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

Hegry, Ahmed Farrel (2025) Klasifikasi Penyakit Pada Daun Padi Menggunakan Metode K-Nearest Neighbor dan Gray Level Co-Occurence Matrix. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text AHMED FARREL HEGRY FULL SKRIPSI.pdf Restricted to Repository staff only Download (2MB)
	Text ABSTRAK.pdf Download (1MB)
	Text COVER.pdf Download (1MB)
	Text DAFTAR ISI.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (1MB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (147kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (154kB)

Abstract

Padi merupakan tanaman yang bermanfaat sebagai bahan makanan pokok untuk
masyarakat Indonesia. Padi di Indonesia mengalami penurunan produksi pada tahun 2023
sebanyak 770 ribu ton Gabah Kering Giling (GKG) dibandingkan tahun 2022 sedangkan
Indonesia mengalami peningkatan penduduk sebanyak 2.922.400 jiwa pada tahun 2023.
Oleh karena itu, diperlukan teknologi untuk dapat membantu meningkatkan produksi padi,
salah satu caranya adalah dengan meningkatkan pengklasifikasian hama dengan
menggunakan teknologi sistem cerdas dengan metode GLCM dan KNN yang dilakukan di
penelitian ini. Dalam penelitian ini akan dilakukan penelitian dengan tujuan untuk
menyelesaikan permasalahan terkait efektivitas penerapan metode GLCM sebagai ekstraksi
ciri dan algoritma KNN dalam klasifikasi penyakit Blight, Blast dan Tungro pada daun padi.
Metode yang digunakan dalam penelitian ini adalah kombinasi antara Gray Level
Co-Occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan algoritma K-Nearest
Neighbor (KNN) sebagai teknik klasifikasinya. Proses penelitian meliputi tahap preprocessing
citra
daun
padi,
seperti
resizing
dan
remove
background,
untuk
meningkatkan

kualitas
data
sebelum
dilakukan
analisis tekstur
menggunakan
GLCM.
Fitur
yang
diperoleh

kemudian

digunakan dalam model KNN untuk mengklasifikasikan citra menjadi 3 jenis
penyakit yaitu Blight, Blast dan Tungro berdasarkan pola tekstur yang terdeteksi.
Hasil penelitian menunjukkan bahwa kombinasi metode GLCM dan KNN mampu
mengklasifikasikan penyakit daun padi dengan tingkat akurasi yang cukup baik yaitu 55%.
Pengujian dilakukan dengan berbagai nilai parameter K dalam KNN untuk menentukan
konfigurasi terbaik, di mana metode ini memberikan keunggulan dalam mengidentifikasi
pola tekstur yang spesifik pada masing-masing jenis penyakit. Diharapkan, penelitian ini
dapat menjadi langkah awal dalam pengembangan sistem deteksi penyakit daun padi yang
lebih akurat dan efisien.
Kata Kunci: Klasifikasi, KNN, Gray Level Co-Occurence Matrix, Daun Padi

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Klasifikasi, KNN, Gray Level Co-Occurence Matrix, Daun Padi
Subjek:	Q Science > Q Science (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Eny Suparny
Date Deposited:	28 Jan 2026 03:48
Last Modified:	28 Jan 2026 03:48
URI:	http://eprints.upnyk.ac.id/id/eprint/46870

Actions (login required)

View Item