Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk

Salah satu faktor yang menyebabkan rendahnya kualitas tanaman jeruk adalah penyakit yang menyerang pada daunnya. Perkembangan teknologi informasi pada bidang pengolahan citra digital memungkinkan untuk melakukan identifikasi penyakit daun jeruk secara otomatis. Pada penelitian ini, dilakukan identifikasi penyakit daun jeruk yang meliputi Downy Mildew, Cendawan Jelaga, dan CVPD (Citrus Vein Phloem Degeneration). Proses identifikasi penyakit daun jeruk diawali dengan proses resizing untuk menyeragamkan ukuran citra dan proses rescaling untuk melakukan pengaturan terhadap kecerahan citra. Selanjutnya, melakukan perubahan ruang warna dari RGB menjadi L*a*b*. Setelah melakukan perubahan ruang warna, hasil perubahan digunakan sebagai input pada segmentasi citra menggunakan algoritme K-Means. Terdapat dua bagian segmentasi yaitu segmentasi daun dan segmentasi penyakit. Setelah melakukan segmentasi, hasil dari segmentasi penyakit diklasifikasikan menggunakan algoritme K-Nearest Neighbor (K-NN) terhadap data latih untuk diketahui kelas penyakitnya. Pengujian yang dilakukan pada penelitian ini yaitu pengujian nilai Scale Factor, nilai cluster optimal, dan nilai K optimal. Berdasarkan tiga pengujian yang dilakukan, didapatkan rekomendasi nilai Scale Factor yaitu 1.1, nilai cluster optimal pada segmentasi daun yaitu 2, nilai cluster optimal pada segmentasi penyakit 9, dan nilai K optimal yaitu 4. Akurasi tertinggi yang didapatkan untuk identifikasi penyakit pada penelitian ini adalah 90.83%. Setelah dilakukan analisis lebih lanjut, hasil akurasi program dapat ditingkatkan kembali dengan menggunakan parameter batas minimal. Berdasarkan pengujian parameter batas minimal, hasil menujukkan nilai optimal yang didapat sebesar 3% dan akurasi didapatkan untuk identifikasi penyakit adalah 99.17%