IDENTIFIKASI PENYAKIT TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN)

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