Penggunaan Metode Ekstraksi Fitur Tekstur Gray Level Co-ocurrrence Matrix dan K-Nearest Neighbor untuk Identifikasi Jenis Penyakit Tanaman Apel

Abstrak

Indonesia adalah negara beriklim tropis yang dapat dengan mudah bagi tanaman apel untuk tumbuh, bahkan industri pertanian tanaman apel adalah salah satu bidang yang banyak digeluti di indonesia. Malang adalah salah satu daerah penghasil apel terbanyak di indonesia. Dijelaskan juga dalam data Badan Pusat Statistik (BPS) pada tahun 2019 bahwa Kabupaten malang dapat menghasilkan 1.406.173 kwintal buah apel. Pada budidaya tanaman apel, pengendalian hama dan penyakit merupakan salah satu faktor penting dalam perkembangan tanaman apel karena dapat mempengaruhi hasil panen dan kualitas buah apel. Ada beberapa penyakit utama yang menyerang tanaman seperti Apple Scab yang disebabkan oleh Jamur Venturia inaequalis, Black Rot yang disebabkan oleh Jamur Botryosphaeria obtusa dan Cedar-Apple Rust yang disebabkan oleh Jamur Gymnosporangium juniperi-virginianae. Teknologi informasi diperlukan untuk mempercepat proses identifikasi penyakit tanaman apel. Penelitian ini memanfaatkan hasil ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan metode klasifikasi K-Nearest Neighbor. Pada penelitian ini data yang digunakan sebanyak 1943 citra daun dengan 4 kelas meliputi Apple Scab, Black Rot, Cedar Apple Rust dan Healthy. Fitur GLCM yang digunakan pada peelitian ini adalah Variance, Homogeneity, Energy dan Correlation. Pada evaluasi digunakan metode K-fold cross validation untuk menghilangkan bias pada data dengan k=10. Dari seluruh pengujian yang dilakukan akurasi rata-rata tertinggi 84,56% pada sudut 90° dengan nilai d=2 dan pada nilai k=3 dengan metode perhitungan jarak Euclidean Distance.