Sukmandaru, Padang (2019) IDENTIFIKASI PENYAKIT TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN). Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.
Preview |
Text
Cover_123140195_Padang Sukmandaru.pdf Download (170kB) | Preview |
Preview |
Text
Abstrak_123140195_Padang Sukmandaru.pdf Download (30kB) | Preview |
Preview |
Text
Daftar isi_123140195_Padang Sukmandaru.pdf Download (57kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING.pdf Download (459kB) | Preview |
![]() |
Text
Skripsi Full_123140195_Padang Sukmandaru.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Tomat merupakan salah satu jenis sayuran buah yang bernilai ekonomi tinggi.
Produktivitas tomat yang relatif masih rendah di antaranya disebabkan oleh serangan hama
dan penyakit tanaman. Penyakit tanaman dapat menjangkit bagian-bagian tanaman dalam
satu pohon, Pada penelitian ini dibuat sebuah sistem yang mampu mendeteksi penyakit pada
daun tomat. sehingga cara mengidentifikasi penyakit tanaman yaitu dengan menggunakan
sistem identifikasi berbasis pemrosesan citra digital. Fitur tekstur dari citra daun tomat dapat
diekstraksi melalui pengolahan citra digital, sehingga dapat ditentukan nilai fiturnya.
Penelitian ini melakukan analisis fitur gray level co-occurence matrix (GLCM) citra daun
tomat, gray level co-occurance matrix (GLCM) merupakan salah satu metode untuk
memperoleh tekstur gambar dengan menghitung probabilitas hubungan spasial antara dua
piksel pada jarak dan arah tertentu, untuk fitur yang digunakan yaitu kontras, angular second
moment (energi), inverse different moment (Homogenitas), dan korelasi. K-Nearest
Neighboor yaitu berfungsi untuk menghitung jarak terdekat antara data citra latih dan data
citra uji untuk didapatkan hasil pembelajaran maupun pengenalan dan dibandingkan dengan
kondisi sebenarnya. Penelitian ini akan menghasilkan identifikasi penyakit tanaman tomat
dengan kategori layu fusarium, bercak daun dan daun sehat. Data sampel pada penelitian ini
menggunakan 90 data latih. Pada penelitian identifikasi penyakit tanaman diperoleh hasil
dari akurasi sistem dengan hasil mencapai 85%.
Kata Kunci: Tomat, Pengolahan Citra, GLCM, KNN
Item Type: | Thesis (Other) |
---|---|
Subjek: | Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases |
Divisions: | x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eny Suparny |
Date Deposited: | 18 Dec 2019 03:08 |
Last Modified: | 18 Dec 2019 03:08 |
URI: | http://eprints.upnyk.ac.id/id/eprint/21864 |
Actions (login required)
![]() |
View Item |