Journal of Electronics and Instrumentation
Vol. 3 No. 1 (2026)

Perbandingan Metode GLCM dan LBP pada Klasifikasi Daun Aglonema Menggunakan Algoritma K-Nearest Neighbors (KNN)

Fuad Yusuf Efendi (Unknown)



Article Info

Publish Date
30 Jun 2026

Abstract

Penelitian ini membahas klasifikasi varietas tanaman Aglonema menggunakan metode K-Nearest Neighbors (KNN) dengan kombinasi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Aglonema merupakan tanaman hias populer dengan beragam varietas yang seringkali sulit dibedakan secara visual terutama oleh masyarakat awam. Identifikasi varietas secara otomatis diperlukan untuk mendukung kegiatan budidaya, perdagangan, serta konservasi tanaman hias ini. Data set citra daun Aglonema dikumpulkan dan diolah untuk mengekstraksi fitur tekstur menggunakan GLCM (meliputi contrast, correlation, energy, dan homogeneity) serta LBP untuk menangkap pola lokal permukaan daun. Fitur-fitur tersebut digabungkan sebagai masukan ke algoritma KNN, yang digunakan untuk mengklasifikasikan varietas Aglonema. Hasil menunjukkan bahwa LBP memberikan performa klasifikasi yang lebih baik secara keseluruhan, dengan akurasi tertinggi sebesar 72% pada K= 6 sedangkan GLCM hanya mencapai akurasi maksimum sebesar 47% pada K = 11 dan K = 15 sehingga metode ini kurang deskriminatif.

Copyrights © 2026






Journal Info

Abbrev

JEI

Publisher

Subject

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

Description

Artikel JEI ditekankan pada aplikasi Elektronika dan Instrumentasi diberbagai bidang ilmu sains dan teknologi, seperti Fisika Material, Fisika Nuklir, Geofisika, Biofisika, Biologi, Kimia, Elektronika, Geografi, Fisika Kebumian, Fisika Kelautan, Fisika Lingkungan, Astronomi, dan ilmu science ...