Analisis Pengenalan Pola Daun Berdasarkan Fitur Canny Edge Detection dan Fitur GLCM Menggunakan Metode Klasifikasi k-Nearest Neighbor (kNN)

Abstract

Daun merupakan bagian dari tubuh tumbuhan yang dapat digunakan untuk mengidentifikasi jenis dari tumbuhan. Klasifikasi daun ini dapat dilakukan dengan cara pengenalan pola bentuk struktural dan juga tekstur dari citra daun tersebut. Klasifikasi citra daun ini berdasarkan fitur canny edge detection dan fitur GrayLevel Co-occurence Matrix (GLCM) dengan menggunakan metode klasifikasi kNearest Neighbor (kNN). Data yang digunakan sebanyak 350 citra daun dengan 7 spesies yang berbeda. Hasil pengujian yang telah dilakukan dari kedua metode yaitu fitur canny edge detection classifier menghasilkan akurasi 80% dan metode GLCM classifier menghasilkan akurasi 93,3%, serta dilakukannya penggabungan kedua metode menghasilkan akurasi klasifikasi 98%. Sehingga dapat disimpulkan bahwa, dengan dilakukan penggabungan kedua fitur canny edge detection dan GLCM dengan metode klasifikasi kNN menghasilkan akurasi yang baik dalam mengidentifikasi citra daun.
 Kata kunci -- daun, canny edge detection, gray-level co-occurence matrix (GLCM), k-nearest neighbor (kNN)

Klasifikasi Jenis Bunga Mawar Menggunakan Algoritma K-Nearest Neighbour

“…Klasifikasi adalah cara untuk memperkirakan kelas suatu objek yang objeknya belum diketahui, klasifikasi dapat dikatakan sebagai metode yang digunakan sebagai pembeda konsep dari kelas data selain itu juga untuk menemukan model [8]. Vol.…”