IDENTIFIKASI PENYAKIT PADA DAUN TANAMAN JERUK KALAMANSI MENGGUNAKAN LOCAL BINARY PATTERN (LBP) DAN HSV DENGAN KLASIFIKASI FUZZY K-NEAREST NEIGHBOR (K-NN)

Jeruk kalamansi (Citrus microcarpa) merupakan komoditas unggulan Bengkulu yang
rentan terhadap berbagai penyakit daun, sehingga dapat menurunkan kualitas dan
kuantitas produksi. Kesulitan petani dalam mengidentifikasi penyakit secara akurat dan
cepat menjadi kendala utama dalam penanganan yang efektif. Penelitian ini bertujuan
untuk merancang dan membangun sebuah sistem berbasis pengolahan citra digital untuk
mengidentifikasi penyakit pada daun jeruk kalamansi. Sistem ini memanfaatkan
kombinasi fitur tekstur menggunakan Local Binary Pattern (LBP) dan fitur warna dari
ruang warna Hue, Saturation, Value (HSV). Klasifikasi penyakit dilakukan menggunakan
algoritma Fuzzy K-Nearest Neighbor (Fuzzy K-NN) yang diimplementasikan dari awal.
Dataset yang digunakan merupakan gabungan dari data primer dan sekunder yang terdiri
dari 7 kelas penyakit dengan kondisi ketidakseimbangan data yang signifikan. Hasil
evaluasi model menunjukkan akurasi keseluruhan sebesar 60.00% pada data uji. Analisis
lebih lanjut menunjukkan bahwa performa model sangat dipengaruhi oleh
ketidakseimbangan data, di mana model gagal mengidentifikasi kelas-kelas minoritas.
Temuan ini menyoroti batasan metode klasik pada dataset dunia nyata dan konsisten
dengan tantangan yang didokumentasikan dalam literatur. Model yang terdiri dari data
latih dan parameter klasifikasi disimpan dalam format JSON untuk implementasi pada
platform web berbasis PHP dan JavaScript, yang memungkinkan pengguna mendapatkan
hasil identifikasi secara real-time.
Kata Kunci: Jeruk Kalamansi, Identifikasi Penyakit, Pengolahan Citra, Local Binary
Pattern, HSV, Fuzzy K-Nearest Neighbor, Aplikasi Web.