Efektivitas Pengolahan Citra dengan Metode K-Nearest Neighbor dan Gray Level Co-Occurrence Matrix untuk Monitoring Pembajakan Tanah dengan Bajak Piring

##plugins.themes.academic_pro.article.main##

Setiyono
Hasbi Mubarak Suud
Hasna Afaf Faizah
Insan Sabri Helwandi

Abstract

Salah satu teknologi monitoring yang banyak dikembangkan saat ini adalah teknik monitoring menggunakan drone. Pada penelitian ini dilakukan kajian untuk mengetahui efektivitas pengolahan citra hasil pembajakan tanah menggunakan bajak piring yang diambil menggunakan drone untuk monitoring hasil pembajakan menggunakan bajak piring. Metode pengolahan citra yang digunakan yaitu metode KNN (K-Nearest Neighbor) untuk menghitung luas area pembajakan berdasarkan klasifikasi rasio indeks warna RGB (Red, Green, Blue) dan metode GLCM (Gray Level Co-Occurance Matrix) untuk menganalisa tekstur citra guna menduga kedalaman pembajakan. Pada penelitian ini Metode KNN terbukti dapat megklasifikasikan area terbajak dan area tidak terbajak namun akurasinya masih rendah. Semakin besar area yang tidak dibajak di lahan menyebabkan akurasi klasifikasinya juga semakin rendah. Sedangkan pada analisa dengan algoritma GLCM, ciri energi dan ciri entropi merupakan ciri yang paling baik untuk menduga kedalaman pembajakan karena memiliki koefisien korelasi (r) terbaik dibandingkan ciri statistic GLCM lainnya.

##plugins.themes.academic_pro.article.details##

Author Biographies

Setiyono, Universitas Jember

Program Studi (S1) Ilmu Pertanian

Hasbi Mubarak Suud, Universitas Jember

Program Studi (S1) Ilmu Pertanian

Hasna Afaf Faizah, Universitas Jember

Program Studi (S1) Ilmu Pertanian

Insan Sabri Helwandi, Universitas Jember

Program Studi (S1) Ilmu Pertanian

How to Cite
Setiyono, S., Suud, H. M., Faizah, H. A., & Helwandi, I. S. (2022). Efektivitas Pengolahan Citra dengan Metode K-Nearest Neighbor dan Gray Level Co-Occurrence Matrix untuk Monitoring Pembajakan Tanah dengan Bajak Piring. Agroteknika, 5(1), 14-25. https://doi.org/10.32530/agroteknika.v5i1.125

References

Aldillah, R. (2016). Kinerja Pemanfaatan Mekanisasi Pertanian dan Implikasinya dalam Upaya Percepatan Produksi Pangan di Indonesia. Forum Penelitian Agro Ekonomi, 34(2), 163. https://doi.org/10.21082/fae.v34n2.2016.163-171
Angreni, I. A., Adisasmita, S. A., Ramli, I., & Sumarni, H. (2019). Pengaruh Nilai K Pada Metode K-Nearest Neighbor (KNN) Terhadap Tingkat Akurasi Identifikasi Kerusakan Jalan. Rekayasa Sipil, 7(2), 63–70. https://doi.org/10.22441/JRS.2018.V07.I2.01
Bawono, A. W., Hidayat, B., & Nugroho, S. (2019). Deteksi Area Hutan Berbasis Citra Google Earth Menggunakan Metode Grey-level-co-occurrence Matrix (glcm) Dan Support Vector Machine (svm). EProceedings of Engineering, 6(1). https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/8702
Bhatia, N., & Vandana. (2010). Survey of Nearest Neighbor Techniques. (IJCSIS) International Journal of Computer Science and Information Security, 8(2), 302–305. https://www.researchgate.net/publication/44288385_Survey_of_Nearest_Neighbor_Techniques
Hafeez, A., Husain, M. A., Singh, S. P., Chauhan, A., Khan, M. T., Kumar, N., Chauhan, A., & Soni, S. K. (2022). Implementation of drone technology for farm monitoring & pesticide spraying: A review. Information Processing in Agriculture. https://doi.org/10.1016/J.INPA.2022.02.002
He, Y., Xu, C., Khanna, N., Boushey, C. J., & Delp, E. J. (2014). Analysis of Food Images: Features And Classification. Proceedings. International Conference on Image Processing, 2014, 2744. https://doi.org/10.1109/ICIP.2014.7025555
Hidayat, R., & Mardiyanto, R. (2017). Pengembangan Sistem Navigasi Otomatis Pada UAV (Unmanned Aerial Vehicle) dengan GPS (Global Positioning System) Waypoint. Jurnal Teknik ITS, 5(2). https://doi.org/10.12962/J23373539.V5I2.16342
Ilham, & Pasnur. (2018). Aplikasi Pengolah Citra Untuk Menentukan Jenis Tanah Pada Lahan Pertanian. Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, 8(2), 89–96. https://doi.org/10.35585/INSPIR.V8I2.2464
Jamaluddin, Syam, H., Lestari, N., & Rizal, M. (2019). Alat dan Mesin Pertanian. Badan Penerbit Univeritas Negeri Makassar. http://eprints.unm.ac.id/17661/2/Buku Monograf - Alat dan Mesin Pertanian.pdf
Lusiana, V., Al Amin, I. H., Hartono, B., & Kristianto, T. (2019, July 24). Ekstraksi Fitur Tekstur Menggunakan Matriks Glcm Pada Citra Dengan Variasi Arah Obyek. Seminar Nasional Multi Disiplin Ilmu . https://www.unisbank.ac.id/ojs/index.php/sendi_u/article/view/7398
Mira, M. B., Ana, A., & Ari Hidayat, S. (2017). Implementasi Algoritma GLCM Dan MED pada Aplikasi Pendeteksi Kolesterol Melalui Iris Mata. Multimedia Artificial Intelligent Networking Database Journal, 2(2), 23–42. https://doi.org/10.26760/MINDJOURNAL.V2I2.23-42
Mutrofin, S., Izzah, A., Kurniawandhani, A., & Masrus, M. (2014). Optimasi Teknik Klasifikasi Modified K Nearest Neighbor Menggunakan Algoritma Genetika. Journal GAMMA, 10(1), 130–134. https://ejournal.umm.ac.id/index.php/gamma/article/view/2493
Praseptiyana, W. I., Widodo, A. W., & Rahman, M. A. (2019). Pemanfaatan Ciri Gray Level Co-occurrence Matrix (GLCM) Untuk Deteksi Melasma Pada Citra Wajah. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(11), 10402–10409. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6685
Ramadhani, M., Suprayogi, S., & Dyah, B. H. (2018). Klasifikasi Jenis Jerawat Berdasarkan Tekstur Dengan Menggunakan Metode GLCM. E-Proceeding of Engineering, 870–876. https://core.ac.uk/download/pdf/299921075.pdf
Subairi, Rahmadwati, & Yudaningtyas, E. (2018). Implementasi Metode k-Nearest Neighbor pada Pengenalan Pola Tekstur Citra Saliva untuk Deteksi Ovulasi. Jurnal EECCIS, 12, 9–14. https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/464
Utomo, B. (2018). Drone Untuk Percepatan Pemetaan Bidang Tanah. Media Komunikasi Geografi, 18(2), 146–155. https://doi.org/10.23887/MKG.V18I2.12798