Penerapan Algoritma K-Means Clustering Untuk Segmentasi Penyakit Daun Mangga

Abstract

Penyakit pada daun mangga (Mangifera indica) adalah salah satu tantangan utama dalam pertanian yang dapat menyebabkan penurunan kualitas dan kuantitas hasil panen. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam segmentasi citra daun mango yang terinfeksi penyakit, dengan harapan dapat meningkatkan akurasi deteksi serta memberikan solusi efisien bagi petani. Metodologi yang diterapkan dalam penelitian ini melibatkan pengumpulan citra daun mangga yang sehat dan terinfeksi, preprocessing citra untuk meningkatkan kualitas gambar, serta penerapan algoritma K-Means untuk mengelompokkan piksel berdasarkan kesamaan warna dan tekstur. Hasil segmentasi kemudian dievaluasi menggunakan metrik akurasi, presisi, dan recall untuk menilai kinerja algoritma dalam memisahkan area sehat dan terinfeksi. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat dengan efektif mengidentifikasi dan mengklasifikasikan penyakit pada daun mangga, dengan tingkat akurasi yang memuaskan. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem pemantauan kesehatan tanaman berbasis citra, serta membantu petani dalam mengambil langkah pencegahan yang tepat terhadap penyakit tanaman. Dengan penerapan teknologi ini, diharapkan produktivitas dan keberlanjutan dalam sektor pertanian dapat meningkat.