PENERAPAN LOCAL BINARY PATTERN UNTUK KLASIFIKASI TEKSTUR DAUN TOMAT DENGAN METODE SUPPORT VECTOR MACHINE

TULAK, YOSUA ARRUAN LINGGI (2022) PENERAPAN LOCAL BINARY PATTERN UNTUK KLASIFIKASI TEKSTUR DAUN TOMAT DENGAN METODE SUPPORT VECTOR MACHINE. Diploma thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL_Yosua Arruan Linggi Tulak_123160084.pdf Restricted to Repository staff only Download (2MB)
Preview	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (209kB) | Preview
Preview	Text ABSTRAK.pdf Download (622kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (343kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (1MB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (202kB) | Preview
Preview	Text COVER.pdf Download (202kB) | Preview

Abstract

Tomat merupakan salah satu tanaman yang banyak dikonsumsi di Indonesia.
Besarnya kebutuhan akan tomat mengakibatkan produksi tomat harus tetap terkontrol.
Namun, tanaman tomat sangat rentan terserang penyakit yang bersumber dari jamur,
bakteri maupun virus sehingga dapat mengakibatkan penurunan kualitas dan kuantitas
produksi tomat secara global, untuk itu petani tomat harus dapat mengenali penyakit tomat
dengan tepat agar mengetahui pengobatan yang tepat dan cepat. Pengenalan penyakit pada
daun tomat dapat dilakukan secara manual tetapi sering kali terjadi kesalahan dalam
mengenali penyakit karena banyaknya kemiripan antara satu jenis penyakit dengan yang
lain, sehingga dibutuhkan sistem yang dapat melakukan klasifikasi terhadap jenis penyakit
pada daun tomat. Penelitian ini bertujuan untuk membuat sistem klasifikasi penyakit pada
daun tomat.
Penelitian ini diawali dengan melakukan preprocessing pada citra dengan
melakukan Labeling yaitu proses memberikan label pada citra sesuai dengan kelasnya dan
Grayscale yaitu proses merubah warna citra menjadi kesatuan warna citra keabuan.
Kemudian citra yang telah melalui preprocessing akan di ekstraksi teksturnya
menggunakan metode Local Binary Pattern. Metode LBP yang digunakan adalah metode
LBP Uniform. Uniform Pattern berfungsi untuk mengidentifikasi noda (spot), flat area
atau dark spot, sudut dan tepi sehingga dapat mengeliminasi data yang tidak relevan dan
hanya menggunakan informasi yang berguna. Selanjutnya nilai yang telah didapatkan pada
proses ekstraksi fitur akan digunakan dalam proses klasifikasi menggunakan metode
Support Vector Machine dengan kernel polynomial.
Pada penelitian ini jenis penyakit daun tomat yang diklasifikasi terbagi menjadi 6
kelas yaitu healty, tomato bactrial spot, tomato early blight, tomato yellow leaf curl virus,
tomato septoria leaf spot, dan tomato mosaic virus. Hasil klasifikasi yang dilakukan
menggunakan metode Support Vector Machine berdasarkan ekstraksi fitur Local Binary
Pattern mendapatkan hasil akurasi sebesar 89% dari total 96 kali pengujian dengan
masing-masing kelas terdapat 16 sampel.
Kata kunci : Penyakit daun tomat, Local Binary Pattern, Support Vector Machine

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Kata kunci : Penyakit daun tomat, Local Binary Pattern, Support Vector Machine
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Eko Yuli
Date Deposited:	04 Mar 2022 03:16
Last Modified:	12 Jan 2023 04:10
URI:	http://eprints.upnyk.ac.id/id/eprint/28593

Actions (login required)

View Item