PENERAPAN PARTICLE SWARM OPTIMIZATION PADA KLASIFIKASI TANAMAN HERBAL MENGGUNAKAN LOCAL BINARY PATTERN DAN K-NEAREST NEIGHBOR BERDASARKAN CITRA DAUN

HAKIM, RIZALDI AIDINUL (2023) PENERAPAN PARTICLE SWARM OPTIMIZATION PADA KLASIFIKASI TANAMAN HERBAL MENGGUNAKAN LOCAL BINARY PATTERN DAN K-NEAREST NEIGHBOR BERDASARKAN CITRA DAUN. Other thesis, UPN "Veteran" Yogyakarta.

	Text Abstrak.pdf Download (34kB)
	Text Cover.pdf Download (168kB)
	Text Daftar Isi.pdf Download (42kB)
	Text Daftar Pustaka.pdf Download (101kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (192kB)
	Text Lembar Pengesahan Penguji.pdf Download (174kB)
	Text Fulltext Skripsi_Rizaldi Aidinul Hakim.pdf Restricted to Repository staff only Download (2MB)

Abstract

Tumbuhan herbal merupakan adalah.salah.satu bagian yang sangat penting di
kehidupan, karena memiliki banyak manfaat bagi kehidupan manusia. Dari banyaknya jenis
tanaman yang masih belum diketahui dan minimnya pengetahuan masyarakat tentang
tanaman herbal sehingga menyebabkan tidak termanfaatkannya tanaman tersebut dan
akhirnya masyarakat lebih memilih menggunakan obat-obatan kimia Untuk itu, diperlukan
sebuah sistem pengenalan tumbuhan obat herbal dan mengklasifikasikan tanaman melalui
struktur daun secara otomatis.
K-Nearest Neighbor (KNN) merupakan sebuah metode untuk melakukan klasifikasi
terhadap objek berdasarkan data latih yang jaraknya paling dekat dengan objek tersebut.
Namun, pada penerapannya, metode KNN memiliki kelemahan yaitu kurang optimalnya
dalam menentukan nilai k yang merupakan jumlah tetanggaPterdekat dan diperlukan untuk
menentukan atribut yang akan dipilih guna mendapat hasil terbaik. Untuk meningkatkan
hasil akurasi yang diperoleh menggunakan metode KNN, diperlukan sebuah solusi untuk
mengoptimalkannya. Metode Particle Swarm Optimization (PSO) merupakan salah satu
solusi yang dapat diterapkan untuk mengoptimalkan metode KNN
Hasil yang diperoleh dengan menggunakan metode PSO didapat nilai akurasi sebesar
97% dengan k = 1. Sedangkan hasil klasifikasi tanpa menggunakan metode Particle Swarm
Optimization diperoleh akurasi terbaik sebesar 97% dengan nilai k = 1. Selain itu, waktu
yang diperoleh menggunakan metode PSO adalah sebesar 27 detik, sedangkan waktu yang
digunakan untuk mencari nilai k yang optimal tanpa menggunakan metode PSO adalah
sebesar 1 menit 3 detik. Dari hasil pengujian yang telah dilakukan, maka dapat ditarik sebuah
kesimpulan bahwa dengan menerapkan metode PSO, kelemahan dari metode KNN dapat
diselesaikan karena dapat mengetahui nilai k yang terbaik sehingga mendapatkan nilai
akurasi yang maksimal serta dapat mengoptimalkan waktu yang digunakan untuk mencari
nilai k yang terbaik
Kata Kunci: Tanaman Herbal, Local Binary Pattern, K-Nearest Neighbor, Particle Swarm Optimization

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tanaman Herbal, Local Binary Pattern, K-Nearest Neighbor, Particle Swarm Optimization
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	18 Aug 2023 01:52
Last Modified:	18 Aug 2023 01:52
URI:	http://eprints.upnyk.ac.id/id/eprint/36938

Actions (login required)

View Item