Main Article Content
Abstract
Penyakit pada tanaman padi merupakan salah satu faktor yang menyebabkan turunnya tingkat produksi padi. Penyakit tersebut adalah bacterial leaf blight, leaf smut, brown spot dan sebagainya. Upaya identifikasi sejak dini penyakit tanaman padi dilakukan dengan pemanfaatan algoritma, salah satunya GLCM dan klasifikasi KNN. Identifikasi jenis penyakit menggunakan metode klasifikasi KNN berdasarkan eksktraksi fitur GLCM dengan mengubah citra asli menjadi citra keabu-abuan (grayscale). Setelah citra asli tersebut diubah menjadi citra keabu-abuan (grayscale), kemudian diekstraksi menggunakan GLCM untuk mendapatkan ekstraksi nilai ciri. Digunakan metode KNN untuk mengelompokkan jenis kemiripan penyakit. Data yang digunakan sebanyak 240 gambar diperoleh dari UCI Machine Learning Repository yang terdiri atas 3 jenis penyakit padi. Sebanyak 210 gambar sebagai data training dan 30 gambar lainnya untuk data uji. Hasil penenlitian ini setelah dilakukan 2 kali proses uji, tingkat akurasi tertinggi yang didapatkan sebesar 93,3%.
Kata Kunci: penyakit daun padi, klasifikasi, GLCM, KNN.
Article Details
Copyright (c) 2022 Bayu Setiaji, Arif Akbarul Huda
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
- Seluruh materi yang terdapat dalam situs ini dilindungi oleh undang-undang. Dipersilahkan mengutip sebagian atau seluruh isi situs web ini sesuai dengan ketentuan yang berlaku.
- Apabila anda menemukan satu atau beberapa artikel yang terdapat dalam Jurnal Pseudocode yang melanggar atau berpotensi melanggar hak cipta yang anda miliki, silahkan laporkan kepada kami, melalui email pada Priciple Contact.
- Aspek legal formal terhadap akses setiap informasi dan artikel yang tercantum dalam situs jurnal ini mengacu pada ketentuan lisensi Creative Commons Atribusi-ShareAlike (CC-BY-SA).
- Semua Informasi yang terdapat di Jurnal Pseudocode bersifat akademik. Jurnal Pseudocode tidak bertanggung jawab terhadap kerugian yang terjadi karana penyalah gunaan informasi dari situs ini.
References
- Sutarman, “Dasar Ilmu Penyakit Tanaman,” Sidoarjo, 2017.
- R. A. Saputra, S. Wasyianti, A. Supriyatna, and D. F. Saefudin, “Penerapan Algoritma Convolutional Neural Network Dan Arsitektur MobileNet Pada Aplikasi Deteksi Penyakit Daun Padi,” JURNAL SWABUMI, vol. 9, no. 2, 2021, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Rice
- E. Anggiratih, S. Siswanti, S. K. Octaviani, and A. Sari, “Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning,” Jurnal Ilmiah SINUS, vol. 19, no. 1, p. 75, Jan. 2021, doi: 10.30646/sinus.v19i1.526.
- A. Purnamawati, W. Nugroho, D. Putri, and W. F. Hidayat, “Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN,” vol. 5, no. 1, 2020, doi: 10.30743/infotekjar.v5i1.2934.
- N. A. Haris, H. Asgar, J. Sumah, and Kusrini, “Kombinasi Ciri Bentuk dan Ciri Tekstur Untuk Identifikasi Penyakit Pada Tanaman Padi,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 237–249, 2020.
- Y. Fernando et al., “KLASIFIKASI JENIS DAGING BERDASARKAN ANALISIS CITRA TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN WARNA,” 2017.
- D. Putra Pamungkas, “Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk Indentifikasi Jenis Anggrek (Orchidaceae),” vol. 1, no. 2, pp. 51–56, 2019.
- Suhendri and P. Rahayu, “Metode Grayscale Co-occurrence Matrix(GLCM) Untuk Klasifikasi Jenis Daun Jambu Air Menggunakan Algoritma Neural Network,” Journal of Information Technology, vol. 1, no. 1, pp. 15–22, 2019.
- R. Widodo et al., “Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu,” 2018. [Online]. Available: http://j-ptiik.ub.ac.id
- M. Widyaningsih, “IDENTIFIKASI KEMATANGAN BUAH APEL DENGAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM),” Jurnal SAINTEKOM, vol. 6, no. 1, pp. 71–88, 2017, Accessed: Dec. 11, 2021. [Online]. Available: https://ojs.stmikplk.ac.id/index.php/saintekom/article/view/7
- J. Kusanti, K. Penyakit, D. Padi, and A. Haris, “Klasifikasi Penyakit Daun Padi Berdasarkan Hasil Ekstraksi Fitur GLCM Interval 4 Sudut,” Jurnal Informatika: Jurnal Pengembangan IT (JPIT), vol. 03, no. 01, 2018.
