KLASIFIKASI PENYAKIT DAUN BUNGA MAWAR MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX DAN HUE SATURATION VALUE

Irawati, Anastasya Dian (2024) KLASIFIKASI PENYAKIT DAUN BUNGA MAWAR MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX DAN HUE SATURATION VALUE. Other thesis, UPN Veteran Yogyakarta.

	Text 2. Cover_123200022_Anastasya Dian Irawati.pdf Download (311kB)
	Text 3. Abstrak_123200022_Anastasya Dian Irawati.pdf Download (354kB)
	Text 4. Lembar Pengesahan_123200022_Anastasya Dian Irawati.pdf Download (846kB)
	Text 5. Daftar Isi_123200022_Anastasya Dian Irawati.pdf Download (455kB)
	Text 6. Daftar Pustaka_123200022_Anastasya Dian Irawati.pdf Download (306kB)
	Text 1. Skripsi Fulltext_123200022_Anastasya Dian Irawati.pdf Restricted to Repository staff only Download (24MB)

Abstract

Indonesia mempunyai banyak jenis keanekaragamaan flora dan fauna, dari
banyaknya jenis flora salah satunya yaitu bunga. Salah satu bunga dengan bentuk yang
indah serta wangi yang harum adalah Bunga mawar. Namun seperti tanaman lainnya,
bunga mawar rentan terhadap berbagai jenis penyakit yang dapat menyerang daun, batang,
dan bungannya. Penyakit ini dapat mengurangi kemampuan tanaman untuk melakukan
fotosintesis, menyebabkan penurunan sebesar 20%-40%, atau bahkan lebih. Kondisi ini
membuat upaya para petani menjadi kurang efisien dan dapat menyebabkan kerugian.
Untuk mengatasi masalah ini, penting untuk menggunakan pendekatan digital agar dapat
mengenali berbagai jenis penyakit dan hama pada daun bunga mawar.
Penelitian ini bertujuan untuk mengklasifikasikan penyakit daun bunga mawar
dengan 3 jenis kondisi yaitu Black Spot, Downy Mildew, dan Fresh Leaf. Penelitian ini
menggunakan ekstraksi fitur Gray Level Co-Occurrence Matrix dan Hue Saturation Value
serta menggunakan algoritma klasifikasi K-Nearest Neighbor. Pemilihan Hue Saturation
Value didasarkan pada keunggulannya dalam segmentasi, deteksi objek, dan analisis
warna. Sementara, Gray Level Co-Occurrence Matrix dipilih karena kemampuannya untuk
menganalisis tekstur secara akurat, serta mudah untuk dikombinasikan dengan teknik lain.
K-Nearest Neighbor digunakan sebagai algoritma klasifikasi karena kesederhanaannya dan
kemudahan dalam pengimplementasian.
Temuan dalam penelitian ini, menunjukkan bahwa Klasifikasi Penyakit Daun
Bunga Mawar menggunakan K-Nearest Neighbor dengan Ekstraksi Fitur Gray Level Co
Occurrence Matrix dan Hue Saturation Value berhasil dilakukan. Klasifikasi Penyakit
Daun Bunga Mawar menggunakan K-Nearest Neighbor dengan Ekstraksi Fitur Gray Level
Co-Occurrence Matrix dan Hue Saturation Value menghasilkan kinerja terbaik dengan
accuracy sebesar 87%, recall sebesar 87%, dan precision sebesar 87%, dan f-1 score
sebesar 87%. Hasil penelitian menunjukan bahwa penggunaan ekstraksi fitur Hue
Saturation Value dan ekstraksi fitur Gray Level Co-Occurrence Matrix dengan 4 fitur yaitu
contrast, energy, homogeneity, dan correlation serta menggunakan algoritma K-Nearest
Neighbor dengan Nilai K=13 mendapatkan hasil yang terbaik.
Kata Kunci: Klasifikasi Citra, KNN, HSV, GLCM, Penyakit Daun Bunga Mawar

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi Citra, KNN, HSV, GLCM, Penyakit Daun Bunga Mawar
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Eko Suprapti
Date Deposited:	24 Jan 2025 02:36
Last Modified:	24 Jan 2025 02:36
URI:	http://eprints.upnyk.ac.id/id/eprint/42118

Actions (login required)

View Item