Jurnal Pseudocode, Volume 9 Nomor 1, Februari 2022, ISSN 2355-5920, e-ISSN 2655-1845 www.ejournal.unib.ac.id/index.php/pseudocode 33 IMPLEMENTASI GRAY LEVEL CO- OCCURRENCE MATRIX (GLCM) UNTUK KLASIFIKASI PENYAKIT DAUN PADI Arif Akbarul Huda 1 , Bayu Setiaji 2 , Fajar Rosyid Hidayat 3 1,2,3 Informatika, Fakultas Ilmu Komputer, Universitas Amikom Yogyakarta Jl. Ringroad Utara, Condong Catur, Depok, Sleman, 55283 1 arif.akbarul@amikom.ac.id 2 bayusetiaji@amikom.ac.id 3 fajar22@students.amikom.ac.id Abstrak: Penyakit pada tanaman padi merupakan salah satu faktor yang menyebabkan turunnya tingkat produksi padi. Penyakit tersebut adalah bacterial leaf blight, leaf smut, brown spot dan sebagainya. Upaya identifikasi sejak dini penyakit tanaman padi dilakukan dengan pemanfaatan algoritma, salah satunya GLCM dan klasifikasi KNN. Identifikasi jenis penyakit menggunakan metode klasifikasi KNN berdasarkan eksktraksi fitur GLCM dengan mengubah citra asli menjadi citra keabu- abuan (grayscale). Setelah citra asli tersebut diubah menjadi citra keabu-abuan (grayscale), kemudian diekstraksi menggunakan GLCM untuk mendapatkan ekstraksi nilai ciri. Digunakan metode KNN untuk mengelompokkan jenis kemiripan penyakit. Data yang digunakan sebanyak 240 gambar diperoleh dari UCI Machine Learning Repository yang terdiri atas 3 jenis penyakit padi. Sebanyak 210 gambar sebagai data training dan 30 gambar lainnya untuk data uji. Hasil penenlitian ini setelah dilakukan 2 kali proses uji, tingkat akurasi tertinggi yang didapatkan sebesar 93,3%. Kata Kunci: penyakit daun padi, klasifikasi, GLCM, KNN. Abstract: One of the factors causing the decline in rice production in Indonesia is leaf disease. These diseases are bacterial leaf blight, leaf smut, brown spot, etc. Researchers have developed techniques to recognize rice leaf diseases by utilizing computations and algorithms, GLCM, and KNN classification. Identification of the type of disease using the KNN classification method based on GLCM feature extraction by converting the original image into a grayscale image. After the original image is transformed into a grayscale image, it is extracted using GLCM to obtain feature value extraction. The KNN method is used to classify types of disease similarity. The data used are 240 images obtained from the UCI Machine Learning Repository, consisting of 3 kinds of rice diseases types. There were 210 images as training data and another 30 images as test data. The results of this research after two times the test process, the highest level of accuracy obtained is 93.3%. Keywords: leave disease, classification, GLCM, KNN. I. PENDAHULUAN Terdapat penyakit tanaman padi yang paling penting di indonesia ialah bercak coklat (bs), bercak daun (ls), dan hawar daun bakteri (blb). Tren kehilangan hasil panen akibat penyakit hawar daun bakteri (bacterial leaf blight) di wilayah Indonesia berkisar antara 15% hingga 24% [1]. Upaya proses identifikasi sejak dini gagal panen telah dilakukan melalui pemanfaatan teknologi komputasi. Cuplikan gambar berbagai penyakit daun padi diolah dengan reakyasa komputasi Convolutional Neural Network (CNN) [2] [3], Support Vector Mechine (SVM) [4], dan Gray level co-occurrence matrice (GLCM) [5]. Algoritma GLCM memiliki kemampuan mengenali ciri sebuah citra dan telah digunakan pada banyak bidang. Ekstraksi ciri menggunakan