Putri, Galih Wangi (2021) PENERAPAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN COLOR MOMENTS UNTUK KLASIFIKASI PENYAKIT JERUK BERDASARKAN CITRA DAUN MENGGUNAKAN K-NEAREST NEIGHBOUR DAN MIN-MAX SCALING. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
|
Text
COVER_123150054_GALIH_WANGI_PUTRI.pdf Download (423kB) | Preview |
|
|
Text
DAFTAR_ISI_123150054_GALIH_WANGI_PUTRI.pdf Download (67kB) | Preview |
|
|
Text
PENGESAHAN_PEMBIMBING_PENGUJI_123150054_GALIH_WANGI_PUTRI.pdf Download (2MB) | Preview |
|
|
Text
ABSTRAK_123150054_GALIH_WANGI_PUTRI.pdf Download (89kB) | Preview |
|
|
Text
DAFTAR_PUSTAKA_123150054_GALIH_WANGI_PUTRI.pdf Download (306kB) | Preview |
Abstract
Penyakit tanaman adalah salah satu faktor yang ditemukan dilapangan. Bagian yang diserang seperti daun, batang, dan buah. Daun sebagai tempat fotosintesis jika terserang penyakit akan menyebabkan terhambatnya pertumbuhan tanaman. Sehingga buah dapat mengalami penurunan kualitas. Daun adalah bagian yang memuat informasi paling akurat untuk identifikasi tanaman. Berdasarkan data Badan Pusat Statistika tahun 2018, jeruk salah satu hasil pertanian yang diproduksi paling banyak. Computer vision belakang digunakan bidang pertanian salah satunya untuk klasifikasi penyakit. Penelitian ini bertujuan klasifikasi penyakit jeruk berdasarkan metode yang digunakan pada penelitian sebelumnya, membandingkan akurasi dari beberapa jarak KNN (K-Nearest Neighbour) dan menyelidiki pengaruh normalisasi dataset terhadap akurasi. Proses klasifikasi tanaman pada umumnya memiliki empat tahapan utama yaitu, preprocessing, segmentasi, ekstraksi ciri, dan klasifikasi. Tahap preprocessing melakukan konversi ruang warna, tahap segmentasi menggunakan Otsu Thresholding. Tahap ekstraksi ciri warna dan tekstur menggunakan Color Moments dan Gray Level Co-Occurrence Matrix menghasilkan dataset. Tahap normalisasi dengan Min-max Scaling digunakan untuk menyamakan rentang nilai seluruh fitur dataset. Tahap klasifikasi KNN jarak (Chi-Square, Manhattan, Correlation, Cosine, Euclidean, dan Hassanat). Kategori kondisi daun jeruk yang digunakan yaitu healthy, greening, dan canker. Hasil pengujian menunjukan dataset ternormalisasi mendapatkan akurasi sebesar 98,84% (jarak Euclidean, k=7) dan dataset tanpa normalisasi dengan akurasi sebesar 91,86% (jarak Hassanat, k=29). Kata kunci: Penyakit Jeruk, Gray Level Co-Occurrence Matrix, Color Moments, K-Nearest Neighbour, Normalisasi Min-max Scaling
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Sarimin Sarimin |
| Date Deposited: | 17 Jun 2021 02:41 |
| Last Modified: | 17 Jun 2021 02:41 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/25903 |
Actions (login required)
 |
View Item |