Identifikasi Penyakit Tanaman Jagung Berdasarkan Warna Daun Menggunakan Metode GLCM Dengan K-Nearest Neighbors

Abstract

Penelitian ini diharapkan memberikan manfaat yaitu membantu petani dalam menentukan penyakit pada duan jagung dengan lebih mudah dan efisien tanpa harus melakukan uji laboratorium dan menambah wawasan mahasiswa mengenai penyakit pada daun jagung. Tujuan dalam penelitian ini yaitu membuat algoritma untuk mengidentifikasi penyakit daun jagung dengan mendapatkan fitur daun menggunakan GLCM dan klasifikasi menggunakan K-Nearest Neighbors. Rancangan penelitian ini yaitu dengan mengambil citra melalui website kaggle dan pengambilan citra secara langsung menggunakan kamera handphone di Wringinagung, Jember, Jawa Timur. Citra yang diambil melalui website kaggle digunakan untuk training, citra yang diambil langsung menggunakan kamera handphone untuk testing. Jumlah data yang digunakan untuk proses training yaitu 1200 data, setiap kelas menggunakan 300 data. Jumlah data yang digunakan untuk proses testing adalah 280 data, setiap kelas menggunakan 70 data. Terdapat 4 kelas dalam pengklasifikasian yaitu Healthy Leaf, Leaf Blight¸Leaf Rust, dan Gray Leaf Spot. Selanjutnya citra dilakukan pre-processing yaitu cropping, resize, dan grayscalling. Cropping dilakukan secara manual, resize dan grayscalling dilakukan didalam program. Proses training dilakukan dengan menggunakan GLCM yang dilakukan modifikasi, digunakan sebanyak 4 sudut yaitu 0°, 45°, 90°, dan 135° yang kemudian di rata-rata. Hasil dari rata-rata kemudian digunakan untuk menemukan parameter setiap citra yang berupa contrast, correlation, homogeneity, dan energy. Perbedaan dengan GLCM fitur Matlab yaitu mencari nilai paramter setiap arah terlebih dahulu, kemudian nilai parameter setiap arah di rata rata menjadi satu nilai parameter. Parameter yang sudah didapatkan dari proses training akan digunakan untuk menentukan kelas, penentuan kelas dilakukan dengan membandingkan Euclidean Distance dari data testing dan data training. Proses testing dilakukan dengan menggunakan metode GLCM yang dimodifikasi, mencari parameter untuk setiap citra. Metode GLCM yang digunakan yaitu 4 sudut yang kemudian dirata- rata, hasil rata-rata digunakan dalam menghitung nilai parameter. Parameter yang digunakan yaitu contrast, correlation, homogeneity dan energy. Klasifikasi dilakukan menggunakan metode K-Nearest Neighbors dengan menghitung Euclidean Distance untuk mengetahui nilai mana yang terdekat, dan digunakan k atau ketetanggan mana yang terdekat dan paling banyak dalam penentuan kelas. Metode GLCM dan K-NN yang dilakukan modifikasi dalam pengklasifikasian penyakit tanaman jagung, menghasilkan akurasi lebih tinggi daripada metode GLCM dan K-NN Fitur Matlab.Variasi nilai k dilakukan pada metode GLCM dan K-NN modifikasi digunakan untuk mengetahui nilai k dengan akurasi terbaik, variasi nilai k yaitu mulai dengan 1 sampai dengan 16. Akurasi terbaik berada pada k=1 dan akurasi terburuk berada pada k=16, ketika nilai k=1 akurasi yang didapatkan yaitu 62,50% dan ketika nilai k=16 akurasi yang didapatkan yaitu 43,57%. Nilai akurasi terbaik digunakan dalam pengimplementasian GUI (Graphical User Interface), GUI dapat digunakan pengguna dalam melakukan klasifikasi karena sudah tersedia tombol untuk mempermudah pengguna melakukan identifikasi penyakit tanaman daun jagung. Nilai akurasi yang dihasilkan tidak cukup baik disebabkan oleh perbedaan dataset antara data training dan data testing, sehingga memiliki perbedaan karakteristik citra meskipun jenis penyakit daun yang digunakan sama