<![CDATA[Penelitian klasifikasi penyakit daun tomat ini sangat penting dilakukan mengingat tomat (Solanum lycopersicum) merupakan salah satu komoditas hortikultura utama di Indonesia yang memiliki nilai ekonomi dan gizi tinggi. Namun, produktivitas tomat seringkali terancam oleh berbagai penyakit daun yang secara signifikan dapat menurunkan hasil panen dan berdampak negatif pada pendapatan petani serta suplai pangan nasional. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit daun tomat dengan menggunakan ekstraksi fitur tekstur berdasarkan Local Binary Pattern (LBP) Uniform serta fitur ruang warna HSV. Kedua fitur tersebut kemudian digabungkan untuk klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN). Dataset berisi 200 citra daun tomat yang mencakup empat kelas penyakit berbeda, yang diambil dalam berbagai kondisi pencahayaan dan latar belakang untuk merefleksikan variasi nyata di lapangan. Hasil evaluasi menunjukkan bahwa fitur tekstur memberikan performa klasifikasi terbaik dengan akurasi maksimum 0,85 pada K=3, sedangkan fitur warna secara individual memiliki akurasi lebih rendah dan kurang stabil. Penggabungan kedua fitur ini mampu mempertahankan akurasi yang tinggi sekaligus meningkatkan kestabilan klasifikasi di beberapa kelas penyakit. Penelitian ini menunjukkan potensi signifikan dari penggabungan fitur tekstur dan warna dalam meningkatkan ketepatan deteksi penyakit daun tomat, yang diharapkan dapat mendukung pemantauan dan pengelolaan tanaman secara lebih efektif, serta berkontribusi pada pengembangan pertanian berkelanjutan di masa depan dengan dukungan teknologi terkini.]]>
Copyrights © 2025
