Felicia, Vanny Elora (2019) IDENTIFIKASI SERANGGA HAMA PADA TANAMAN CABAI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX SEBAGAI EKSTRAKSI CIRI CITRA BERDASARKAN PROBABILISTIC NEURAL NETWORK. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.
Preview |
Text
abstrak.pdf Download (31kB) | Preview |
Preview |
Text
cover.pdf Download (161kB) | Preview |
Preview |
Text
daftar isi.pdf Download (75kB) | Preview |
Preview |
Text
lembar pengesahan pembimbing.pdf Download (471kB) | Preview |
![[thumbnail of full-skripsi.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
full-skripsi.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Tanaman cabai merupakan komoditas sayur paling populer di Indonesia, akan tetapi dalam pengelolaannya tak sedikit mengalami gagal panen. Salah satu penyebab nya adalah serangan serangga hama yang menghambat perkembangan dan pertumbuhan tanaman. Dalam tindakan penanggulangannya petani masih melakukan pengamatan secara manual pada area lahan secara berkala dan memilih untuk mengunakan pestisida tanpa pengamatan yang teliti sesuai serangga hama yang ada. Dampak penggunaan pestisida yang tidak dibarengi dengan pengendalian yang tepat juga menyebabkan kerusakan lahan.
Pada penelitian ini serangga hama dapat diidentifikasi melalui citra yang didapatkan melalui media yellow sticky trap (perangkap kuning) untuk membantu para petani dalam pengamatan menggunakan ekstrasi ciri citra dengan metode gray level co-occurence matrix. Fitur yang digunakan adalah contrast, angular second moment(asm), inverse different moment(idm), entropi dan korelasi dengan jarak piksel 1 dan sudut 0°, 45°, 90°, dan 135°. Beberapa fitur tersebut akan dijadikan masukkan pada probabilistic neural network (PNN) untuk mengklasfikasikan serangga. Serangga yang dideteksi pada penelitian ini yaitu belalang, B dorsalis dan predator M sexmaculatus.
Berdasarkan hasil pengujian yang telah dilakukan dari 120 citra yang dibagi menjadi 108 citra data training dan 12 citra data testing dengan teknik holdout menggunakan parameter penghalus 0,1 diperoleh tingkat akurasi mencapai 91,67%. Hasil tersebut dapat disimpulkan bahwa metode gray level co-occurence matrix berdasarkan probabilistic neural network dapat digunakan untuk mengklasifikasikan serangga dan dapat membantu proses pengamatan.
Kata kunci : tanaman cabai, hama, pengolahan citra, gray level co-occurence matrix, probabilistic neural network.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | tanaman cabai, hama, pengolahan citra, gray level co-occurence matrix, probabilistic neural network. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
| Depositing User: | Eko Yuli |
| Date Deposited: | 27 Jun 2019 07:18 |
| Last Modified: | 10 Aug 2022 07:13 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/20008 |
Actions (login required)
 |
View Item |