K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah
DOI:
https://doi.org/10.33633/tc.v22i3.8533Keywords:
Klasifikasi, Penyakit Bawang Merah, GLCM, KNN, CNNAbstract
Bawang merah merupakan suatu kebutuhan masyarakat terutama pada bahan makanan dan juga digunakan untuk Kesehatan. Dengan banyaknya manfaat bawang merah, dibalik itu juga memiliki suatu kendala atau resiko pada penanaman bawang merah salah satu resikonya adalah hama atau penyakit yang dapat merugikan petani bawang merah. Tujuan dari penelitian ini yaitu mengklasifikasi penyakit daun bercak ungu dan moler pada tanaman bawang merah, yang di implementasikan menggunakan metode ekstraksi fitur Gray Level Co-Occurance Matix (GLCM) yang digunakan untuk ekstraksi fitur tekstrur. Selain itu ada lima jarak yaitu Eucludiean, Manhattan, Chebyshev, Minkowski, Hamming digunakan dalam metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini juga menggunakan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari penelitian ini yang diperoleh menggunakan metode GLCM dan KNN dengan jarak Euclidean, Manhattan, Chebyshev, dan Minkowski mendapatkan hasil akurasi yang tinggi yakni sebesar 100%, sedangkan nilai akurasi terendah terdapat pada KNN jarak Hamming nilai akurasi yaitu sebesar 42%, adapun klasifikasi dari gabungan dari metode GLCM dan CNN mendapatkan hasil akurasi sebesar 100% dan pada metode CNN yang tanpa metode ekstraksi memiliki nilai akurasi sebesar 100%.References
K. YPP Al Fattah Siman Sekaran Lamongan, N. Habibatur Rohmah, T. Alif, F. Fitriatul Wahidah, and U. Billfath, “Jurnal Matematika & Sains,” 2023.
M. V. Rosyidah, B. Darma Setiawan, and M. T. Furqon, “Diagnosis Hama Penyakit Tanaman Bawang Merah Menggunakan Metode Neighbors Weighted K-Nearest Neighbors (NWKNN),” 2019. [Online]. Available: http://j-ptiik.ub.ac.id
J. Angelina Widians, H. Santoso Pakpahan, E. Budiman, and M. Soleha, “Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur,” JURTI, vol. 3, no. 2, 2019.
P. Adi Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network CNN Pada Ekspresi Manusia,” JURNAL ALGOR, vol. 2, no. 1, 2020, [Online]. Available: https://jurnal.buddhidharma.ac.id/index.php/algor/index
D. Udjulawa, “Klasifikasi Tanaman Hias Berdasarkan Tekstur Daun Menggunakan Metode SVM Dan Fitur GLCM,” vol. 3, no. 2, 2022.
M. Kurniawan Khamdani, N. Hidayat, and R. K. Dewi, “Implementasi Metode K-Nearest Neighbor Untuk Mendiagnosis Penyakit Tanaman Bawang Merah,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id
D. Iswantoro and D. Handayani UN, “Klasifikasi Penyakit Tanaman Jagung Menggunakan Metode Convolutional Neural Network (CNN),” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 2, p. 900, Jul. 2022, doi: 10.33087/jiubj.v22i2.2065.
A. A. Huda, B. Setiaji, and F. R. Hidayat, “Implementasi Gray Level Co-occurrence Matrix (GLCM) Untuk Klasifikasi Penyakit Daun Padi,” 2022. [Online]. Available: www.ejournal.unib.ac.id/index.php/pseudocode
S. Faisal, T. F. M Butarbutar, P. Sirait, and J. SIFO Mikroskil, “Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun,” Oktober 2019 IJCCS, vol. 20, pp. 1–5.
J. Khatib Sulaiman, G. A. Pongdatu, J. Rusman, and I. Artikel Abstrak, “Klasifikasi Penyakit Pada Tanaman Kopi Arabika Menggunakan Metode K-Narest Neighbor (KNN) Berbasis Citra,” Indonesian Journal of Computer Science.
