Perbandingan Metode K-Nearest Neighbor dan Support Vector Machine dalam Identifikasi Penyakit pada Daun Jagung
Di Indonesia, jagung masuk ke dalam komoditas pangan terbesar kedua setelah padi. Dalam pertumbuhannya, jagung merupakan tumbuhan yang sangat mudah terserang penyakit dari awal tumbuh hingga munculnya tongkol. Adapun penyakit yang sering menyerang tanaman jagung yaitu hawar daun, bercak daun, dan karat daun. Dalam mengidentifikasi penyakit pada tanaman sangat sulit dilakukan dengan cara manual karena memiliki volume data yang besar. Hal ini kurang efisien sehingga perlu adanya suatu cara yang lebih cepat dan mudah yaitu menggunakan machine learning. Klasifikasi merupakan suatu teknik pembelajaran data untuk menghasilkan prediksi nilai dari serangkaian atribut. Klasifikasi penyakit pada tanaman dapat dilakukan dengan menggunakan metode machine learning yaitu K-Nearest Neighbor dan Support Vector Machine. Selain itu, penelitian ini juga bertujuan untuk membandingkan kedua metode tersebut dan mengukur performa menggunakan Confusion Matrix yang terdiri dari performa akurasi presisi recall dalam mengidentifikasi penyakit pada daun jagung. Hasil dari penelitian ini menunjukkan bahwa dari jumlah keseluruhan data testing yaitu 60 data, pada K-Nearest Neighbor berhasil mengidentifikasi sebanyak 36 data dengan akurasi 60%, presisi 71%, dan recall 60% pada K=17 dan K=19. Sedangkan Support Vector Machine berhasil mengidentifikasi sebanyak 40 data dengan akurasi 67%, presisi 75%, dan recall 67% pada parameter C=1000 dan γ=0.01. Analisis tingkat akurasi keberhasilan dan kegagalan identifikasi dipengaruhi oleh parameter yang digunakan pada kedua metode, serta berdasarkan analisis kegagalan identifikasi dipengaruhi oleh adanya persamaan nilai antar kelas berdasarkan hasil ekstraksi fitur tekstur yaitu homogeneity, kontras, dan energi.
URI
https://repo.itera.ac.id/depan/submission/SB2309200012
Keyword