EKSTRAKSI FITUR GLCM DAN HSV UNTUK MENGIDENTIFIKASI PENYAKIT PADA TANAMAN ANGGUR MENGGUNAKAN FUZZY KNN

Salah satu bagian pada tanaman anggur yang dapat terserang penyakit adalah Daun. Terdapat 5 Jenis penyakit yang dapat menyerang daun anggur Black Rot, Leaf Blight (Pseudocercospora Vitis), Black Measles (Phaeomoniellaaleophilum, Phaeomoniella chlamydospora), Powdery Mildew (Ersyphe Necator Burr), dan Downy Mildew (Plasmopara Viticola). Gejala yang ditimbulkan dari setiap penyakit akan menunjukkan warna dan tekstur bercak yang berbeda pada daun. Untuk itu, dibutuhkan sistem yang dapat mengidentifikasi jenis penyakit yang menyerang daun anggur sehingga dapat dilakukan pengendalian yang tepat Untuk membedakan jenis penyakit yang menyerang penglihatan mata manusia perlu diuji untuk memperoleh hasil yang lebih akurat. Pada penelitian ini, dibangun suatu sistem yang dapat mengidentifikasi penyakit daun anggur, sehingga dibutuhkan metode yang mampu mengenali tekstur pada daun. Metode Grey Level Co-occurrence Matrix merupakan salah satu metode untuk ektraksi tekstur pada citra. Pada kasus identifikasi penyakit anggur, pemilihan metode ekstraksi warna sangat dibutuhkan agar dapat mencapai hasil yang baik pada sistem. Salah satu metode yang cukup baik dalam ekstraksi fitur warna adalah HSV karena warna-warna pada model HSV sama dengan warna yang ditangkap oleh indra manusia dan mampu memisahkan komponen intensitas citra warna. Setelah melakukan proses Grey Level Co-occurrence Matrix dan HSV selanjutnya akan dilakukan proses klasifikasi menggunakan metode FKNN dengan menggabungkan teknik Fuzzy dan K-Nearest Neighbor Classifier. Metode Fuzzy K-Nearest Neighbor memiliki dua keunggulan, dimana algoritme ini mampu mempertimbangkan sifat ambigu dari tetangga jika ada, dan memberikan kekuatan atau kepercayaan terhadap intance yang berada pada suatu kelas, dengan begitu proses klasifikasi bisa dilakukan dengan lebih objektif.. Pengujian dilakukan terhadap 2720 citra sebagai data training dan 200 citra sebagai data testing. Dari hasil pengujian tersebut diperoleh nilai accuracy paling tinggi sebesar 92,5%.