Klasifikasi Penyakit Daun Jagung Berdasarkan Ruang Warna HSV dan Fitur Tekstur Dengan Algoritma K-NN

Authors

  • Moch Aris Setyawan Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia
  • Patmi Kasih Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia
  • Made Ayu Dusea Widyadara Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/inotek.v6i3.2655

Abstract

Produk komoditas jagung menjadi sangat penting karena termasuk bahan pangan pokok karboridrat penganti beras dan sagu. Jagung memiliki kadungan serat, vitamin B3, vitamin B5, asam fenolat dan masih banyak lagi dan bagus untuk dikonsumsi. Dalam mengelola pertanian jagung tentu memiliki banyak kendala diantaranya penyakit yang menyerang pada daun jagung yang dibiarkan dapat menurunkan produktivitas hasil panen menurun hingga mengalami gagal panen. Blight, Common Rust, Gray Leaf Spot adalah penyakit yang ditemui pada daun jagung, penyakit ini memiliki gejala tertentu yang dapat dikenali dan di tanggulangi jika melihat gejala pada daun jagung. Namun mata manusia memiliki keterbatasan dalam mengidentifikasi gejala yang tampak pada daun jagung yang terserang penyakit, juga mengenali ciri-ciri daun yang berpenyakit sehingga mengakibatkan salah dalam pencegahan dan penanggulannya yang mengakibatkan penambahan biaya perawatan. Dengan memanfatkan teknologi pengolahan citra digital maka hal demikian dapat diatasi dengan tepat, jadi dalam penelitian ini akan mengusung metode Klasifikasi dengan algoritma K-NN dengan menggunkan k = 3, k = 5, k = 7, k = 9  dan k = 15, serta untuk ekstraksi fiturnya menggunkan ruang warna HSV dan tekstur GLCM. Hasil uji coba pada penelitian ini mampu menidentifikasi penyakit daun jagung sebesar 84 % untuk k = 3 sedangkan untuk k selanjutnya yaitu 80,5 %, 73,5 %, 72 % dan 70 % pada fitur tekstur dengan Average 76% sedangkan untuk fitur warna akurasi tertinggi yaitu 64 % dengan Average 56,2 %. Secara keseluruhan bahwa fitur tekstur paling baik dalam proses klasifikasi penyakit daun jagung.

Keywords:

Daun, GLCM, HSV, K-NN, Penyakit

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

M. S. Sudjono, “Penyakit Jagung dan Pengendaliannya.”

S. Asri, “Efisiensi Konsentrasi Perekat Tepung Tapioka Terhadap Nilai Kalor Pembakaran pada Biobriket Batang Jagung (Zea mays L.),” J. Teknosains, vol. 7, pp. 78–89, 2013.

R. Munir, “Pengantar Pengolahan Citra Interpretasi dan Pengolahan Citra,” no. Bagian 1, 2019.

F. Liantoni, N. P. T. Prakisya, and Y. H. Aristyagama, “Peningkatan HSV dan Haar-Like Feature pada Aplikasi Identifikasi Kematangan Buah Tomat Berbasis Android,” J. Sist. dan Teknol. Inf., vol. 9, no. 1, p. 70, 2021, doi: 10.26418/justin.v9i1.42469.

P. Mohanaiah, P. Sathyanarayana, and L. Gurukumar, “Image Texture Feature Extraction Using GLCM Approach,” Int. J. Sci. Res. Publ., vol. 3, no. 5, pp. 1–5, 2013.

D. Syahid, J. Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” J. Online Inform., vol. 1, no. 1, p. 20, 2016, doi: 10.15575/join.v1i1.6.

E. K. Ratnasari, R. V. H. Ginardi, and C. Fatichah, “Pengenalan penyakit noda pada citra daun tebu berdasarkan ciri tekstur,” J. Ilm. Teknol. Inf., vol. 12, pp. 27–36, 2014, [Online]. Available: http://juti.if.its.ac.id/index.php/juti/article/view/320.

Downloads

Published

2022-11-22

Issue

Vol. 6 No. 3 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022

Section

Articles

License

Copyright (c) 2022 Moch Aris Setyawan; Patmi Kasih, Made Ayu Dusea Widyadara

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Klasifikasi Penyakit Daun Jagung Berdasarkan Ruang Warna HSV dan Fitur Tekstur Dengan Algoritma K-NN. (2022). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 6(3), 067-072. https://doi.org/10.29407/inotek.v6i3.2655