Abstract
Seiring berjalannya waktu teknologi mengalami perkembangan yang luar biasa pesatnya, baik dalam segi perangkat keras maupun dalam segi perangkat lunak. Salah satu teknologi yang terbentuk dari perkembangan perangkat lunak adalah teknologi pengolahan citra. Teknologi ini sering digunakan untuk pengembangan riset dan aplikasi. Oleh sebab itu banyak metode dan algoritma yang diciptakan untuk membantu para peneliti dalam menganalisa suatu obyek citra maupun media. Akan tetapi ada sesuatu yang kurang atau bagi pecinta tanaman, kususnya pecinta tanaman aglaonema atau sri rejeki. Karena dengan banyaknya persilangan tanaman sri rejeki khususnya masyarakat Kediri kurang begitu mengetahui akan macam-macam jenis tanaman sri rejeki. Oleh sebab itu penulis terdorong untuk membuat suatu aplikasi klasifikasi tanaman sri rejeki berdasarkan corak daun menggunakan metode KNN (K-Nearest Neighbor). untuk proses klasifikasi citra sri rejeki. Citra yang dipilih akan dilakukan konversi citra RGB (Merah Hijau Biru) menjadi warna ke abuan(grayscale), kemudian dilakukan proses deteksi tepi, kemudian diubah ke citra biner setelah keluar nilai citra 0 adalah nilai hitam dan 1adalah nilai putih, lalu nilai dinormalisasi metode KNN dihitung nilai jaraknya menggunakan jarak pendekatan. Proses terakhir mencari nilai jarak yang terdekat dari data yang sering muncul yang dijadikan acuan sebagai hasil dari klasifikasi kelas atau label jenis sri rejeki crispum, sri rejeki commutatum plant, dan sri rejeki costatum. Hasil pengujian yang dilakukan pada aplikasi ini, untuk citra jenis sri rejeki diperoleh dengan jumlah data pelatihan sebanyak pengenalan 3 jenis tanaman sri rejeki data uji coba sebanyak 90 citra memperoleh persentase 75,55%. Pada aplikasi ini cara memotret memiliki peran penting dalam proses klasifikasi jenis tanaman sri rejeki. Semakin baik gambar, tingkat kecerahan dan banyaknya data training pada daun sri rejeki tersebut maka prosentase tingkat keberhasilan akan semakin tinggi. dan untuk progam ini masih berbasis desktop dan dapat dikembangkan dengan progam berbasis android supaya lebih mudah dan lebih simpel untuk digunakan.
References
M. I. Sikki, “Pengenalan Wajah Menggunakan K– Nearest Neighbor dengan Praproses Transformasi Wavelet,” Paradigma, vol. 10, p. 2, 2009.
Gusadha AD. 2011. Identifikasi jenis aglaonema menggunakan probabilistic neural network [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Bisri. 2014. Klasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation, http://ejurnal.its.ac.id/index.php/sains_seni/article/vie wFile/4193/1330, 11 Mei 2018.
Sujito dan Yunus, M. 2016. Perbandingan Strategi Pelabelan Objek Pada Citra Digital Dengan Metode Flood Filling. Jurnal Teknologi Informasi Vol. 7 No. 2. http://ejurnal.stimats.ac.id/index.php/TI/article/view/224/254. 17 Desember 2016.
Yunus, M. 2012. Perbandingan Metode – Metode Edge Detection Untuk Proses Segmentasi Citra Digital. Jurnal Teknologi Informasi Vol.3 No.2. http://ejurnal.stimats.ac.id/index.php/TI/article/view/224/254. 17 Desember 2016.
S. Jatmika dan D. Purnamasari, “Rancang Bangun Alat Pendeteksi Kematangan Buah Apel dengan Menggunakan Metode Image Processing Berdasarkan Komposisi Warna,” vol. 8, 2014.
Kusumadewi, Sri., Fauziah, Ami., Khoiruddin, Arwan A., Wahid, Fathul., Setiawan, M. Andri., Rahayu, Nur Wijayaning., H. dayat, Taufik., dan Prayudi, Yudi. (2009). Informatika Kesehatan menggunakan metode KNN (K-Naerest Neighbor). Graha Ilmu. Yogyakarta.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2020 Taufiq Nurhidayat, Patmi Kasih, Ardi Sanjaya