KLASIFIKASI PENYAKIT PADA DAUN JAGUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN GRAY LEVEL CO OCCURRENCE MATRIX

Aziz, Nurdin Abdul (2025) KLASIFIKASI PENYAKIT PADA DAUN JAGUNG MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN GRAY LEVEL CO OCCURRENCE MATRIX. Skripsi thesis, UPN "Veteran"Yogyakarta.

	Text COVER.pdf Download (157kB)
	Text ABSTRAK.pdf Download (200kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (251kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (305kB)
	Text DAFTAR ISI.pdf Download (142kB)
	Text DAFTAR PUSTAKA.pdf Download (187kB)
	Text NURDIN ABDUL AZIZ - 123190153 - SKRIPSI.pdf Restricted to Repository staff only Download (3MB)

Abstract

Penyakit pada daun jagung menjadi salah satu faktor utama menurunnya
produktivitas pertanian jagung di Indonesia. Identifikasi dini terhadap jenis penyakit pada
daun sangat penting agar penanganan dapat dilakukan secara tepat waktu. Namun, proses
identifikasi manual masih memiliki kekurangan dari segi waktu, konsistensi, dan
subjektivitas. Oleh karena itu, diperlukan pendekatan berbasis teknologi pengolahan citra
digital yang dapat melakukan klasifikasi penyakit secara otomatis dan efisien.
Penelitian ini mengusulkan metode klasifikasi penyakit daun jagung dengan
memanfaatkan algoritma K-Nearest Neighbor (KNN) dan ekstraksi fitur tekstur
menggunakan Gray Level Co-Occurrence Matrix (GLCM). Dataset yang digunakan terdiri
dari 600 gambar daun jagung dengan empat kelas: healthy, blight, common rust, dan gray
leaf spot. Setiap gambar mengalami proses preprocessing berupa cropping dan konversi ke
grayscale sebelum dilakukan ekstraksi enam fitur GLCM (ASM, energy, contrast,
homogeneity, correlation, dissimilarity) pada empat orientasi sudut (0°, 45°, 90°, dan 135°).
Nilai-nilai ini kemudian digunakan sebagai input untuk model klasifikasi KNN, dengan
pengujian nilai K secara manual (k = 3, 5, dan 9) serta pemilihan parameter menggunakan
grid search.
Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa akurasi yang
diperoleh sebesar 72% untuk k = 3, 5, dan 9, serta 73% untuk k = 7 hasil grid search. Nilai
precision, recall, dan F1-score pada masing-masing kelas menunjukkan performa yang
cukup baik, meskipun masih terdapat ketidakseimbangan pada beberapa kategori. Secara
keseluruhan, kombinasi metode GLCM dan KNN terbukti efektif untuk klasifikasi penyakit
daun jagung, namun pengembangan lebih lanjut dengan metode lain seperti SVM atau CNN
dapat dieksplorasi untuk meningkatkan akurasi model.
Kata kunci: K-Nearest Neighbor, Gray Level Co-Occurrence Matrix, klasifikasi, penyakit
jagung, citra digital.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Nurdin Abdul Aziz (Penulis - 123190153); Heriyanto (Pembimbing)
Uncontrolled Keywords:	K-Nearest Neighbor, Gray Level Co-Occurrence Matrix, klasifikasi, penyakit jagung, citra digital.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	25 Nov 2025 01:51
Last Modified:	25 Nov 2025 01:51
URI:	http://eprints.upnyk.ac.id/id/eprint/45761

Actions (login required)

View Item