In this study, the detection of nutrients in the leaves of rice plants was carried out using the Principal Component Analysis (PCA) method and the Eigen Algorithm. In this study the dataset used came from the Kaggle platform, totaling 1156. The rice leaf images were divided into 3 classes, namely Nitrogen (N), Phosphorus (P), Potassium (K) which were tested with a ratio of 60% train data and 40% test data and validity. From the results of this study obtained an accuracy of 47.89%, a precision of 46.7%, a recall of 45.9%, and an F1-Score of 46.2% with an image size of 128x128. The results of accuracy, precision, recall, and F1-Score using the Principal Component Analysis (PCA) model are still quite low, therefore for future research it is necessary to further explore the algorithm and the number of datasets used so that the results are better.

Pada penelitian ini melakukan pendeteksi nutrisi pada daun tanaman padi menggunakan Metode Principal Component Analysis (PCA) dan Algoritma Eigen. Dalam penelitian ini dataset yang digunakan berasal dari platform Kaggle yang berjumlah 1156.
Citra daun padi dibagi menjadi 3 kelas yaitu Nitrogen (N), Phosphorus (P), Potassium (K) yang diuji dengan perbandingan 60% data train dan 40% data test dan validitas, Dari hasil
penelitian ini didapatkan akurasi sebesar 47.89%, presisi sebesar 46.7%, recall sebesar 45.9%, dan F1-Score sebesar 46.2% dengan ukuran citra sebesar 128x128. Hasil dari
akurasi, presisi, recall, dan F1-Score menggunakan model Principal Component Analysis (PCA) ini masih cukup rendah, maka dari itu untuk penelitian kedepannya perlu di
eksplorasi lebih lanjut terkait algoritma maupun jumlah dataset yang digunakan agar hasilnya lebih baik.