KLASIFIKASI JENIS TANAMAN ANGGREK BERDASARKAN DAUN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR

Abstract

Anggrek merupakan tanaman hias dengan keragaman spesies yang tinggi sehingga diperlukan metode identifikasi yang akurat dan konsisten. Penelitian ini bertujuan mengembangkan sistem klasifikasi jenis anggrek berbasis citra daun menggunakan metode Principal Component Analysis (PCA) dan K-Nearest Neighbor (K-NN). PCA digunakan untuk mengekstraksi fitur utama sekaligus mereduksi dimensi data guna meningkatkan efisiensi komputasi, sedangkan K-NN berperan dalam proses klasifikasi berdasarkan tingkat kemiripan fitur menggunakan Euclidean Distance. Dataset terdiri dari 56 citra daun anggrek yang terbagi menjadi 35 citra latih dan 21 citra uji dari tujuh kelas jenis anggrek. Tahapan penelitian meliputi akuisisi citra, ekstraksi ciri, reduksi dimensi menggunakan PCA, serta klasifikasi menggunakan K-NN. Evaluasi menggunakan confusion matrix menunjukkan akurasi sebesar 85,71%, dengan precision 90,71%, recall 85,71%, dan F1-score 84,39%. Hasil tersebut menunjukkan bahwa kombinasi PCA dan K-NN efektif dalam mengklasifikasikan daun anggrek dan berpotensi dikembangkan sebagai sistem identifikasi otomatis untuk mendukung penelitian botani, konservasi tanaman, dan industri tanaman hias.