<![CDATA[Penurunan produktivitas dan kualitas tanaman anggur sering kali disebabkan oleh serangan penyakit pada daunnya, yang sulit dideteksi secara manual di area perkebunan yang luas. Untuk mengatasi tantangan ini, penelitian ini mengembangkan sistem deteksi penyakit daun anggur berbasis citra menggunakan metode K-Nearest Neighbors (KNN) yang bertujuan meningkatkan akurasi deteksi dan efisiensi klasifikasi penyakit. Dalam penelitian ini, gambar daun anggur yang sehat dan terinfeksi penyakit dikumpulkan dan dianalisis dengan metode ekstraksi fitur yang meliputi Local Binary Pattern (LBP) untuk tekstur, deteksi tepi Canny dan Hu Moments untuk morfologi, serta histogram warna HSV. Dengan rasio 80:20 untuk data pelatihan dan pengujian, nilai K yang bervariasi (1-5) diuji, dan hasil terbaik diperoleh pada K=1 dengan akurasi 71%. Hasil ini menunjukkan bahwa pemilihan nilai K yang optimal sangat penting untuk mencapai performa terbaik dalam klasifikasi penyakit daun anggur. Kesimpulan dari penelitian ini menunjukkan bahwa metode KNN efektif dalam mengidentifikasi penyakit daun anggur, dan disarankan untuk memilih nilai K yang optimal untuk meningkatkan akurasi dan stabilitas model pada dataset yang serupa.]]>
Copyrights © 2024
