PENERAPAN LOCAL BINARY PATTERN (LBP) DAN K-NEAREST NEIGHBORS (KNN) UNTUK MENDETEKSI PENYAKIT BUAH TOMAT

Abdi Raka Atmaja, Sriani Sriani, Supiyandi Supiyandi

Abstract


Abstract: Diseases in tomato plants can cause significant losses in agricultural production. Early detection of diseases in tomato fruits is crucial to take appropriate preventive measures to reduce losses caused by these diseases. This research aims to propose an approach for disease detection in tomato fruits using the Local Binary Pattern (LBP) technique and the K Nearest Neighbour (KNN) algorithm. The method integrates feature extraction using LBP to extract texture features from images of diseased tomato fruits. Subsequently, the KNN algorithm is used to classify images based on the extracted features. This approach is implemented and evaluated using datasets of infected and healthy tomato fruit images. A total of 140 datasets are used in this study, with 71 data used for training and 69 used for testing. Based on the accuracy test results, an accuracy of 34.6% is obtained for the KNN model with K=3 and 25.5% for the KNN model with K=5 in the detection of tomato fruit diseases with a total of 69 data. The implications of this research are that the adoption of computer vision and machine learning techniques can enhance efficiency in managing plant diseases in agriculture.

 

Keywords: local binary pattern; k-nearest neighbour; plant disease detection;tomato fruit;computer vision

Abstrak: Penyakit pada tanaman tomat dapat menyebabkan kerugian yang signifikan dalam produksi pertanian. Deteksi dini penyakit pada buah tomat menjadi krusial untuk mengambil tindakan pencegahan yang tepat guna mengurangi kerugian yang disebabkan oleh penyakit tersebut. Penelitian ini bertujuan untuk mengusulkan sebuah pendekatan deteksi penyakit pada buah tomat menggunakan teknik Local Binary Pattern (LBP) dan algoritma K Nearest Neighbour (KNN). Metode yang digunakan mengintegrasikan ekstraksi fitur menggunakan LBP untuk mengekstraksi ciri tekstur dari citra buah tomat yang terkena penyakit. Selanjutnya, algoritma KNN digunakan untuk mengklasifikasikan citra berdasarkan fitur-fitur yang diekstraksi. Pendekatan ini diimplementasikan dan dievaluasi menggunakan dataset citra buah tomat yang terinfeksi dan sehat. Sebanyak 140 dataset digunakan dalam penelitian ini, di mana 71 data digunakan untuk data latih dan 69 digunakan untuk data uji. Berdasarkan hasil uji akurasi, diperoleh nilai akurasi sebesar 34,6% untuk model KNN dengan K=3 dan 25,5% untuk model KNN dengan K=5 pada hasil dari pendeteksian penyakit buah tomat sebanyak total 69 data. Implikasi dari penelitian ini adalah adopsi teknik komputer vision dan machine learning dapat meningkatkan efisiensi dalam pengelolaan penyakit tanaman pada pertanian secara luas.

 

Kata kunci: local binary pattern; k nearest neighbour;deteksi penyakit tanaman; buah tomat; komputer vision


Full Text:

PDF

References


Ahmad, A., & Latief, A. (2021). Perbandingan Metode KNN Dan LBPH Pada Klasifikasi Daun Herbal. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(3), 557–564.

Akbar, R. A., & Putra, R. E. (2019). Perbandingan Ekstraksi Fitur Haar-like dan Local Binary Pattern untuk Deteksi Wajah. Journal of Informatics and Computer Science (JINACS), 1(01), 1–8.

Argina, A. M. (2020). Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes. Indonesian Journal of Data and Science, 1(2), 29–33.

Arinal, V., & Harjanto, F. Y. (2024). Jaringan Syaraf Tiruan Untuk Klasifikasi Citra Daun Menggunakkan Metode Backpropagation. Kohesi: Jurnal Sains Dan Teknologi, 2(10), 80–90.

