@article{Setyawan_Kasih_Widyadara_2022, title={Klasifikasi Penyakit Daun Jagung Berdasarkan Ruang Warna HSV dan Fitur Tekstur Dengan Algoritma K-NN}, volume={6}, url={https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/2655}, DOI={10.29407/inotek.v6i3.2655}, abstractNote={<p><em>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 <strong>k </strong>= 3, <strong>k </strong>= 5, <strong>k </strong>= 7, <strong>k </strong>= 9  dan <strong>k </strong>= 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 <strong>k</strong> = 3 sedangkan untuk <strong>k</strong> 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.</em></p>}, number={3}, journal={Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)}, author={Setyawan, Moch Aris and Kasih, Patmi and Widyadara, Made Ayu Dusea}, year={2022}, month={Nov.}, pages={067–072} }