KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN ANFIS

Abstract

Deteksi penyakit daun mangga dapat dilakukan melalui analisis bentuk dan tekstur daun. Setiap jenis penyakit menyebabkan perubahan karakteristik daun, sehingga analisis bentuk dan tekstur dapat menjadi dasar klasifikasi penyakit. Metode manual seperti pengamatan visual memiliki kelemahan karena subjektif dan kurang akurat. Oleh karena itu, diperlukan pendekatan berbasis pengolahan citra digital untuk meningkatkan akurasi identifikasi penyakit. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis penyakit daun mangga menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi fitur tekstur dan Adaptive Neuro-Fuzzy Inference System (ANFIS) sebagai algoritma klasifikasi. Dataset  yang digunakan terdiri dari citra daun mangga berpenyakit anthracnose, bacterial canker, die back, gall midge, powdery mildew, sooty mould, serta daun sehat. Hasil pengujian menunjukkan bahwa akurasi tertinggi diperoleh pada pengujian lima membership function, dengan hasil terbaik oleh MF Gaussian. Fungsi keanggotaan Gaussian memberikan akurasi rata-rata 74,6% dan nilai loss terendah sebesar 0,346 dibandingkan fungsi keanggotaan lainnya. Dengan demikian, metode GLCM dan ANFIS terbukti cukup efektif dalam mengklasifikasikan penyakit daun mangga secara otomatis dan dapat menjadi solusi alternatif terhadap metode manual