Casro, C., Purwati, Y., Setyaningsih, G., & Kuncoro, A. P. (2020). Rancang Bangun Aplikasi Pengaduan Pelanggan Berbasis Web Menggunakan Framework Codeigniter Di Indotechno Purwokerto. Jurnal Sains Dan Informatika, 6(2), 166–174. https://doi.org/10.34128/jsi.v6i2.244

Dinanti, A., & Purwadi, J. (2023). Analisis Performa Algoritma K-Nearest Neighbor dan Reduksi Dimensi Menggunakan Principal Component Analysis. Jambura Journal of Mathematics, 5(1), 155–165.

Dunggio, F. Y. R., & Bode, A. (2019). Penerapan Metode Local Binary Pattern Untuk Pengenalan Jenis Daun Tanaman Obat Tradisional Menggunakan Algoritma K-Nearest Neighbor. Jurnal Cosphi, 3(1).

Khomziyah, M. (2023). Aplikasi Pupuk Cair Limbah Rumah Tangga Terhadap Pertumbuhan Dan Produksi Tomat Cherry (Solanum lycopersicum Var. Cerasiforme) Sebagai Sumber Belajar Biologi Berupa LKPD. Universitas Muhammadiyah Metro.

Mahalisa, G., & Arminarahmah, N. (2022). Diabetes Classification Analysis Using the Euclidean Distance Method Based on the K-Nearest Neighbors Algorithm. J. Teknol. Komput. Dan Sist. Inf, 5(3), 178–182.

Maulana, F., Arwan, A., & Pramono, D. (2019). Pengembangan Sistem Aplikasi Manajemen Distribusi Pupuk Berbasis Web (Studi Kasus : PT. Petrokopindo Cipta Selaras) Fahrir). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(10), 10279–10286.

Nanda, I. D. (2021). Penerapan Local Binary Pattern Dan K-Nearest Neighbor Mendeteksi Penyakit Pada Daun Mangga. Universitas Islam Negeri Sumatera Utara.

Panunggul, V. B., Yusra, S., Khaerana, K., Tuhuteru, S., Fahmi, D. A., Laeshita, P., Rachmawati, N. F., Putranto, A. H., Ibrahim, E., & Kamarudin, A. P. (2023). Pengantar Ilmu Pertanian. Penerbit Widina.

Rahayu, M. I., & Nasihin, A. (2020). Perancangan Deteksi Pengenalan Wajah Menggunakan Metode Local Bianary Pattern (LBP). Jurnal Teknologi Informasi Dan Komunikasi, 9(1), 48–54.

Rahmadianto, R., Mulyanto, E., & Sutojo, T. (2019). Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbor untuk Mendeteksi Kualitas Telur Ayam. Jurnal VOI (Voice Of Informatics), 8(1).

Roviqoh, V., & Lukman, S. (2023). Klasifikasi Citra Daun Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Berbasis MATLAB. Prosiding Seminar SeNTIK, 7(1), 334–340.

Suhendra, S., Sitompul, J. N., & Simanjuntak, M. (2022). Analsis Metode K-Nearest Neighbor (Knn) Dalam Klasifikasi Siswa Terbaik Kelas Iii-Ipa Pada SMP Negeri 3 Satap Selesai. JTIK (Jurnal Teknik Informatika Kaputama), 6(2), 737–748.

Surianto, S. J., Ramadhani, S., & Ananta, W. P. (2023). Klasifikasi Tumor Otak Menggunakan Local Binary Pattern dan SVM Classifier. Student Research Journal, 1(6), 182–190.

Waidah, D. F., & Tarika, L. (2022). Analisis Dan Pengembangan Sistem Informasi Data E-Raport Dapodik Di Sd Swasta 001 Pt. Kg Meral Barat. Jurnal Tikar, 3(1), 9–18.

Wijaya, N., & Ridwan, A. (2019). Klasifikasi Jenis Buah Apel Dengan Metode K-Nearest Neighbors Dengan Ekstraksi Fitur HSV dan LBP. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 8(1), 74–78.




DOI: https://doi.org/10.54314/jssr.v7i3.2104

Article Metrics

Abstract view : 53 times
PDF - 11 times