Klasifikasi Penyakit Pada Daun Cabai Menggunakan Gray Level Co-Occurence Matrix dan K-Nearest Neighbor

Pulungan, Miftahul Rizky (2024) Klasifikasi Penyakit Pada Daun Cabai Menggunakan Gray Level Co-Occurence Matrix dan K-Nearest Neighbor. Skripsi thesis, UIN Sumatera Utara Medan.

	Text Cover_Skripsi (1).pdf Download (759kB)
	Text Bab_1_skripsi.pdf Download (353kB)
	Text Bab_2_skripsi.pdf Download (905kB)
	Text Bab_3_skripsi.pdf Download (401kB)
	Text Bab_4_skripsi.pdf Download (734kB)
	Text Bab_5_skripsi.pdf Download (278kB)
	Text Daftar_Pustaka (10).pdf Download (291kB)

Abstract

Produksi cabai sering mengalami fluktuasi, terutama di akhir tahun. Penurunan produksi cabai terjadi bersamaan dengan tingginya permintaan konsumen. Selama musim hujan, hasil produksi cabai menurun, sementara permintaan tetap stabil dan bahkan meningkat pada waktu-waktu tertentu. Salah satu faktor yang menyebabkan penurunan produksi adalah serangan penyakit pada tanaman cabai, seperti busuk buah, bercak daun, layu fusarium, dan penyakit yang disebabkan oleh virus. Penelitian ini bertujuan mengembangkan metode untuk mengklasifikasikan penyakit pada daun cabai dengan menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan algoritma K-Nearest Neighbor (KNN). Penyakit pada daun cabai dapat mengurangi kualitas dan hasil panen, sehingga deteksi dini sangat penting. GLCM digunakan untuk mengekstraksi fitur tekstur dari gambar daun, termasuk informasi tentang kontras, homogenitas, energi, dan entropi. Fitur-fitur ini kemudian diterapkan dalam algoritma KNN untuk mengidentifikasi jenis penyakit yang ada. Data penelitian terdiri dari gambar daun cabai yang terinfeksi berbagai penyakit serta gambar daun yang sehat sebagai kontrol. Proses pengolahan citra mencakup pra-pemrosesan, ekstraksi fitur menggunakan GLCM, dan klasifikasi menggunakan KNN dengan berbagai nilai k untuk menentukan akurasi terbaik. Hasil analisis menunjukkan bahwa klasifikasi penyakit daun cabai menghasilkan akurasi 100% dengan nilai k = 1, akurasi 84.62% dengan k = 3, akurasi 88.46% dengan k = 5 akurasi 57.69%. Temuan ini menunjukkan bahwa metode ini efektif dalam mengidentifikasi penyakit pada daun cabai dengan tingkat akurasi yang memuaskan, memberikan alternatif yang berguna bagi petani dalam manajemen penyakit tanaman. Penelitian ini diharapkan dapat menjadi landasan untuk pengembangan sistem deteksi penyakit otomatis dalam pertanian.

Jenis Item:	Skripsi (Skripsi)
Subjects:	000 Generalities > 005 Computer programming, programs, data
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	23 Jan 2025 04:47
Last Modified:	23 Jan 2025 04:47
URI:	http://repository.uinsu.ac.id/id/eprint/23838

Actions (login required)

View Item