PENERAPAN CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION PADA KLASIFIKASI PENYAKIT DAUN KENTANG DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN EKSTRAKSI FITUR GLCM DAN HSV

Aljustin, Luckman Nathan Syarif (2023) PENERAPAN CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION PADA KLASIFIKASI PENYAKIT DAUN KENTANG DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN EKSTRAKSI FITUR GLCM DAN HSV. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (6kB)
	Text COVER.pdf Download (180kB)
	Text DAFTAR ISI.pdf Download (183kB)
	Text DAFTAR PUSTAKA.pdf Download (76kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (369kB)
	Text PENGESAHAN PENGUJI.pdf Download (358kB)
	Text SKRIPSI FULL_LUCKMAN NATHAN SYARIF ALJUSTIN_123190151.pdf Restricted to Repository staff only Download (1MB)

Abstract

Kentang merupakan salah satu tanaman pangan yang paling banyak tumbuh di dataran
tinggi dengan banyak mengandung serat dan Vitamin C yang baik untuk tubuh manusia.
Namum terdapat beberapa faktor permasalahan yang menyebabkan sebuah tanaman kentang
mengalami gagal panen, dimana sering di jumpai penyakit busuk daun atau biasa yang
disebut hawar daun (late blight), dan ada penyakit lain yaitu bercak kering (early blight).
Dengan pembuatan sistem identifikasi penyakit tanaman sejak dini diharapkan dapat
mencegah tersebarnya penyakit secara lebih meluas. Pada penelitian ini akan menggunakan
metode klasifikasi K-Nearest Neighbor dengan menggunakan ekstraksi fitur GLCM dan
HSV serta metode pendukung yaitu Contrast Limited Adaptive Histogram Equalization
(CLAHE).
Metode K-Nearest Neighbor adalah sebuah metode dengan proses pembelajaran
supervised learning. Dengan mendapatkan nilai ciri terbaik metode klasifikasi ini dapat
berkembang dan lebih baik lagi dari segi akurasi dalam melakukan identifikasi penyakit
daun kentang. Penerapan ekstraksi fitur warna Hue, Saturation, Value dan metode ekstraksi
fitur tekstur Gray Level Co-occurance Matrix dirasa masih kurang optimal sehingga
diperlukannya penerapan metode Contrast Limited Adaptive Histogram Equalization
(CLAHE) pada tahap preprocessing dengan tujuan meningkatkan kualitas citra untuk tahap
pemodelan.
Hasil pengujian penerapan CLAHE pada tahap preprocessing pada ekstraksi fitur HSV
dan GLCM dapat memberikan hasil akurasi yang lebih baik dengan peningkatan nilai
akurasi sebesar 8.7% dibandingkan tanpa penerapan CLAHE. Berdasarkan hasil tersebut
dapat disimpulkan bahwa penerapan metode preprocessing Contrast Limited Adaptive
Histogram Equalization (CLAHE) dapat memberikan peningkatan akurasi yang cukup
signifikan dalam identifikasi penyakit daun kentang
Kata Kunci : Klasifikasi, K-Nearest Neighbor, HSV, GLCM, CLAHE

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, K-Nearest Neighbor, HSV, GLCM, CLAHE
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:	22 Sep 2023 06:56
Last Modified:	22 Sep 2023 06:56
URI:	http://eprints.upnyk.ac.id/id/eprint/37648

Actions (login required)

View Item