Klasifikasi Tanaman Zaitun Menggunakan Algoritma K-Nearest Neighbor Dan Metode Gray Level Co-Occurence Matrix

Ghenas Daffa Satryo, Anta Jayanta, Ati Zaidiah

Abstract


Zaitun merupakan tanaman yang berasal dari daerah Timur Tengah. Tanaman ini dapat hidup secara baik di Indonesia dikarenakan iklim Indonesia yang lumayan memiliki kesamaan dengan tempat asal tanaman ini yaitu sama-sama berupa iklim panas. Maka dari itu, sebetulnya Indonesia dapat menjadi tempat budidaya tanaman zaitun namun banyak masyarakat yang belum mengetahu bagaimana mengidentifikasi tanaman ini dengan tanaman lain. Oleh karena itu, penulis melakukan penelitian untuk membuat suatu program untuk mempermudah masyarakat dalam mengidentifikasi tanaman zaitun dengan tanaman lain melalui medium daun. Program ini akan menggunakan algoritma K-Nearest Neighbor (KNN) untuk model klasifikasi daun tanaman dan metode Gray Level Co-occurence Matrix (GLCM) untuk ekstraksi ciri tekstur daun. Diharapkan penelitian ini dapat membantu untuk membedakan tanaman zaitun dengan tanaman lain.

Keywords


daun, zaitun, Grey Level Co-occurence Matrix, K-Nearest Neighbor

References


R. Govaerts, P.S.Green (2021). Facilitated by the Royal Botanic Gardens, Kew. Published on the Internet; http://wcsp.science.kew.org/ Retrieved 2 July 2021.

Green’, P. S. (2002) ‘Type species: Olea europaea L. (lectotype), Green & Wickens in Kit Tan’, Kew Bulletin, 57(1), p. 8.

Hastuti, I. (2016) “Perbandingan Metode Deteksi Tepi Menggunakan Metode Canny, Prewitt Dan Sobel Pada Image Ikan”, Jurnal Repositori Poliban, 1(Vol 1 (2016): Inovasi Teknologi Tepat Guna untuk Mewujudkan Sinergi Perguruan Tinggi dengan Masyarakat), pp. A129–A137.

Arrozi, A.Z., (2019). Klasifikasi Daun Menggunakan Metode Grey Level Co–Occurance Matrix (Glcm) Dan Algoritma Learning Vector Quantization (LVQ) Doctoral dissertation, Universitas Pembangunan Nasional Veteran Jakarta.

Browniee, Jason, 2018. A Gentle Introduction to k-Fold Cross Validation, Statistical Methods. Retrieved from https://machinelearningmastery.com/k-fold-cross-validation/ on 1 April 2021.

Andono, P. N., Sutojo, T., & Mulijono. (2017) “Pengelolaan Citra Digital”, Yogyakarta: Penerbit ANDI.

Banjarsari, M. A., Budiman, H. I., & Farmadi, A. (2015) “Penerapan K-Optimal Pada Algoritma KNN untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer FMIPA UNLAM Berdasarkan IP Sampai Dengan Semester 4” Kumpulan Jurnal Ilmu Komputer (KLIK), 2(2), 50—64. ISSN: 2406-7857.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.