OPTIMASI EKSTRAKSI FITUR PADA KNN DALAM KLASIFIKASI PENYAKIT DAUN JAGUNG

Di Indonesia jagung sering digunakan sebagai komoditas utama makanan pokok selain nasi. Tanaman memiliki potensi terkena penyakit ataupun serangan hama kapan saja yang menyebabkan gagal panen. Penyakit dapat menyerang tanaman bisa dilihat dari perubahan daun. Deteksi dini terhadap mencegah menyebar lebih luas, salah satunya dengan terjadi pada daun jagung. Penelitian ini mencoba melakukan identifikasi tidak sehat cara ekstraksi ciri dan warna citra untuk mendeteksi yaitu hawar, bercak karat. Proses klasifikasi dilakukan melalui akusisi menjadi data latih uji, kemudian menghitung nilai hasil fitur ciri. GLCM (Gray-Level Cooccurrence Matrix) HSV warna. KNN (K Nearest Neighbors) jarak Euclidean klasifikasi. Dari 160 40 uji menggunakan algoritma KNN-HSV-GLCM didapatkan akurasi terbaik.yaitu 85% k adalah 3 piksel 1 terendah sebesar 70%.