Open AccessAnalisis Pengenalan Pola Daun Berdasarkan Fitur Canny Edge Detection dan Fitur GLCM Menggunakan Metode Klasifikasi k-Nearest Neighbor (kNN)
Author(s) -
Azizah Arif Paturrahman,
I Gede Pasek Suta Wijaya
Publication year - 2021
Publication title -
j-cosine (journal of computer science and informatics engineering)
Language(s) - English
Resource type - Journals
ISSN - 2541-0806
DOI - 10.29303/jcosine.v5i1.388
Subject(s) - artificial intelligence , pattern recognition (psychology) , computer science , computer vision
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)