Klasifikasi Daun Mangga Yang Terkena Hama Dengan Metode Gray Level Co-occurrence Matrix Menggunakan Support Vector Machine Dan K-Nearest Neighbor Berbasis Data Kaggle
DOI:
https://doi.org/10.52436/1.jpti.1009Kata Kunci:
Daun Mangga, Klasifikasi, SVM, K-NN, GLCMAbstrak
Penurunan produksi buah mangga di sebabkan oleh kerusakan atau serangan hama pada daun mangga ada beberapa jenis hama pada daun mangga yang umum menyerang antara lain kutu daun (Aphis gossypii), bercak daun alternaria, anthracnose, penggerek batang dan lain-lain. Untuk memperoleh hasil klasifikasi yang lebih akurat dan performa model yang optimal, dibutuhkan sistem yang mampu menghasilkan tingkat akurasi terbaik. Sebagai respons terhadap urgensi tersebut, penelitian ini bertujuan untuk mengklasifikasikan daun mangga yang terkena hama dengan memanfaatkan algoritma Support Vector Machine dan K-Nearest Neighbor, serta penggunaan Gray Level Co-occurrence Matrix sebagai metode untuk mengekstraksi tekstur gambar. Rangkaian tahapan dalam penelitian ini meliputi pre-processing, augmentasi data, ekstraksi fitur, proses klasifikasi oleh kedua algoritma, dan dievaluasi menggunakan akurasi. Hasilnya, algoritma Support Vector Machine dengan kernel Radial Basis Function mencapai 78% untuk algoritma K-Nearest Neighbor mencapai akurasi 80% dengan ketanggaan k=3
Unduhan
Referensi
H. Pebriola Br Manik, K. Ibnutama, S. Yakub, S. Informasi, and S. Triguna Dharma, “Penerapan Metode Sobel Dalam Mendeteksi Tepi Citra Daun Mangga Untuk Mendeteksi Serangan Hama Tungau,” vol. 3, no. 2, pp. 293–303, 2024, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsi
H. Oktafa, D. G. Pratita, H. Y. Riskiawan, and R. Firgiyanto, “Peningkatan Kapasitas Petani melalui Transfer Teknologi dan Pengetahuan Penanganan Pasca Panen, Diversifikasi, dan Pemasaran Mangga di Kecamatan Wuluhan,” Jurnal Ilmiah Pengembangan dan Penerapan IPTEKS, vol. Vol. 22, No. 02, 2024, Accessed: Apr. 27, 2025. [Online]. Available: https://ejournal.unib.ac.id/dharmaraflesia/article/view/36763
A. N. A. Lukman et al., Mengenal Budidaya Tanaman Holtikultura:Pendidikan Lingkungan Hidup. 2022.
M. A. Siahaan, E. Gultom, I. S. Tafonao, A. Laia, and W. Gea, “MANFAAT KULIT MANGGA SEBAGAI MASKER ORGANIK,” 2021. Accessed: Aug. 13, 2025. [Online]. Available: https://e-journal.sari-mutiara.ac.id/index.php/JAM/article/view/4618
A. H. Mardiah, Y. S. Wulandari, and A. F. Syahputra, “Analisis Faktor-Faktor yang Memengaruhi Pendapatan Petani Mangga (Mangifera indica L.) di Desa Sumberjaya Kecamatan Tempuran Kabupaten Karawang,” Paspalum: Jurnal Ilmiah Pertanian, vol. 12, no. 2, Nov. 2024, doi: 10.35138/paspalum.v12i2.760.
D. R. Pratama, A. S. Berutu, F. Husin, M. Y. Panjaitan, and Taslim, “Inovasi Edible Coating Buah Mangga Berbasis Kitosan Kulit Udang dengan Aditif Ekstrak Daun Asam Jawa sebagai Antimikroba,” Jurnal Teknik Kimia USU, vol. 14, no. 1, pp. 53–61, Mar. 2025, doi: 10.32734/jtk.v14i1.19093.
