Abstract:
Klasifikasi adalah proses pengelompokkan objek ke dalam kelas tertentu untuk menentukan kelas dari objek yang belum diketahui kelasnya berdasarkan data latih yang ada. Metode GLCM merupakan salah satu metode pengolahan citra yang sering digunakan. Kelas citra hasil pengolahan fitur dari GLCM dapat ditentukan melalui proses klasifikasi. Metode Template Matching dan KNN dapat digunakan sebagai metode untuk menentukan kelas dari citra yang telah diproses metode GLCM. Penyakit pada tomat dapat terjadi pada banyak bagian, salah satunya pada daun tomat. Daun tomat yang terkena penyakit biasanya ditandai dengan bercak-bercak yang berpola pada daun. Pada penelitian ini dilakukan perbandingan hasil klasifikasi antara metode Template Matching dan KNN berdasarkan ekstraksi fitur GLCM untuk identifikasi penyakit tomat pada citra daun. Klasifikasi KNN memperoleh nilai akurasi yang lebih tinggi dari klasifikasi Template Matching. Nilai akurasi KNN mampu mencapai 83,33% pada nilai K=5 saat pengujian parameter GLCM dengan jarak = 4 dan sudut = 90°, sedangkan metode Template Matching mampu memperoleh akurasi tertinggi sebesar 53,33% saat pengujian parameter GLCM dengan d = 1 dan sudut=?90?^°, d = 2 dan sudut=?90?^°, dan d = 4 dan sudut=?135?^°. Nilai akurasi dari kedua metode klasifikasi tersebut diperoleh dari pengujian 30 citra testing yang diujikan kepada 90 citra training yang telah melalui tahap pre-processing sebelumnya.
Kata kunci: Gray Level Co-Occurrence Matrix, K-Nearest Neighbor, Template Matching
