ABSTRAK

Penelitian ini bertujuan mengembangkan model klasifikasi untuk mendeteksi dan
mengelompokkan penyakit pada daun padi menggunakan algoritma K-Nearest
Neighbors (KNN). Nilai optimal parameter K ditentukan melalui cross-validation,
dengan K=3 dan skor 0,6. Model dievaluasi menggunakan data validasi dan testing.
Pada data validasi, akurasi mencapai 54%, sementara pada data testing meningkat
menjadi 85%. Hasil evaluasi menunjukkan performa terbaik pada kelas Sehat (F1-
score 0,95) dan Brown Spot (F1-score 0,82). Meskipun demikian, performa kelas
Hawar dan Leaf Brown masih perlu ditingkatkan. Akurasi model pada data training
sebesar 79% menunjukkan kemampuan generalisasi yang baik terhadap data baru.
Confusion matrix mengonfirmasi bahwa prediksi model paling akurat pada kelas
Sehat. Kesimpulannya, algoritma KNN efektif untuk mendeteksi penyakit pada
daun padi, namun penelitian lanjutan disarankan untuk menambah jumlah data dan
menerapkan teknik preprocessing yang lebih baik guna meningkatkan akurasi.