U. Muthaiah and S. Chitra, “Mango Pest Detection Using Entropy-ELM with Whale Optimization Algorithm,” Intelligent Automation and Soft Computing, vol. 35, no. 3, pp. 3447–3458, 2023, doi: 10.32604/iasc.2023.028869.
A. Selvakumar and A. Balasundaram, “Machine Learning based Classification of Diseased Mango Leaves,” International Journal on Recent and Innovation Trends in Computing and Communication, vol. 10, no. 7, pp. 38–44, 2022, doi: 10.17762/ijritcc.v10i7.5563.
A. Wijoyo, A. Y. Saputra, S. Ristanti, R. Sya’ban, M. Amalia, and R. Febriansyah, “Pembelajaran Machine Learning,” OKTAL?: Jurnal Ilmu Komputer dan Science, vol. 3, 2024, [Online]. Available: https://journal.mediapublikasi.id/index.php/oktal
K. Kristiawan and A. Widjaja, “Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, Apr. 2021, doi: 10.28932/jutisi.v7i1.3182.
A. M. Siregar, “Analisis Sentimen Pindah Ibu Kota Negara (IKN) Baru pada Twitter Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),” Faktor Exacta, vol. 16, no. 3, Oct. 2023, doi: 10.30998/faktorexacta.v16i3.16703.
T. A. Putra and I. Permana, “Klasifikasi Penerima Bantuan Program Indonesia Pintar (PIP) Pada Siswa SMK Menggunakan Algoritma KNN, NBC dan C4.5,” Technology and Science (BITS), vol. 6, no. 4, 2025, doi: 10.47065/bits.v6i4.6395.
W. R. Hasibuan, I. P. Sari, and M. Basri, “Klasifikasi Kerusakan (Cacat) pada Biji Kopi Arabika Menggunakan Algoritma KNN (K-Nearest Neighbor),” Blend Sains Jurnal Teknik, vol. 3, no. 4, pp. 452–459, May 2025, doi: 10.56211/blendsains.v3i4.781.
F. Mahrus Fathoni, C. Aji Putra, and A. Lina Nurlaili, “KLASIFIKASI PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRIX,” vol. 3, no. 1, 2024, [Online]. Available: https://ojs.unsiq.ac.id/index.php/biner
R. A. Saputra, D. Puspitasari, and T. Baidawi, “Deteksi Kematangan Buah Melon dengan Algoritma Support Vector Machine Berbasis Ekstraksi Fitur GLCM,” 2022. [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/infortech200
D. Zahirah, P. Purnawansyah, N. Kurniati, and H. Darwis, “DIGITAL IMAGE CLASSIFICATION OF HERBAL LEAVES USING KNN AND CNN WITH GLCM FEATURES,” Jurnal Teknik Informatika (Jutif), vol. 5, no. 1, pp. 61–67, Jan. 2024, doi: 10.52436/1.jutif.2024.5.1.1162.
Y. Sari, A. R. Baskara, and R. Wahyuni, “Classification of Chili Leaf Disease Using the Gray Level Co-occurrence Matrix (GLCM) and the Support Vector Machine (SVM) Methods,” in 2021 6th International Conference on Informatics and Computing, ICIC 2021, Institute of Electrical and Electronics Engineers Inc., 2021. doi: 10.1109/ICIC54025.2021.9632920.
A. Supriyanto, R. Rizal Isnanto, and O. D. Nurhayati, “Robusta Coffee Leaf Disease Classifications Using SVM Method and GLCM Feature Extraction,” JURNAL NASIONAL TEKNIK ELEKTRO DAN TEKNOLOGI INFORMASI, vol. 12, 2023.
A. A. Huda, B. Setiaji, and F. R. Hidayat, “IMPLEMENTASI GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) UNTUK KLASIFIKASI PENYAKIT DAUN PADI,” 2022. [Online]. Available: www.ejournal.unib.ac.id/index.php/pseudocode
S. A. Rosiva Srg, M. Zarlis, and W. Wanayumini, “Identifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan K-NN (K-Nearest Neighbor),” MATRIK?: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 2, pp. 477–488, Mar. 2022, doi: 10.30812/matrik.v21i2.1572.
