KLASIFIKASI TANAMAN OBAT UNTUK PENYAKIT ASAM URAT DENGAN METODE LOCAL BINARY PATTERN (LBP)

Abstract

Tumbuhan yang tumbuh di tanah Indonesia terdapat 9.600 populasi yang dapat berguna untuk mengobati manusia, salah satunya dapat bermanfaat untuk penyakit asam urat. Banyaknya jenis pepohonan yang di mana terkadang memiliki karkteristik yang sama sehingga membuat orang yang membutuhkannya sulit untuk mengidentifikasi dan mengenalinya. Berdasarkan permasalahan yang dijelaskan, oleh karena itu sistem ini dibuat untuk mengidentifikasi tanaman obat yang bermanfaat untuk penyakit asam urat dengan menggunakan algoritma ekstraksi fitur tekstur Local Binary Pattern (LBP) dan klasifikasi menggunakan K- Nearest Neighbor (K-NN) yang di mana data uji coba dilakukan dengan menggunakan empat skenario. Hasil dari keluaran sistem ini akan menunjukan daun mana yang merupakan target dari data testing yang akan berguna untuk mengobati asam urat. Hasil akhir dari empat skenario terpilih akurasi yang tertinggi yaitu dengan rata-rata akurasi 51,83% dengan nilai K yang digunakan pada algoritma, yaitu K=1, K=3, dan K=5.