Ekstraksi Fitur Warna Citra Daun Untuk Klasifikasi Skala Klorofil dan Rekomendasi Pemupukan

Abstract

Rekomendasi pemupukan berdasarkan tingkat kehijauan daun sudah lumrah dilakukan. Namun saat ini masih terbatas dilakukan secara tradisional yaitu dengan mengandalkan bagan warna daun. Belum ada penelitian khususnya pada tanaman jeruk yang mengklasifikasikan tingkat skala klorofil daun untuk rekomendasi pemupukannya. Pada penelitian ini akan menggunakan teknologi API Clarifai dan algoritma K-Nearest Neighbor (KNN) untuk membangun aplikasi berbasis android yang dapat secara otomatis mengukur tingkat skala klorofil daun jeruk serta dapat memberikan rekomendasi pemupukan yang tepat. API Clarifai digunakan sebagai alat bantu pemrosesan citra daun. Proses yang dilakukan adalah ekstraksi ciri/fitur pada citra tersebut. Ciri yang dieksraksi adalah ciri warna yang paling dominan mendominasi citra daun. Sedangkan algoritma K-Nearest Neighbor (KNN) digunakan sebagai metode klasifikasi citra daun tersebut. Klasifikasi berdasarkan tingkat kehijauan daun sesuai dengan bagan warna daun standar (BWD). Hasil penelitian menunjukkan tingkat akurasi mencapai 90% untuk ekstraksi warna. Sedangkan hasil klasifikasi dengan KNN menghasilkan akurasi mencapai 90% denan nilai K=2. Berdasarkan hasil penelitian dapat disimpulkan bahwa penggunaan API Clarifai dan KNN untuk klasifikasi tingkat kehijauan daun memiliki akurasi yang tinggi. Untuk penelitian lebih lanjut, dapat dilakukan dengan penambahan ekstraksi fitur lainnya seperti bentuk, tekstur, dan lainnya. Selain itu, penggunaan metode klasifikasi lainnya untuk meningkatkan kinerja algoritma KNN dapat juga diterapkan.

GS Cited Analysis