas Teknik dan Ilmu Komputer, Universitas Dharmawangsa, Medan, Indonesia. Jurnal ini membahas tentang topik-topik ...