Identifikasi Penyakit Daun Kentang Berdasarkan Fitur Tekstur dan Warna Dengan Menggunakan Metode K-Nearest Neighbor

Abstract

Tanaman kentang memiliki potensial yang cukup besar untuk dikembangkan di Indonesia. Walaupun memiliki potensial yang besar produksi dan produktivitas tanaman ini tiap tahunnya mengalami penurunan yang cukup drastis dikarenakan adanya beberapa kendala, salah satunya disebabkan oleh serangan hama dan penyakit. Untuk membantu memprediksi serangan hama dan penyakit sejak dini pada tanaman kentang dibutuhkannya sebuah sistem. Penelitian ini berisi tentang membuat suatu sistem atau program yang bertujuan untuk mengidentifikasi penyakit daun kentang dengan memanfaatkan metode K-nearest neighbor (KNN) untuk ekstraksi fitur tekstur dan warna pada tanaman kentang. Tahap perancangan sistemnya dari proses resize (praproses data citra), ekstraksi fitur, pembagian data (data test dan train), dan perhitungan nilai akurasi dan prediksi. Dengan sistem identifikasi ini nantinya akan menghasilkan output berupa hasil data prediksi, data sebenarnya (datasets), dan nilai akurasi dari program. Berdasarkan percobaan yang telah dilakukan pada penelitian ini, nilai K memiliki pengaruh terhadap nilai akurasi, setelah dilakukan pengujian setiap menggunakan nilai K yang berbeda maka akan menghasilkan nilai akurasi yang berbeda juga. Hasil terbaik pada model-model classifier KNN terdapat pada saat nilai K = 3 dimana memiliki hasil perhitungan sebesar 80% untuk nilai akurasi.