| dc.description.abstract | Tembakau merupakan salah satu tanaman yang banyak ditanam di
Indonesia. Untuk meningkatkan produktivitas tanaman tembakau, maka mutu dan
kualitasnya harus diperhatikan dengan baik. Salah satu indikator kualitas
tembakau yaitu ada tidaknya penyakit pada tanaman tembakau. Pengecekan
penyakit tanaman tembakau kebanyakan masih dilakukan secara manual oleh
manusia melalui morfologi daun. Penglihatan melalui morfologi daun masih
bersifat subjektif, karena hanya berdasarkan penglihatan manusia. Oleh karena itu
diperlukan suatu sistem yang dapat melakukan identifikasi penyakit tanaman
tembakau secara objektif. Salah satu alternatifnya yaitu dengan memanfaatkan
pengolahan citra digital. Tujuan dari penelitian ini yaitu membuat sebuah aplikasi
yang dapat mengidentifikasi penyakit pada daun tembakau berdasarkan
perbandingan ekstraksi fitur warna citra RGB, normalisasi RGB, HSV, dan
YCbCr dengan menggunakan algoritma K-Nearest Neighbor (K-NN). Nilai K
yang diujikan yaitu K=1 sampai dengan K=100. Data yang digunakan yaitu citra
daun tembakau sebanyak 160 citra yang diklasifikasi menjadi 4 kelas, yaitu daun
yang terserang penyakit patik, penyakit layu bakteri, penyakit krupuk, dan daun
yang sehat. Aplikasi identifikasi penyakit daun tembakau dibuat menggunakan
bahasa pemrograman Matlab. Hasil yang diperoleh yaitu model warna HSV
dengan menggunakan nilai K=5 memperoleh nilai akurasi yang lebih tinggi
daripada model warna yang lain yaitu sebesar 90%. Pada model warna YCbCr
memperoleh nilai akurasi tertinggi sebesar 85%, normalisasi RGB sebesar 67%
dan model warna RGB sebesar 65%. Nilai K dengan hasil akurasi tertinggi
berbeda-beda pada setiap model warna. Penggunaan nilai K juga berpengaruh terhadap akurasi yang dihasilkan, semakin besar nilaik K yang digunakan maka nilai akurasi yang dihasilkan cenderung semakin rendah. | en_US |
