KLASIFIKASI JENIS TANAMAN AGLAONEMA BERDASARKAN CORAK DAUN MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR)
Author (Penulis)
Taufiq NurhidayatUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
13.1.03.02.0153Abstract
ABSTRAK
Di Indonesia khususnya masyarakat Kediri kurang begitu mengetahui akan macam-macam jenis tanaman aglaonema. Mereka hanya bangga membeli tanaman untuk dijadikan tanaman hias pada taman dan kebun, namun sedikit yang mengetahui akan jenisnya. Oleh sebab itu penulis terdorong untuk membuat suatu aplikasi klasifikasi tanaman aglaonema berdasarkan corak daun menggunakan metode KNN (K-Nearest Neighbor). untuk proses klasifikasi citra aglaonema. Citra yang diinputkan akan dilakukan proses konversi citra RGB menjadi grayscale, kemudian dilakukan proses deteksi tepi, diubah ke citra biner, lalu dinormalisasi biner, dihitung nilai jaraknya menggunakan euclidean distance. Proses terakhir mencari nilai jarak yang terdekat dari data yang sering muncul yang dijadikan acuan sebagai hasil dari klasifikasi class atau label jenis aglaonema crispum, aglaonema commutatum plant, dan aglaonema costatum. Hasil pengujian yang dilakukan pada aplikasi ini, untuk citra jenis aglaonema diperoleh dengan jumlah data pelatihan sebanyak pengenalan 3 jenis tanaman aglaonema data uji coba sebanyak 90 citra memperoleh persentase 75,55%.
Keyword
aReference
DAFTAR PUSTAKA
Bisri. 2014. Klasifikasi Citra Paru-Paru dengan Ekstraksi Fitur Histogram dan Jaringan Syaraf Tiruan Backpropagation, http://ejurnal.its.ac.id/index.php/sains_seni/article/viewFile/4193/1330, 11 Mei 2018.
Bowo, S. A. A., dkk. Analisis Deteksi Tepi Untuk Mengidentifikasi Pola Daun. http://eprints.undip.ac.id/32062/ 20 Desember 2016.
Febri Liantoni. 2015. Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearst Neighbor. Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Adhi Tama Surabaya. (Online), tersedia : https://www.researchgate.net/.../295547632_Klasifikasi_Daun_Dengan_Perbaikan_Fitur, diunduh 29 September 2016.
Gusadha AD. 2011. Identifikasi jenis aglaonema menggunakan probabilistic neural network [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Ion Ataka Halela1,Bowo Nurhadiyono,S.Si, M.Kom2,Farah Zakiyah Rahmanti3. 2016. Identifikasi Jenis Buah Apel Menggunakan Algoritma K-Nearest Neighbor (KNN) dengan Ekstraksi Fitur Histogram r. 1 (1). (Online), tersedia : http://eprints.dinus.ac.id/18159/1/abstrak_17654.pdf), diunduh 14 Desember 2016.
Kusumadewi, Sri., Fauziah, Ami., Khoiruddin, Arwan A., Wahid, Fathul., Setiawan, M. Andri., Rahayu, Nur Wijayaning., H. dayat, Taufik., dan Prayudi, Yudi. (2009). Informatika Kesehatan menggunakan metode KNN (K-Naerest Neighbor). Graha Ilmu. Yogyakarta.
M. I. Sikki, “Pengenalan Wajah Menggunakan K–Nearest Neighbor dengan Praproses Transformasi Wavelet,” Paradigma, vol. 10, p. 2, 2009.
Nofriadi. 2015. Java Fundamental dengan NetBeans 8.0.2. Yogyakarta: CV. Budi
Utama. Diambil dari: https://books.google.co.id/books?id=EFk9CwAAQBAJ&printsec=frontcover&dq=java+fundamental&hl=id&sa=X&redir_esc=y#v=onepage&q=java%20fundamental&f=false [22 Mei 2017]
Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta : Andi.
Putra, P. T. K., dan Wirdiani, N. K. A. 2014. Pengolahan Citra Digital Deteksi Tepi Untuk Membandingkan Metode Sobel, Robert dan Canny. Merpati Vol. 2.
S. Jatmika dan D. Purnamasari, “Rancang Bangun Alat Pendeteksi Kematangan Buah Apel dengan Menggunakan Metode Image Processing Berdasarkan Komposisi Warna,” vol. 8, 2014.
Sri Haryanti, Tri Irianto (2011) Rancang Bangun Sistem Informasi E-commerce
Untuk Usaha Fashion Studi Kasus Omah Mode Kudus. Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 3 No 1 – 2011.Hal 10. Universitas Surakarta
Yeni Nursita. 2016. Klasifikasi Jenis Jambu Air Berdasarkan Tulang Daun Menggunakan Metode K-Means, (Online), tersedia : http://simki.unpkediri.ac.id/mahasiswa/file_artikel/2016/12.1.03.02.0135.pdf), diunduh 5 Desember 2016.
Yunus, M. 2012. Perbandingan Metode – Metode Edge Detection Untuk Proses Segmentasi Citra Digital. Jurnal Teknologi Informasi Vol.3 No.2. http://ejurnal.stimats.ac.id/index.php/TI/article/view/224/254. 17 Desember 2016.
