leman, D Deteksi Penyakit Pada Daun Pisang dengan Penggunakan Algoritma Local Binary Pattern Dan K-Nearest Neighbor

Dedi Leman; Obedh Eliezer Sidauruk

doi:10.70340/jirsi.v3i2.134

Penulis

Dedi Leman Universitas Potensi Utama
Obedh Eliezer Sidauruk Universitas Potensi Utama

DOI:

https://doi.org/10.70340/jirsi.v3i2.134

Kata Kunci:

Daun, Pisang, Local Binary Pattern, K-Nearest Neighbor

Abstrak

Pisang merupakan salah satu jenis buah yang memiliki produksi tinggi dan banyak disukai oleh masyarakat. Produktivitas Pisang berfluktuasi dari tahun ke tahun. Hal ini disebabkan fluktuasi luas panen, tanaman yang belum berproduksi secara optimal, gangguan iklim dan serangan berbagai hama dan penyakit yang menjadi faktor penghambat pertumbuhan dan produksi pisang di Indonesia. Identifikasi tersebut akan memakan waktu yang relatif lama dan menghasilkan berbagai penyakit pada daun pisang karena manusia memiliki keterbatasan visual dalam mengidentifikasi, tingkat kelelahan dan perbedaan pendapat tentang penyakit pada daun pisang. Proses pengenalan pola daun dapat dilakukan dengan cara mengenali ciri-ciri struktur daun seperti bentuk dan tekstur daun. Metode yang digunakan dalam penelitian ini adalah Local Binary Pattern yaitu algoritma yang dapat digunakan untuk mengklasifikasikan berdasarkan citra, sedangkan knearest neighbor digunakan untuk pendeteksian penyakit pada citra daun pisang. Setiap nilai bobot dari citra latih dan citra uji akan dibandingkan dengan meminimalkan nilai Euclidean Distance. Pada penelitian ini digunakan 4 jenis penyakit daun pisang. Berdasarkan hasil uji akurasi diperoleh nilai akurasi sebesar 90,5% untuk proses pendeteksian penyakit pada daun pisang sebanyak 10 data.

Unduhan

Data unduhan belum tersedia.

Referensi

N. Hayati, “Klasifikasi Jenis Bunga Mawar Menggunakan Algoritma K-Nearest Neighbour,” J. Inform. dan Ris., vol. 1, no. 1, pp. 31–37, 2023, doi: 10.36308/iris.v1i1.474.

L. P. R. Noviana and I. N. B. S. Nugraha, “Perbandingan Klasifikasi Citra Daun Herbal Menggunakan Metode Logistic Regression dan Decision Tree Classifier Berdasarkan Fitur (Warna, GLCM, Bentuk),” JITU J. Inform. Technol. Commun., vol. 7, no. 2, pp. 126–133, 2023, doi: 10.36596/jitu.v7i2.1241.

Ananta Dwi Prayoga Alwy, M Syahid Nur Wahid, Bukhari Naufal Nur Ag, and M Miftach Fakhri, “Klasifikasi Penyakit Pada Padi Dengan Ekstraksi Fitur LBP dan GLCM,” J. Deep Learn. Comput. Vis. Digit. Image Process., pp. 1–10, 2023, doi: 10.61255/decoding.v1i1.51.

Andri Nugraha Ramdhon and Fadly Febriya, “Penerapan Face Recognition Pada Sistem Presensi,” J. Appl. Comput. Sci. Technol., vol. 2, no. 1, pp. 12–17, 2021, doi: 10.52158/jacost.v2i1.121.

R. G. Guntara, “Ekstraksi Fitur Warna Citra Daun Untuk Klasifikasi Skala Klorofil dan Rekomendasi Pemupukan,” J. Minfo Polgan, vol. 11, no. 1, pp. 15–22, 2022, doi: 10.33395/jmp.v11i1.11644.

I. Hibatur Rahman, M. Rizki Pratama, R. Jaya Subita, A. Bima Fauzan, A. Novka Alana, and N. Pratiwi, “Pengujian Identifikasi Jumlah Kerumunan Face Recognition Menggunakan Haar Cascade Clasifier,” J. Ilm. Multidisiplin, vol. 2, pp. 58–65, 2023.

S. Talib, S. Sudin, and M. Dzikrullah Suratin, “Penerapan Metode Support Vector Machine (Svm) Pada Klasifikasi Jenis Cengkeh Berdasarkan Fitur Tekstur Daun,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 11, no. 1, pp. 26–34, 2024, doi: 10.30656/prosisko.v11i1.7911.

K. A. Zahroh, D. Candra, R. Novitasari, and L. Hakim, “Perbandingan Ekstraksi Fitur Untuk Klasifikasi COVID-19 , MERS , dan SARS Menggunakan Algoritma Extreme Learning Machine,” vol. 13, no. 1, pp. 30–41, 2024, doi: 10.14421/fourier.2024.131.30-41.