PENGENALAN POLA PENYAKIT DAUN JAMBU AIR MENGGUNAKAN METODE PCA DAN KNN

Sriani Sriani(1), Supiyandi Supiyandi(2), Mhd Furqan(3), Wan Fadilla Rischa(4),


(1) Universitas Islam Negeri Sumatera Utara
(2) Universitas Pembangunan Panca Budi
(3) Universitas Islam Negeri Sumatera Utara
(4) Universitas Islam Negeri Sumatera Utara
Corresponding Author

Abstract


Salah satu faktor penghambat dalam upaya peningkatan produksi tanaman seperti jambu air adalah penyakit tanaman yang dapat merusak seluruh bagian tanaman. Salah satu cara memperhatikan produksi tanaman jambu air adalah dengan mengklasifikasikan penyakit jambu air. Klasifikasi dapat diamati atau dilihat dari tekstur daun jambu air untuk membedakan ciri daun dari masing-masing jenis penyakit jambu air, dikarenakan daun merupakan suatu bentuk benda yang memiliki sifat tertentu dan ciri yang lengkap. Tujuan dari penelitian ini adalah untuk membuat sistem yang akan mengklasifikasikan penyakit daun jambu air dan dapat memudahkan dalam memahami jenis penyakit yang menyerang daun jambu air. Penelitian ini menggunakan 66 citra daun dengan tiga jenis penyakit. Dalam penelitian ini, metode yang digunakan adalah Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Ekstraksi ciri meliputi PCA untuk mengubah setiap citra menjadi data matriks untuk memperoleh nilai ciri daun. Sedangkan dalam mengklasifikasikan penyakit daun jambu air menggunakan KNN, dengan menghitung kesamaan menggunakan jarak Euclidean. Hasil penelitian menunjukkan bahwa metode PCA dan KNN dapat mengklasifikasikan penyakit daun jambu air dengan nilai akurasi sebesar 90,4762% dengan nilai ketetanggaan K=1 dan K=3 akurasi sebesar 85,7143% menggunakan 45 citra latih dan 21 citra uji. Dengan demikian semakin banyak nilai ketetanggaan yang di gunakan semakin rendah nilai akurasi yang didapatkan.


References


D. Putra, Pengolahan Citra Digital. Yogyakarta: ANDI, 2010. [Online]. Available: https://www.google.co.id/books/edition/Pengolahan_Citra_Digital/NectMutqXJAC?hl=id&gbpv=1

S. Wahyuni, “Sosialisasi Pemanfaatan Jambu Air Menjadi Nata De Syzigium,” Din. J. Pengabdi. Kpd. Masy., vol. 4, no. 1, pp. 209–213, Apr. 2020,

doi: 10.31849/dinamisia.v4i1.3285.

Kridaningtyas Purwandari, “Hama dan Penyakit Jambu Air (Syzygium Samarangense (Blume) Merr. & L.M. Perry) di Kabupaten Demak, Jawa Tengah,” vol. 151, pp. 10–17, 2015, [Online]. Available: https://repository.ipb.ac.id/handle/123456789/77626

R. Pradana, Suwarto, E. W. Tini, and W. S. Suharti, “Inventarisasi dan Identifikasi Penyakit Akibat Jamur pada Tanaman Jambu Air Varietas Citra Di Desa Kajongan dan Cipawon , Kabupaten Purbalingga,” Agron. (Jurnal Budid. Pertan. Berkelanjutan), vol. 21, no. 2, pp. 19–26, 2022, [Online]. Available: http://jos.unsoed.ac.id/index.php/agro/article/view/6758

H. M. Hanifa and S. Haryanti, “Morfoanatomi Daun Jambu Air (Syzygium samarangense) var. Demak Normal dan Terserang Hama Ulat,” Bul. Anat. dan Fisiol., vol. 1, no. 1, p. 24, Oct. 2016, doi: 10.14710/baf.1.1.2016.24-29.

L. Sahrani, “Classification of Tomato Leaf Based on Gabor Filter Extraction And Support Vector Machine Algorithm,” Int. J. Inf. Syst. Technol. Akreditasi, vol. 4, no. 2, pp. 677–681, 2021, [Online]. Available: https://ijistech.org/ijistech/index.php/ijistech/article/view/173

L. S. H. Mhd. Furqan, Sriani, “Klasifikasi Daun Bugenvil Menggunakan Gray Level Co-Occurrence Matrix dan K- Nearest Neighbor,” J. CoreIT, vol. 6, no. 1, pp. 22–29, 2020, [Online]. Available:

https://ejournal.uinsuska.ac.id/index.php/coreit/article/view/9296

U. Murdika, Muhammad Alif, Yessi Mulyani, “Identifikasi Kualitas Buah Tomat dengan Metode PCA (Principal Component Analysis) dan Backpropagation,” Electrician, vol. 15, no. 3, pp. 175–180, Oct. 2021, doi: 10.23960/elc.v15n3.2240.

Y. E. Yana and N. Nafi’iyah, “Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN,” Res. J. Comput. Inf. Syst. Technol. Manag., vol. 4, no. 1, p. 28, 2021, doi: 10.25273/research.v4i1.6687.

A. Alfani W.P.R., F. Rozi, and F. Sukmana, “Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 6, no. 1, pp. 155–160, Jun. 2021, doi: 10.29100/jipi.v6i1.1910.

F. Badri and S. U. R. Sari, “Penerapan Metode Principal Component Analysis (PCA) Untuk Identifikasi Faktor-Faktor yang Mempengaruhi Sikap Mahasiswa Memilih Melanjutkan Studi ke Kota Malang,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 426–431, Dec. 2021, doi: 10.47065/bits.v3i3.1139.

G. Enzellina and D. Suhaedi, “Penggunaan Metode Principal Component Analysis dalam Menentukan Faktor Dominan,” J. Ris. Mat., pp. 101–110, 2022, doi: 10.29313/jrm.v2i2.1192.

D. A. Nugraha and A. S. Wiguna, “Seleksi Fitur Warna Citra Digital Biji Kopi Menggunakan Metode Principal Component Analysis,” Res. Comput. Inf. Syst. Technol. Manag., vol. 3, no. 1, p. 24, Apr. 2020, doi: 10.25273/research.v3i1.5352.

M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, Dec. 2019, doi: 10.33096/ilkom.v11i3.489.269-274.

S. A. Rosiva Srg, M. Zarlis, and W. Wanayumini, “Identifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan K-NN (K-Nearest Neighbor),” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 477–488, 2022, doi: 10.30812/matrik.v21i2.1572.


Full Text: PDF (Bahasa Indonesia)

Article Metrics

Abstract View : 577 times
PDF (Bahasa Indonesia) Download : 432 times

DOI: 10.58486/jsr.v7i2.273

Refbacks

  • There are currently no refbacks.