Perangkat Lunak Mobile Untuk Mendeteksi Daun Pada Tanaman Menggunakan Algoritma K-Nearest Neighbor (K-NN)
DOI:
10.51519/journalita.volume2.isssue2.year2021.page117-126Keywords:
Perangkat Lunak Deteksi, Aplikasi Deteksi Daun, Algoritma K-NN, Aplikasi Mobile DeteksiAbstract
Penelitian yang berkaitan dengan deteksi dan identifikasi dalam bidang machine learning menjadi sebuah tren saat ini. Machine learning menjadi metode baik dalam menciptakan sistem deteksi yang terotomatisasi, khususnya dalam bidang deteksi jenis maupun bentuk dari tanaman. Dengan adanya sistem deteksi yang otomatis memungkinkan setiap benda dapat dengan mudah diketahui atau di identifikasi secara cepat. Di Indonesia, jenis tanaman tumbuh subur dan terdapat ratusan bahkan ribuan jenis. Untuk membedakan jenis tanaman tidak semua orang memiliki kemampuan ini. Untuk itu, dibutuhkan sebuah alat bantu dalam proses deteksi dan identifikasi tanaman ini. Penelitian ini fokus pada bagaimana membangun perangkat lunak berbasis mobile yang dapat dengan mudah digunakan dalam percepatan identifikasi jenis daun pada tanaman. Dataset yang digunakan sebanyak 15 jenis daun tanaman dengan jumlah sampel dari setiap daun sebanyak 30 jenis. Algoritma yang digunakan dalam proses klasifikasi menggunakan K-NN. Hasil pengujian menggunakan platform pada Android Mobile menunjukkan proses deteksi berjalan sesuai harapan. Akan tetapi, perlu peningkatan performa dengan penambahan jumlah dataset jenis daun tanaman untuk cakupan yang lebih luas.
References
A. Susilo, “Inventarisasi Jenis Tumbuhan Asing Berpotensi Invasif di Taman Nasional Meru Betiri,” in Seminar Nasional Pendidikan Biologi dan Saintek, 2018, vol. 3, pp. 260–270.
A. Muzakir, “Prototyping Aplikasi E-Health sebagai Bagian Pengenalan Obat-Obatan Dengan Teknologi Cross-Platform,” 2018, doi: 10.30591/jpit.v3i1.653.
M. E. I. Lestari, “Penerapan algoritma Klasifikasi Nearest Neighbor (K-NN) untuk mendeteksi penyakit jantung,” Fakt. Exacta, vol. 7, no. 4, pp. 366–371, 2015.
M. A. Agmalaro, A. Kustiyo, and A. R. Akbar, “Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan,” J. Ilmu Komput. dan Agri-Informatika, vol. 2, no. 2, pp. 73–82, 2013.
G. Saleem, M. Akhtar, N. Ahmed, and W. S. Qureshi, “Automated analysis of visual leaf shape features for plant classification,” Comput. Electron. Agric., vol. 157, pp. 270–280, 2019.
R. R. Waliyansyah, “Identifikasi Jenis Biji Kedelai (Glycine Max L) Menggunakan Gray Level Coocurance Matrix (GLCM) dan K-Means Clustering,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 1, pp. 17–26, 2020.
S. G. Wu, F. S. Bao, E. Y. Xu, Y.-X. Wang, Y.-F. Chang, and Q.-L. Xiang, “A leaf recognition algorithm for plant classification using probabilistic neural network,” in 2007 IEEE international symposium on signal processing and information technology, 2007, pp. 11–16.
A. Budianto, R. Ariyuana, and D. Maryono, “Perbandingan K-Nearest Neighbor (KNN) Dan Support Vector Machine (SVM) Dalam Pengenalan Karakter Plat Kendaraan Bermotor,” J. Ilm. Pendidik. Tek. dan Kejuru., vol. 11, no. 1, pp. 27–35, 2018.
P. Abrahamsson et al., “Mobile-D: an agile approach for mobile application development,” in Companion to the 19th annual ACM SIGPLAN conference on Object-oriented programming systems, languages, and applications, 2004, pp. 174–175.
A. Kumar and N. Sachdeva, “Multi-input integrative learning using deep neural networks and transfer learning for cyberbullying detection in real-time code-mix data,” Multimed. Syst., 2020, doi: 10.1007/s00530-020-00672-7.
P. Mohanaiah, P. Sathyanarayana, and L. GuruKumar, “Image texture feature extraction using GLCM approach,” Int. J. Sci. Res. Publ., vol. 3, no. 5, pp. 1–5, 2013.
D. Kumar, “Feature extraction and selection of kidney ultrasound images using GLCM and PCA,” Procedia Comput. Sci., vol. 167, pp. 1722–1731, 2020.
R. M. Haralick, K. Shanmugam, and I. H. Dinstein, “Textural features for image classification,” IEEE Trans. Syst. Man. Cybern., no. 6, pp. 610–621, 1973.
A. Muzakir, “Algoritma Floyd Warshall Dan Collaborative Filtering Untuk Penentuan Rekomendasi Dan Rute Terpendek Pencarian Apotek: Studi Eksperimen,” InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 5, no. 1, pp. 9–13, 2020.
A. Muzakir and H. Hutrianto, “Bellman-Ford Algorithm for Completion of Route Determination: An Experimental Study,” 2020.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Ari Muzakir
This work is licensed under a Creative Commons Attribution 4.0 International License.
