Perbandingan Kinerja Algoritma C4.5, Naïve Bayes dan K-Nearest Neighbor dalam Sistem Deteksi Penyakit Tanaman Jagung

Royandi Royandi (Teknik Informatika, Universitas Dipa Makassar)
Paskal Kalempe (Teknik Informatika, Universitas Dipa Makassar)
Wilem Musu (Universitas Dipa Makassar)
Hardi Hardi (Universitas Dipa Makassar)

DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI)
Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)

Penyakit daun jagung dapat menyebabkan penurunan produktivitas sehingga diperlukan metode identifikasi yang mampu melakukan klasifikasi secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit daun jagung menggunakan algoritma Decision Tree C4.5, Gaussian Naïve Bayes, dan K-Nearest Neighbor (KNN) berdasarkan fitur ekstraksi citra. Data penelitian terdiri atas tiga kelas penyakit, yaitu Bercak Daun, Bulai Daun, dan Hawar Daun. Hasil pengujian menunjukkan bahwa KNN dengan konfigurasi K=5 memberikan performa terbaik dengan akurasi 88,1%, precision 88,7%, recall 88,1%, dan F1-score 87,9%. Model tersebut dipilih sebagai metode klasifikasi terbaik dalam penelitian ini.