IMPLEMENTASI METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN MODIFIED K-NEAREST NEIGHBOR PADA KLASIFIKASI CITRA DAUN TANAMAN HERBAL

Abstract

Klasifikasi citra tanaman herbal dapat dilakukan berdasarkan bentuk daun yang dikenal juga sebagai pengenalan citra tanaman herbal. Pada pengenalan citra dilakukan dengan mengidentifikasi ciri bentuk daun tanaman herbal dan dilakukan klasifikasi citra daun tersebut. Jumlah data citra yang digunakan sebagai 200 data yang terbagi kedalam 5 kelas. Sehingga masing-masing kelas terdiri dari 40 data citra. Masyarakat umumnya akan kesulitan untuk mengenal jenis tanaman herbal berdasarkan melihat secara sekilas pada daun. Pada metode PCA digunakan untuk mengurangi dimensi citra daun herbal dan metode Modified KNN digunakan untuk mengklasifikasikan citra daun herbal berdasarkan fitur. Pada pembagian data 6:4 nilai akurasi tertingginya sebesar 89 % pada K=2 dan akurasi terendahnya pada 78 % pada K=9. Pembagian data 7:3 nilai akurasi tertingginya sebesar 87 % pada K=4 dan akurasi terendahnya pada 82 % pada K=9. Dan Pada pembagian data 8:2 nilai akurasi tertingginya sebesar 93 % pada K=3 dan akurasi terendah sebesar 84 % pada K=4.