Segmentasi K-Means Citra Daun Tin Dengan Klasifikasi Ciri Gray Level Co Occurance Matrix

Muhammad Qomaruddin, Dwiza Riana, Anton Anton

Abstract


Tanaman Tin dengan nama latin Ficus Caric adalah sejenis tanaman buah dari sejenis pohon yang banyak tumbuh di kawasan daerah tropis dan subtropis. Tanaman Tin saat ini sudah banyak dibudidayakan di Indonesia. Buah Tin memiliki buah yang berwarna kuning kecoklatan, dengan rasa yang manis. Cerotelium Fici adalah jenis penyakit karat daun yang menyerang pada daun tin, dan menjadi ancaman terbesar terhadap produksi buah tin. Penyakit lain yang menyerang pada tanaman tin adalah kutu kebul dan virus mosaik. Virus mosaik ini pertama kali muncul di California dan menyebar ke sebagaian besar wilayah Indonesia dan Amerika Serikat. Daun tin yang terinfeksi virus ini menjadi bintik-bintik cokelat menyebabkan pertumbuhan tanaman tin menjadi lambat dan cacat pada buah tin. Dalam perkembangan ilmu pengetahuan dan teknologi, cara untuk mendeteksi penyakit pada tanaman tin seperti karat daun, virus mosaik dan kutu kebul dapat dilakukan dengan bantuan pengolahan citra. Untuk itu penelitian ini bertujuan melakukan pengolahan citra berupa segmentasi K-Means pada citra daun tin yang dianalisa dengan ekstrasi fitur GLCM dan mengklasifikasikan Naïve Bayes untuk mendapatkan akurasi terbaik dalam klasifikasi penyakit citra daun tin. Setelah itu, dilakukan analisis tekstur menggunakan metode Grey Level Co-Occurance Matrix (GLCM) dan segmentasi K-Means clustring dalam pengolahan citra daun tin.


Keywords


K-Means, GLCM, Algoritma Naïve Bayes, Segmentasi, Confusion Matrix

Full Text:

PDF

References


R. Purnamasari, D. Winarni, A. A. Permanasari, E. Agustina, S. Hayaza, and W. Darmanto, “Anticancer Activity of Methanol Extract of Ficus carica Leaves and Fruits Against Proliferation, Apoptosis, and Necrosis in Huh7it Cells,” Cancer Inform., vol. 18, pp. 0–6, 2019, doi: 10.1177/1176935119842576.

Y. Zhang, Y. Wan, B. Huo, B. Li, Y. Jin, and X. Hu, “Extracts and components of ficus carica leaves suppress survival, cell cycle, and migration of triple-negative breast cancer MDA-MB-231 cells,” Onco. Targets. Ther., vol. 11, pp. 4377–4386, 2018, doi: 10.2147/OTT.S171601.

J. Kamas, M. Nesbitt, and L. Stein, “Te x a s F r u i t a n d N u t P r o d u c t i o n,” pp. 1–7.

S. Hadianti and D. Riana, “Segmentasi Citra Bemisia Tabaci Menggunakan Metode K-Means,” Semin. Nas. Inov. dan Tren, p. 2018, 2018.

P. A. Tumbuhan, TUMBUHAN I Disusun oleh Pusat Penerbitan dan Publikasi Universitas Kristen Indonesia Jl . Mayjen Sutoyo No . 2 . Cawang Jakarta Timur, no. July. Pusat Penerbitan dan Publikasi Universitas Kristen Indonesia Jl. Mayjen Sutoyo No. 2. Cawang Jakarta Timur, 2020.

R. R. Waliyansyah, “Identifikasi Jenis Biji Kedelai ( Glycine Max L ) Menggunakan Gray Identification of Glycine Max L Seeds Using Gray Level Coocurance Matrix ( Glcm ) and K-Means Clustering,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 1, pp. 17–26, 2020, doi: 10.25126/jtiik202071066.

J. P. Gaikwad, “Region of Interest of Diseased Leaf using Overlapping Window Technique,” vol. 10, no. 1, pp. 865–868, 2017.

D. Mondal, D. K. Kole, and K. Roy, “Gradation of yellow mosaic virus disease of okra and bitter gourd based on entropy based binning and Naive Bayes classifier after identification of leaves,” Comput. Electron. Agric., vol. 142, no. October, pp. 485–493, 2017, doi: 10.1016/j.compag.2017.11.024.

F. R. F. Padao and E. A. Maravillas, “Using Naïve Bayesian method for plant leaf classification based on shape and texture features,” 8th Int. Conf. Humanoid, Nanotechnology, Inf. Technol. Commun. Control. Environ. Manag. HNICEM 2015, no. December, 2016, doi: 10.1109/HNICEM.2015.7393179.

