GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) UNTUK FEATURE EXTRACTION SISTEM KLASIFIKASI PENYAKIT DAUN PADI

Abstract

Penyakit tanaman padi dapat menyebabkan kerugian yang cukup besar dalam produksi padi. Deteksi dini penyakit tanaman padi penting untuk dilakukan tindakan pencegahan yang tepat. Dalam perancangan ini, kami mengusulkan untuk menggunakan metode Feature Extraction untuk mengidentifikasi dan mengklasifikasikan penyakit daun padi. Algoritma klasifikasi Artificial Neural Network (ANN) digunakan untuk melatih model klasifikasi. Pertama, foto daun padi yang terinfeksi diambil dan diproses untuk mendapatkan citra skala abu-abu. Selanjutnya, matriks Gray Level Co-Occurance Matrix (GLCM) dihitung dari gambar skala abu-abu dengan mempertimbangkan hubungan spasial antara piksel tetangga. Berbagai fitur statistik seperti energi, kontras, homogenitas, dan korelasi diekstraksi dari matriks GLCM untuk mendeskripsikan fitur tekstur citra. Setelah penghilangan fitur, model klasifikasi Artificial Neural Network (ANN) dilatih menggunakan dataset yang terdiri dari citra daun padi sehat dan sakit. Proses pelatihan Artificial Neural Network (ANN) melibatkan pengoptimalan bobot dan bias menggunakan propagasi balik untuk mencapai klasifikasi yang akurat. Setelah pelatihan, model ANN diuji menggunakan data pengujian terpisah untuk mengukur performa klasifikasi. Hasil eksperimen menunjukkan bahwa metode GLCM efektif membantu meningkatkan akurasi, validasi akurasi, loss, validasi loss, precision, dan recall, metode GLCM dengan menggunakan algoritma klasifikasi ANN diperoleh nilai akurasi dan loss yang terbaik pada metode pembagian data training dan validation sebesar 80:20 dengan pengaruh pada learning rate sebesar 0.0001 dan epoch sebesar 100 yang menghasilkan nilai akurasi sebesar 97.38%, validasi akurasi sebesar 96.89%, loss sebesar 0.0396, validasi loss sebesar 0.0224, presisi sebesar 97.2089%, dan recall sebesar 97.0529% dengan didasari kestabilan pada data training dan validation pada grafik.