Perbandingan Klasifikasi Penyakit pada Daun Tembakau Menggunakan KNN (K-Nearest Neighbor) dan Gaussian Bayes Classifier (GBC) dengan Ekstraksi Fitur GLCM (Grey Level Co-Ocurance Matrix)

Pada Pengklasifikasian daun tembakau masih dilakukan oleh seorang grader yang memiliki kemampuan human characteristic salah satunya indara pengelihatan. Sehingga dibutuhkan pengolahan citra untuk membantu pengenalan (recognition) bidang pertanian salah satunya adalah membantu para petani ataupun perusahaan untuk pengenalan penyakit daun tembakau.

Penelitian ini bertujuan untuk mengolah citra daun tembakau yang terkena penyakit Brown Spot dan Tobbaco Mosaic Virus menggunakan Ekstraksi Fitur GLCM (Grey Level Co-Ocurance Matrix) yang akan diambil 4 fitur Contas, Corelasi, Energy, dan Homogenity. Dari 4 fitur tersebut akan di gunakan untuk pengklasifikasian menggunakan metode klasifikasi k-NN (k-Nearest Neighbor) dan Gaussian Bayes Classifier. Penelitian ini menggunakan citra daun tembakau yang terkena penyakit Brown Spot dan Tobbaco Mosaic Virus dengan ukuran 480 x 320 pixel sebanyak 50 data citra.

Dari hasil penelitian diperoleh nilai akurasi terbaik sebesar 80% menggunakan metode k-Nearest Neighbor (k-NN) dengan pengijian Cross Fold Validation pada nilai ketertanggan 7. Hal ini lebih baik dari tingkat akurasi metode Gaussian Bayes Classifier dengan akurasi sebesar 60%.