- R. N. Whidhiasih and I. Ekawati, “IDENTIFIKASI JENIS PENYAKIT DAUN PADI MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENE SYSTEM (ANFIS) BERDASARKAN TEKSTUR,” 2019.
- D. Rohpandi, A. Sugiharto, M. Yoga, and S. Jati, “Klasifikasi Citra Digital Berbasis Ekstraksi Ciri Berdasarkan Tekstur Menggunakan GLCM Dengan Algoritma K-Nearest Neighbor,” 2018.
- H. B. Prajapati, J. P. Shah, and V. K. Dabhi, “Detection and classification of rice plant diseases,” Intelligent Decision Technologies, vol. 11, no. 3, pp. 357–373, 2017, doi: 10.3233/IDT-170301.
References
Sutarman, “Dasar Ilmu Penyakit Tanaman,” Sidoarjo, 2017.
R. A. Saputra, S. Wasyianti, A. Supriyatna, and D. F. Saefudin, “Penerapan Algoritma Convolutional Neural Network Dan Arsitektur MobileNet Pada Aplikasi Deteksi Penyakit Daun Padi,” JURNAL SWABUMI, vol. 9, no. 2, 2021, [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Rice
E. Anggiratih, S. Siswanti, S. K. Octaviani, and A. Sari, “Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning,” Jurnal Ilmiah SINUS, vol. 19, no. 1, p. 75, Jan. 2021, doi: 10.30646/sinus.v19i1.526.
A. Purnamawati, W. Nugroho, D. Putri, and W. F. Hidayat, “Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN,” vol. 5, no. 1, 2020, doi: 10.30743/infotekjar.v5i1.2934.
N. A. Haris, H. Asgar, J. Sumah, and Kusrini, “Kombinasi Ciri Bentuk dan Ciri Tekstur Untuk Identifikasi Penyakit Pada Tanaman Padi,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 237–249, 2020.
Y. Fernando et al., “KLASIFIKASI JENIS DAGING BERDASARKAN ANALISIS CITRA TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN WARNA,” 2017.
D. Putra Pamungkas, “Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk Indentifikasi Jenis Anggrek (Orchidaceae),” vol. 1, no. 2, pp. 51–56, 2019.
Suhendri and P. Rahayu, “Metode Grayscale Co-occurrence Matrix(GLCM) Untuk Klasifikasi Jenis Daun Jambu Air Menggunakan Algoritma Neural Network,” Journal of Information Technology, vol. 1, no. 1, pp. 15–22, 2019.
R. Widodo et al., “Pemanfaatan Ciri Gray Level Co-Occurrence Matrix (GLCM) Citra Buah Jeruk Keprok (Citrus reticulata Blanco) untuk Klasifikasi Mutu,” 2018. [Online]. Available: http://j-ptiik.ub.ac.id
M. Widyaningsih, “IDENTIFIKASI KEMATANGAN BUAH APEL DENGAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM),” Jurnal SAINTEKOM, vol. 6, no. 1, pp. 71–88, 2017, Accessed: Dec. 11, 2021. [Online]. Available: https://ojs.stmikplk.ac.id/index.php/saintekom/article/view/7
J. Kusanti, K. Penyakit, D. Padi, and A. Haris, “Klasifikasi Penyakit Daun Padi Berdasarkan Hasil Ekstraksi Fitur GLCM Interval 4 Sudut,” Jurnal Informatika: Jurnal Pengembangan IT (JPIT), vol. 03, no. 01, 2018.
R. N. Whidhiasih and I. Ekawati, “IDENTIFIKASI JENIS PENYAKIT DAUN PADI MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENE SYSTEM (ANFIS) BERDASARKAN TEKSTUR,” 2019.
D. Rohpandi, A. Sugiharto, M. Yoga, and S. Jati, “Klasifikasi Citra Digital Berbasis Ekstraksi Ciri Berdasarkan Tekstur Menggunakan GLCM Dengan Algoritma K-Nearest Neighbor,” 2018.
H. B. Prajapati, J. P. Shah, and V. K. Dabhi, “Detection and classification of rice plant diseases,” Intelligent Decision Technologies, vol. 11, no. 3, pp. 357–373, 2017, doi: 10.3233/IDT-170301.