Aplikasi Pengidentifikasi Jenis Daun menggunakan Metode Gray Level Co-Occurrence Matrix dan Algoritma K-Nearest Neighbor
Abstract
Identifikasi tumbuhan merupakan suatu proses pengenalan tumbuhan yang bertujuan untuk mengetahui jenis tumbuhan secara detail dan lengkap. Tumbuhan dapat dibedakan menjadi 2 jenis berdasarkan keping bijinya, yaitu monokotil dan dikotil. Untuk membantu dalam mengenali jenis-jenis daun, maka dibangun sebuah aplikasi yang dapat mengidentifikasi jenis daun berdasarkan citra digital. Aplikasi ini dibuat dengan menerapkan metode ekstraksi fitur dan klasifikasi. Metode ekstraksi ciri yang digunakan adalah metode Gray Level Co-Occurrence Matrix dimana metode ini mengekstraksi fitur-fitur tertentu berdasarkan citra objek daun. Sedangkan algoritma yang digunakan adalah algoritma K-Nearest Neighbor. Algoritma K-Nearest Neighbor merupakan algoritma berbasis data pembelajaran. Pengujian yang dilakukan menggunakan K-Fold Cross Validation, pengujian nilai k terbaik dan kuesioner. Hasil akurasi aplikasi yang diuji menggunakan K-Fold Cross Validation dengan 10-fold cross validation memberikan hasil sebesar 73,09% dan pengujian k terbaik sebesar 71,76% dimana nilai k = 5. Pengujian kuesioner memberikan hasil sebesar 76,27% aplikasi bermanfaat, 78,56% aplikasi mudah digunakan, 80,27% aplikasi mudah dipelajari dan 80% aplikasi memuaskan. Aplikasi yang sudah dibangun mampu melakukan identifikasi jenis daun.  Kata Kunci : Identifikasi Daun, Pengolahan Citra Digital, Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, K-Fold Cross ValidationReferences
LIPI. (2012). Identifikasi Tanaman. Diambil pada 10 Agustus 2016 dari: http://www.krbogor.lipi.go.id/id/Identifikasi-Tanamana.html
Murdoko. (2015). “Klasifikasi Citra Daun Tanaman Menggunakan Metode Extreme Learning Machineâ€. Palembang: Universitas Sriwijaya.
Imaduddin. (2015). “Deteksi dan Klasifikasi Daun menggunakan Metode Adaboost dan SVMâ€. Depok: Sekolah Tinggi Teknologi Terpadu Nurul Fikri.
Yodha. (2014). “Pengenalan Motif Batak menggunakan Deteksi Tepi Canny dan K-Nearest Neighborâ€. Semarang: Universitas Dian Nuswantoro Semarang.
Sucianty. (2014). “Aplikasi Pengidentifikasian Tanaman Dikotil menggunakan Algoritma Canny dan Histogram pada Smartphone Androidâ€. Pekanbaru: Politeknik Caltex Riau.
Kementerian Pendidikan dan Kebudayaan. (2016). “Kamus Besar Bahasa Indonesia edisi IIIâ€. Jakarta: Kementerian Pendidikan dan Kebudayaan.
Jain, Anil.K. (1997). “Fundamentals of Digital Image Processing edisi 1997â€. India: Prentice-Hall.
Pitas, Ioannis. (2000). “Digital Image Processing Algorithms and Applicationsâ€. Thessaloniki: Aristotle University of Thessaloniki.
Gonzales, Rafael C. & Woods, Richard E. (2013). “Digital Image Processing Using MATLAB Third Editionâ€. United States: University of Tennessee.
Kadir, A., & Susanto, A. (2013). “Teori dan Aplikasi Pengolahan Citra Digitalâ€. Yogyakarta: Penerbit Andi.
T.Larose, Daniel. & D.Larose, Chantal. (2014). “Discovering Knowledge in Data: An Introduction to Data Mining Second Editionâ€. United States: IEEE Computer Society
Santoso, Budi. (2007). “Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis, 1st edâ€. Yogyakarta, Indonesia: Graha Ilmu,2007
Downloads
Published
Issue
Section
License
Copyright info for authors
1. Authors hold the copyright in any process, procedure, or article described in the work and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors retain publishing rights to re-use all or portion of the work in different work but can not granting third-party requests for reprinting and republishing the work.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) as it can lead to productive exchanges, as well as earlier and greater citation of published work.