KLASIFIKASI JENIS DAUN TANAMAN OBAT BERDASARKAN CITRA TEKSTUR MENGGUNAKAN GRAY LEVEL CO OCCURRENCE MATRIX (GLCM) DAN ALGORITMA K-NN

Abstract

Penentuan jenis daun tanaman obat yang cepat dan konsisten penting untuk menjamin mutu pemanfaatan fitofarmaka, sementara identifikasi manual rentan bias dan memakan waktu. Penelitian ini merancang sistem klasifikasi berbasis citra tekstur dengan ekstraksi fitur Gray Level Co occurrence Matrix dan pengklasifikasi K-NN. Alur kerja mencakup praproses citra menjadi grayscale, penyetaraan ukuran 128×128, pembentukan GLCM pada empat orientasi, serta perhitungan enam properti tekstur sehingga dihasilkan vektor fitur yang merepresentasikan pola permukaan daun. Vektor ini diklasifikasikan menggunakan K-NN pada skenario multikelas. Dataset berisi seribu citra dari sepuluh kelas yang dibagi menjadi delapan ratus data latih dan dua ratus data uji. Implementasi dilakukan di Google Colab dengan antarmuka Gradio sehingga pengguna dapat mengunggah citra dan memperoleh hasil secara interaktif. Hasil awal menunjukkan akurasi tiga puluh empat persen yang menandakan sistem telah menangkap sebagian sinyal tekstur namun masih memerlukan peningkatan. Perbaikan yang disarankan meliputi kurasi dan augmentasi data, normalisasi pencahayaan, seleksi serta penimbangan fitur, penalaan parameter K-NN, dan eksplorasi pengklasifikasi lanjutan seperti SVM atau CNN agar kinerja meningkat pada variasi citra yang lebih luas. Sistem ini menjadi baseline yang sederhana, transparan, dan mudah direplikasi untuk pengembangan berikutnya.