IDENTIFIKASI JENIS JAMUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DENGAN METODE EKSTRAKSI CIRI LOCAL BINARY PATTERN

Yusuf, Muhammad Iqbal (2023) IDENTIFIKASI JENIS JAMUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DENGAN METODE EKSTRAKSI CIRI LOCAL BINARY PATTERN. Other thesis, UPN Veteran Yogyakarta.

	Text 1. Skripsi Fulltext_123160137_Muhammad Iqbal Yusuf.pdf Restricted to Repository staff only Download (4MB)
	Text 2. Cover_123160137_Muhammad Iqbal Yusuf.pdf Download (313kB)
	Text 3. Abstrak_123160137_Muhammad Iqbal Yusuf.pdf Download (66kB)
	Text 4. Lembar Pengesahan_123160137_Muhammad Iqbal Yusuf.pdf Download (878kB)
	Text 5. Daftar Isi_123160137_Muhammad Iqbal Yusuf.pdf Download (82kB)
	Text 6. Daftar Pustaka_123160137_Muhammad Iqbal Yusuf.pdf Download (173kB)

Abstract

Jamur dibedakan kedalam dua kategori, yaitu jamur yang tidak beracun atau dapat
dikonsumsi (edible) dan jamur beracun (poisonous). Namun, terdapat kemiripan secara fisik
diantara beberapa jenis jamur edible dan poisonous. Hal ini menimbulkan risiko kesalahan
dalam identifikasi jenis jamur. Keracunan, muntah, pusing dan diare merupakan efek
samping mengkonsumsi jamur poisonous. Umumnya kesalahan identifikasi jenis jamur
terjadi akibat kurangnya pengetahuan dan kemampuan untuk membedakan jenis jamur.
Sebuah sistem identifikasi jenis jamur diharapkan dapat membantu mencegah kesalahan
identifikasi yang dapat membahayakan keselamatan dan kesehatan.
Penelitian ini menggunakan citra jamur untuk mengidentifikasi jenisnya. Citra akan
melalui proses preprocessing antara lain Labeling, Cropping, Segmentasi, Resize dan
Grayscale. Kemudian, ekstraksi ciri tekstur akan dilakukan menggunakan metode Local
Binary Pattern (LBP) dengan pendekatan Uniform Pattern. Pendekatan ini berfungsi untuk
mengidentifikasi noda, flat area atau dark spot, sudut dan tepi untuk mengeliminasi data
yang tidak relevan. Nilai hasil ekstraksi ciri dengan LBP kemudian dijadikan sebagai
masukan untuk tahap identifikasi menggunakan metode Support Vector Machine (SVM)
dengan menerapkan kernel polynomial.
Jenis jamur yang diidentifikasi dalam penelitian ini terbagi menjadi 4 kelas yaitu,
Amanita Bisporigera, Amanita Citrina, Gyromitra Esculenta, dan Morchella Deliciosa.
Total data yang digunakan sebanyak 400 data dengan perbandingan data latih dengan data
uji sebesar 80:20. Hasil identifikasi jenis jamur yang diperoleh menggunakan metode
Support Vector Machine (SVM) berdasarkan nilai ekstraksi ciri menggunakan Local Binary
Pattern (LBP) mendapatkan hasil nilai akurasi tertinggi sebesar 85%.
Kata Kunci: Jamur, Local Binary Pattern, Support Vector Machine

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Jamur, 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:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	17 Feb 2023 06:17
Last Modified:	17 Feb 2023 06:17
URI:	http://eprints.upnyk.ac.id/id/eprint/32702

Actions (login required)

View Item