A. Mustika Rani and N. Hendrastuty, “Perbandingan Algoritma NBC Dan SVM Untuk Melakukan Analisis Sentimen Terhadap PP NO.82 Tahun 2021,” Technology and Science (BITS), vol. 6, no. 4, 2025, doi: 10.47065/bits.v6i4.6496.
M. Sc. , Ph. D. Prof. Drs. Ec. Ir Riyanarto Sarno, S. K. Dr. Shoffi Izza Sabilla, S. Kom. , M. K. Malikhah, S. Kom. , M. K. Doni Putra Purbawa, and S. Kom. , M. K. M. Syauqi Hanif Ardani, Machine Learning Deep Learning:Konsep dan Pemrograman Python, I, Cetakan I: 2023. 2023.
Y. Chen, “Covid-19 Classification Based on Gray-Level Co-occurrence Matrix and Support Vector Machine,” in Lecture Notes on Data Engineering and Communications Technologies, vol. 60, Springer Science and Business Media Deutschland GmbH, 2021, pp. 47–55. doi: 10.1007/978-981-15-9682-7_6.
Y. Hao et al., “Breast cancer histopathological images classification based on deep semantic features and gray level co-occurrence matrix,” PLoS One, vol. 17, no. 5 May, May 2022, doi: 10.1371/journal.pone.0267955.
Y. F. Achmad, A. Yulfitri, and P. Maharani, “Penerapan Algoritma GLCM dan KNN dalam Pengenalan Jenis Jerawat,” Jurnal Komtika (Komputasi dan Informatika), vol. 6, no. 2, pp. 74–82, Nov. 2022, doi: 10.31603/komtika.v6i2.8078.
R. S. T. Gultom, D. Widiyanto, and A. B. Pangaribuan, KLASIFIKASI PENYAKIT PENGOROK TANAMAN DAUN PADA TANAMAN MANGGIS MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN SUPPORT VECTOR MACHINE. 2020.
R. S. Wijaya, A. Qur’ania, and I. Anggraeni, “Klasifikasi Penyakit Cacar Monyet Menggunakan Support Vector Machine (SVM),” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 4, pp. 1253–1260, Jul. 2024, doi: 10.57152/malcom.v4i4.1417.
S. A. Rosiva Srg, M. Zarlis, and W. Wanayumini, “Identifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan K-NN (K-Nearest Neighbor),” MATRIK?: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 2, pp. 477–488, Mar. 2022, doi: 10.30812/matrik.v21i2.1572.
M. Nur Salam, Bijanto, and E. Proborini, “IMPLEMENTATION OF K-NN ALGORITHM BASED EUCLIDEAN DISTANCE TO DETERMINE STUDENT’S PERCEPTION OF PRODUCTIVE LEARNING AT SMK TUNAS HARAPAN PATI IMPLEMENTASI ALGORITMA K-NN BERBASIS EUCLIDEAN DISTANCE UNTUK MENENTUKAN PERSEPSI SISWA TERHADAP PEMBELAJARAN PRODUKTIF DI SMK TUNAS HARAPAN PATI,” Jurnal EDUKASI ELEKTROMATIKA (JEE)2022, vol. 3, no. 2, 2022.
A. Khairi, A. Fais Ghozali, and A. Darul Nur Hidayah, “IMPLEMENTASI K-NEAREST NEIGHBOR (KNN) UNTUK KLASIFIKASI MASYARAKAT PRA SEJAHTERA DESA SAPIKEREP KECAMATAN SUKAPURA,” TRILOGI Ilmu Teknologi, Kesehatan, dan Humaniora, vol. 2, no. 3, pp. 319–323, 2021, Accessed: May 22, 2025. [Online]. Available: https://risbang.unuja.ac.id/media/arsip/berkas_penelitian/15_JFPwQpZ.pdf
T. Brian, E. N. Sholikhah, A. Nur, A. Maulidhia, and S. Wibowo, “Application of K-Nearest Neighbor (KNN) Algorithm to Predict Drinking Water Quality Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Kualitas Air Minum,” JTECS?: Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem & Komputer, vol. 5, 2025, doi: 10.32503/jtecs.v5i1.6715.
