Fuad Yusuf Efendi

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Adinda Lailatul Hajiroh

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Oktavia Defi Putri Rahayu

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

Rifa Talyta Maheswari

Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jember

DOI: https://doi.org/10.19184/jei.v3i1.60102

ABSTRAK 

Penelitian ini mengkaji klasifikasi varietas tanaman Aglonema menggunakan metode K-Nearest Neighbors (KNN) dengan kombinasi fitur tekstur Gray Level Co occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Aglonema merupakan tanaman hias populer dengan variasi varietas yang memiliki kemiripan visual tinggi sehingga sulit dibedakan secara manual, khususnya oleh masyarakat awam. Oleh karena itu, diperlukan sistem identifikasi otomatis untuk mendukung kegiatan budidaya, perdagangan, dan konservasi tanaman. Dataset citra daun Aglonema diolah melalui tahap ekstraksi fitur tekstur. GLCM digunakan untuk mengekstraksi fitur statistik berupa contrast, correlation, energy, dan homogeneity, sedangkan LBP digunakan untuk menangkap pola tekstur lokal permukaan daun. Fitur yang diperoleh kemudian digabungkan dan digunakan sebagai input pada algoritma KNN untuk proses klasifikasi varietas. Hasil eksperimen menunjukkan bahwa fitur LBP memberikan kinerja klasifikasi yang lebih baik dibandingkan GLCM. Metode LBP mencapai akurasi tertinggi sebesar 72% pada K=6, sedangkan GLCM hanya mencapai akurasi maksimum 47% pada K=11 dan K=15. Hasil ini menunjukkan bahwa LBP lebih efektif dalam merepresentasikan karakteristik tekstur daun Aglonema dibandingkan GLCM. 

KATA KUNCI: K-Nearest Neighbors, Aglonema, GLCM, Local Binary Pattern, Klasifikasi citra daun