KLASIFIKASI PENYAKIT PADA DAUN JAMBU BERBASIS PENGOLAHAN CITRA DENGAN ANALISIS TEKSTUR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN)

Abstrak

Identifikasi penyakit pada daun merupakan langkah penting dalam mendukung deteksi dini dan pengelolaan tanaman secara efektif. Penelitian ini menyajikan pendekatan berbasis pengolahan citra digital dengan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan penyakit pada daun jambu. Proses diawali dengan preprocessing, termasuk mengubah ukuran gambar, mengurangi noise menggunakan Gaussian Blur, meningkatkan kualitas warna dengan CLAHE (Contrast Limited Adaptive Histogram Equalization), serta melakukan restorasi gambar. Ekstraksi fitur dilakukan dengan memanfaatkan Color Moments (meliputi mean, standar deviasi, dan skewness) untuk mendapatkan informasi warna, serta analisis tekstur berbasis Gray Level Co-occurrence Matrix (GLCM) untuk fitur seperti contrast, correlation, energy, dan homogeneity. Fitur yang dihasilkan digunakan untuk melatih model KNN, yang kemudian diuji menggunakan train-test split dengan berbagai nilai parameter kkk. Hasil menunjukkan bahwa metode ini mampu mengklasifikasikan penyakit dengan tingkat akurasi yang baik, sehingga berpotensi menjadi solusi bagi sistem monitoring pertanian berbasis teknologi.