Identifikasi Penyakit Daun Tembakau Berdasarkan Fitur Warna Menggunakan KNN (K-Nearest Neighbor)

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.