A. Wira Bramantya and F. Utaminingrum, “Rancang Bangun Sistem Klasifikasi Tipe Permukaan Jalan menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM) berbasis Raspberry Pi,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id
Q. A’yun and F. Utaminingrum, “Rancang Bangun Deteksi Kemanisan Buah Semangka menggunakan Metode Gray Level Co-Occurrence Matrix dan Backpropagation Neural Network berbasis Raspberry Pi,” 2022. [Online]. Available: http://j-
F. Raditya Nugroho, “Gerga Orange Quality Using Naïve Bayes Based on Feature Extraction,” 2023.
M. Sipan, R. Kartika Pramuyanti, and J. Teknik Elektro Fakultas Teknik, “Analisa Citra Berbasis Fitur Warna Tekstur Dan Histogram Untk Menentukan Kemiripan Citra,” 2019.
F. Bimantoro, A. Aranta, G. Satya Nugraha, R. Dwiyansaputra, and A. Yudo Husodo, “Pengenalan Pola Tulisan Tangan Aksara Bima menggunakan Ciri Tekstur dan KNN (Handwriting Recognition of Bima Script using Texture Features and KNN).” [Online]. Available: http://jcosine.if.unram.ac.id/
P. Regina Prayoga, T. Hasanuddin, and H. Darwis, “Edumatic: Jurnal Pendidikan Informatika Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor,” vol. 7, no. 1, pp. 160–168, 2023, doi: 10.29408/edumatic.v7i1.17521.
N. Yaumagina, “Klasifikasi Kanker Serviks Melalui Pengolahan Citra Pola Pembuluh Darah Dengan Metode Matched Filter Dan Morphology Operation.”
F. Habib Hawari, F. Fadillah, M. Rifqi Alviandi, and T. Arifin, “Klasifikasi Penyakit Padi Menggnakan Algoritma CNN (Convolutional Neural Network),” JURNAL RESPONSIF, vol. 4, no. 2, pp. 184–189, 2022, [Online]. Available: https://ejurnal.ars.ac.id/index.php/jti
F. Nurona Cahya et al., “SISTEMASI: Jurnal Sistem Informasi Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN).” [Online]. Available: http://sistemasi.ftik.unisi.ac.id
I. Bakti, M. Firdaus, and S. Artikel, “Arsitektur Convolutional Neural Network InceptionResNet-V2 Untuk Pengelompokan Pneumonia Chest X-Ray INFO ARTIKEL ABSTRAK,” Daerah Khusus Ibukota Jakarta, vol. 12530, no. 77, doi: 10.58290/jukomtek.
A. Abdullah, S. A. Prakoso, and M. Taruk, “Desain Absensi Mahasiswa Dengan Tanda Tangan Digital Terverifikasi Berbasis Convolutional Neural Network di Masa Pandemi Covid-19,” Jurnal Rekayasa Teknologi Informasi (JURTI), vol. 6, no. 1, p. 82, Jun. 2022, doi: 10.30872/jurti.v6i1.7639.
“Klasifikasi Penyakit Paru-Paru Berbasis Pengolahan Citra X Ray Menggunakan Convolutional Neural Network (Classification Of The Lung Diseases Based On X Ray Image Processing Using Convolutional Neural Network).”
L. Mutawalli, M. Taufan, A. Zaen, and W. Bagye, “Klasifikasi Teks Sosial Media Twitter Menggunakan Support Vector Machine (Studi Kasus Penusukan Wiranto),” 2019. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/jire
D. A. Anam, L. Novamizanti, and S. Rizal, “Klasifikasi Patologi Makula Pada Retina Berdasarkan Citra Retinal OCT Menggunakan Convolutional Neural Network (Classifying Retinal Pathology Using OCT Retinal Imaging With Convolutional Neural Network).” [Online]. Available: https://www.kaggle.com/paultimot hymooney/kermany2018
Downloads
Published
Issue
Section
License
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/
