Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal The Indonesian Journal of Computer Science
Gidion A.N. Pongdatu
Universitas Kristen Indonesia Toraja
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Penyakit pada Tanaman Kopi Arabika Menggunakan Metode K-Nearest Neighbor (KNN) Berbasis Citra Sandri Matarru; Gidion A.N. Pongdatu; Juprianus Rusman
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): Indonesian Journal of Computer Science Volume 12. No. 2 (2023)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3172

Abstract

Salah satu tanaman yang tumbuh di daerah tropis dan memiliki harga jual yang cukup tinggi serta menjadi sumber devisa bagi Indonesia ialah kopi. Kualitas dan produksi kopi akan menurun jika kopi mudah terserang penyakit yang disebabkan oleh perubahan iklim seperti cuaca, suhu, kelembapan udara,tanah, perawatan tanaman yang kurang maksimal dan ketinggian lahan. Semakin berkembangnya teknologi saat ini diperlukan suatu metode kecerdasan buatan untuk membantu petani dalam mengenali jenis penyakit kopi. Metode yang digunakan untuk melakukan klasifikasi penyakit kopi arabika ialah K-Nearest Neighbor. Adapun Dataset yang diproses dibagi menjadi 2 yakni data training sebesar 320 citra dan data testing sebanyak 80 citra selanjutnya dilakukan tahapan image preprocessing. Setelah itu dilakukan ekstraksi glcm yakni fitur yang digunakan contrast, homogeneity, correlation, energy. Pada penelitian ini hasil percobaan dari beberapa nilai K pada K-Nearest Neighbor menunjukan akurasi tertinggi terdapat pada K=11 dengan hasil pengujian model menggunakan confusion matrix memperoleh tingkat akurasi sebesar 94 %.
Co-Authors Juprianus Rusman Sandri Matarru