<![CDATA[Tanaman anggur memiliki nilai ekonomi dan medis yang signifikan. Namun, risiko penyakit pada tanaman ini dapat mengakibatkan penurunan pertumbuhan hingga 40%-70%. Penelitian ini bertujuan untuk mencegah penyebaran penyakit pada tanaman anggur dengan mengidentifikasi penyakit pada daun menggunakan metode K-Nearest Neighbor (KNN) dan ekstraksi fitur Gray Level Co-ccurrence Matrix (GLCM). Dataset yang digunakan berasal dari PlantVillage Database, terdapat 4063 data yang terbagi kedalam 4 kelas yang berbeda (Healthy, Black Rot, Esca, dan Leaf Blight). Nilai K sebagai parameter metode KNN dalam melakukan klasifikasi pada penelitian ini adalah K=1 hingga K=10, sedangkan parameter yang digunakan untuk ekstraksi fitur menggunakan GLCM adalah 4 nilai sudut derajat (0°, 45°, 90°, dan 135°) dan nilai jarak piksel tetangga = 1. Dalam melakukan klasifiaksi terdapat nilai fitur GLCM yang digunakan sebagai dasar klasifikasi, ekstraksi fitur tersebut adalah Contrast, Correlation, Homogeneity, Energy, dan Entropy. Dari proses pengujian performa menggunakan metode Confusion Matrix diperoleh akurasi tertinggi sebesar 88,6%, dengan presisi 50,5%, dan recall 25,7%, serta waktu klasifikasi menggunakan nilai K = 10. Studi ini memberikan kontribusi dalam pemahaman penyakit pada tanaman anggur dan mengusulkan solusi berbasis teknologi untuk pencegahan penyakit lebih lanjut.]]>
Copyrights © 2024