M. Turkoglu and D. Hanbay, “Recognition of plant leaves: An approach with hybrid features produced by dividing leaf images into two and four parts,” Appl. Math. Comput., vol. 352, pp. 1–14, 2019, doi: 10.1016/j.amc.2019.01.054.

J. Sun, X. Zhou, Y. Hu, X. Wu, X. Zhang, and P. Wang, “Visualizing distribution of moisture content in tea leaves using optimization algorithms and NIR hyperspectral imaging,” Comput. Electron. Agric., vol. 160, no. August 2018, pp. 153–159, 2019, doi: 10.1016/j.compag.2019.03.004.

W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” None, vol. 13, no. 1, pp. 76–84, 2017, doi: 10.33480/pilar.v13i1.149.

S. Hadianti and D. Riana, “Segmentation and Image Analysis for Image Microscopic Pap Smear,” vol. xx, no. x, 2017.

V. K. Mishra, S. Kumar, and N. Shukla, “Image Acquisition and Techniques to Perform Image Acquisition,” SAMRIDDHI A J. Phys. Sci. Eng. Technol., vol. 9, no. 01, pp. 3–6, 2017, doi: 10.18090/samriddhi.v9i01.8333.

F. R. Lestari, J. Y. Sari, Sutardi, and I. Purwanti, “Deteksi Penyakit Tanaman Jeruk Siam Berdasarkan Citra Daun,” no. December, pp. 276–283, 2018.

F. G. Febrinanto, C. Dewi, and A. T. Wiratno, “Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 5375–5383, 2018.

Eko Prasetyo, “Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab,” F. S. Suyantoro, Ed. Yogyakarta: Andi Yogyakarta, 2011, p. 404.

S. Informasi, U. B. Insani, P. Diplodia, E. Fitur, N. Network, and D. Tree, “Deteksi Penyakit Pada Tanaman Mangga Dengan Citra Digital : Tinjauan Literatur Sistematis ( SLR ),” vol. 7, no. 1, pp. 63–72, 2020.

S. Zahrah, R. Saptono, and E. Suryani, “Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra,” no. Snik, pp. 100–106, 2016.

R. V. Nahari et al., “Cow Weight Estimation Using Local Adaptive Thresholding Method And Connected Component Labelling,” vol. 1, no. Icst, pp. 148–152, 2018, doi: 10.2991/icst-18.2018.32.

E. Prasetyo and A. M. Matlab, “Bab 8 SEGMENTASI E. Prasetyo, Pengolahan Citra digital dan Aplikasinya Menggunakan Matlab, Yogyakarta: Penerbit ANDI, 2011,” 2011.

W. F. Mahmudy, M. A. Rahman, J. Matematika, and U. Brawijaya, “Segmentasi Citra Digital Menggunakan Metode Adaptive Split-and-Merge yang Dimodifikasi,” no. 2, pp. 127–137.

Ulla Delfana Rosiani, Cahya Rahmad, Marcelina Alifia Rahmawati, and Frangky Tupamahu, “Segmentasi Berbasis K-Means Pada Deteksi Citra Penyakit Daun Tanaman Jagung,” J. Inform. Polinema, vol. 6, no. 3, pp. 37–42, 2020, doi: 10.33795/jip.v6i3.331.

S. S. FI, Ed., “BAB 6 Pengolahan Citra digital dan Aplikasinya Menggunakan Matlab,” Yogyakarta: CV.Andi Offset, 2011, p. 155.

A. Mukminin and D. Riana, “Komparasi Algoritma C4 . 5 , Naïve Bayes Dan Neural Network Untuk Klasifikasi Tanah,” J. Inform., vol. 4, no. 1, pp. 21–31, 2017.

E. Kamilah, R. Venantius, H. Ginardi, and C. Fatichah, “Klasifikasi penyakit noda pada citra daun tebu berdasarkan ciri tekstur dan warna menggunakan segmentation-based gray level cooccurrence matrix dan LAB color moments,” vol. 3, no. 1, pp. 1–10, 2017.

S. C. Madiwalar and M. V. Wyawahare, “Plant disease identification: A comparative study,” 2017 Int. Conf. Data Manag. Anal. Innov. ICDMAI 2017, pp. 13–18, 2017, doi: 10.1109/ICDMAI.2017.8073478.

E. Prasetyo and A. M. Matlab, “BAB 9Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab,” Pengolahan., vol. 26, FI. Sigit Suyantoro, Ed. Yogyakarta: CV.Andi Offset, 2011, pp. 283–284.




DOI: http://dx.doi.org/10.26418/justin.v9i2.44139

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

ara komputer
View My Stats

Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License