PENGEMBANGAN APLIKASI PEMBELAJARAN ALGORITMA GLCM DAN KNN DALAM PENGENALAN PENYAKIT PADA DAUN

Ali Akbar Lubis, Mega Silfia Dewy, Muhammad Isnaini

Abstract


Abstrak: Kemajuan teknologi memberikan dampak yang besar dalam kemajuan bidang Pendidikan. Dengan kemajuan ini menyediakan sumber belajar yang beragam, salah satunya pembelajaran sebuah algoritma/metode. Terkadang sebuah implementasi sebuah algoritma atau metode tidaklah mudah. Karena prosesnya yang kompleks dan membutuhkan waktu untuk memahami langkah-langkahnya. Penelitian ini bertujuan untuk membangun sebuah aplikasi pembelajaran dalam menerapkan algoritma Gray Level Co-Occurance Matrix (GLCM) dan KNN dalam pengenalan penyakit pada daun. Algoritma GLCM (Gray Level Co-Occurance Matrix) dan KNN memproses citra yang diinput dengan pengenalan pola untuk mendeteksi penyakit yang terdapat pada tanaman. Hasil dari penelitian ini berupa aplikasi pembelajaran yang dapat menunjukkan langkah-langkah dalam proses pengenalan pola pada daun yang ditampilkan secara detail. Dengan adanya aplikasi ini maka dapat menjadi alternatif bagi masyarakat untuk mempelajari kedua algoritma ini.

 

Kata Kunci: GLCM, KNN, aplikasi pembelajaran

 

Abstract: Technological advances have had a major impact on the progress of the education sector.  This progress provides various learning resources, one of which is learning an algorithm/method. Sometimes implementing an algorithm or method is not easy.  Because the process is complex and takes time to understand the steps. This research aims to build a learning application in applying the Gray Level Co-Occurance Matrix (GLCM) and KNN algorithms in recognizing disease on leaves.The GLCM (Gray Level Co-Occurance Matrix) and KNN algorithms process the input image with pattern recognition to detect diseases in plants. The results of this research are in the form of a learning application that can show the steps in the pattern recognition process on leaves which are displayed in detail.  With this application, it can be an alternative for people to learn about these two algorithms.

 

Keywords: GLCM, KNN, Learning application

Full Text:

PDF

References


Ahmadi, Abu. 2010. Konstruksi Pengembangan Pembelajaran. Jakarta: Prestasi Pustaka.

Ansyar, Rayandra. 2011. Kreatif Mengembangkan Media Pembelajaran. Jakarta: Gaung Persada.

Arsyad, A. 2011. Media Pembelajaan. Jakarta : PT Raja Grafindo Persada.

Agaputra, M. D., Wardani, K. R., & Siswanto, E. 2013. Pencarian Citra Digital Berbasiskan Konten dengan Ekstraksi Fitur HSV, ACD, dan GLCM.

Agung, I. G., & Sugiartha. 2017. Ekstraksi Fitur Warna, Tekstur dan Bentuk untuk Clustered- Based Retrieval of Images (CLUE). 613.

Andono, N. P., Sutojo, T., & Muljono. 2017. Pengolahan Citra Digital. Yogyakarta: Andi.

Arriawati, A. J., Santoso, i., & Christyono, Y. 2011. KLASIFIKASI CITRA TEKSTUR MENGGUNAKAN K-NEAREST NEIGHBOUR BERDASARKAN EKSTRAKSI CIRI METODE MATRIKS KOOKURENSI.

Asmara, R. A. 2018. Pengolahan Citra Digital. Malang: UPT Percetakan dan Penerbitan Polinema.

Budiarti, L. P., Hidayat, N., & Afirianto, T. 2018. Implementasi Algoritma Modified K-Nearest Neighbor (MK-NN) Untuk Diagnosis Penyakit Anjing. Penelitian, 4340-4346.

Hidayatullah, P. 2017. Pengolahan citra digital: teori dan aplikasi nyata. Bandung: Penerbit Informatika Bandung.

Madenda, S. 2015. Pengolahan Citra & Video Digital. Jakarta: Penerbit Erlangga.

Malik, A. S. 2008. Pengolahan Citra Digital Dengan ER. Makassar.

Munir, R. 2004. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Informatika Bandung

Ni’mah, et, al. 2018. Identifikasi Tumbuhan Obat Herbal Berdasarkan Citra Daun Menggunakan. Penelitian, 6.

P.N. Andono, T. 2017. Pengolahan Citra Digital. Yogyakarta: Andi.

Pamungkas, D. P. 2019. Ekstraksi Citra menggunakan Metode GLCM dan KNN untuk Identifikasi Jenis Anggrek (Orchidaceae). 51-56.

prahudaya T. Y. & harjoko A. 2017. METODE KLASIFIKASI MUTU JAMBU BIJI MENGGUNAKAN KNN. Penelitian, 59-138.

Putra, D. 2010. Pengolahan Citra Digital. Yogyakarta: Andi Offset.

Rafael C. Gonzalez, R. E. 2011. Digital Image Processing. Bandung: Technology & Engineering.

Ratnasari, E. K., Ginardi, R. V., & Fatichah, C. 2017. Klasifikasi penyakit noda pada citra daun tebu berdasarkan ciri tekstur dan warna menggunakan segmentation-based gray level co-occurrence matrix dan lab color moments. Unipidu, 1-10.

Setiawan, M. 2018. KLASIFIKASI PENYAKIT PADA CITRA DAUN.

Sinaga, h. 2020. KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE K*TREE.

Sutoyo, Mulyanto, E., & Suhartono, V. 2009. Teori Pengolahan Citra Digital. 1st ed. Yogyakarta: Andi.

Taningrum, et, al. 2016. Sistem Pengidentfikasian Plat Nomor Kendaraan Mobil Menggunakan Metode Pricinpal Component Analysis Dan Klasifikasi K-NN.

Wanto, Anjar; Siregar, M Noor Hasan; Widarto, Agus Perdana; et al. 2020. Data Mining: Algoritma dan Implementasi. Medan: Yayasan Kita Menulis.

Xie, X., Ma, Y., Liu, B., He, J., Li, S., & Wang, H. 2020. A Deep-Learning-Based Real-Time Detector for Grape Leaf Diseases Using Improved Convolutional Neural Networks. Front.Plant Sci, 11-751




DOI: https://doi.org/10.24114/jtikp.v10i2.54010

Article Metrics

Abstract view : 54 times
PDF - 32 times

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Jurnal Teknologi Informasi dan Komunikasi dalam Pendidikan is licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional.