IMPLEMENTASI METODE SVM UNTUK IDENTIFIKASI PENYAKIT PADA CABAI BERDASARKAN CITRA DAUN MENGGUNAKAN EKSTRAKSI FITUR GLCM

Kinasih, Sekar Arum (2024) IMPLEMENTASI METODE SVM UNTUK IDENTIFIKASI PENYAKIT PADA CABAI BERDASARKAN CITRA DAUN MENGGUNAKAN EKSTRAKSI FITUR GLCM. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (78kB)
	Text ABSTRAK.pdf Download (30kB)
	Text DAFTAR ISI.pdf Download (37kB)
	Text DAFTAR PUSTAKA.pdf Download (32kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (236kB)
	Text PENGESAHAN PENGUJI.pdf Download (249kB)
	Text SKRIPSI FULL_ SEKAR ARUM KINASIH_123190135.pdf Restricted to Repository staff only Download (2MB)

Abstract

Cabai (Capsicum annuum L.) merupakan jenis sayuran yang memiliki tingkat
produksi tertinggi di Indonesia, yang menjadikan Indonesia menempati posisi pada urutan
keempat sebagai penghasil cabai dengan menghasilkan 5% dari total produksi global.
Selain mempunyai nilai ekonomi tinggi, cabai juga memiliki kandungan gizi yang
bermanfaat bagi kesehatan manusia seperti Kalori, Protein, Kalsium, Karbohidrat, Vitamin
A, B1 dan Vitamin C. Budidaya tanaman cabai merupakan kegiatan bertani yang berisiko
sering mengalami gagal panen karena sangat mudah terkena penyakit ataupun hama.
Penyakit yang sering menyerang tanaman cabai yaitu virus kuning dan bercak daun. Maka
dibutuhkan identifikasi penyakit pada tanaman cabai sebagai tindakan preventif untuk
menjaga kualitas cabai dari penurunan produksi dan menghindari kenaikan harga.
Metode Gray Level Co-Occurrence Matrix (GLCM) digunakan pada penelitian ini
untuk ekstraksi fitur tekstur pada citra daun cabai. Pada penelitian ini juga menggunakan
metode Support Vector Machine (SVM) sebagai metode klasifikasi pada jenis penyakit
tanaman cabai berdasarkan citra daun menggunakan fitur yang diperoleh dari proses
ekstraksi fitur tekstur metode GLCM. Varietas daun tanaman cabai yang diklasifikasikan
yaitu sehat, penyakit kuning, dan penyakit bercak daun.
Hasil penelitian menggunakan metode GLCM dengan SVM mampu melakukan
klasifikasi jenis penyakit pada tanaman cabai dengan tiga kelas dan mendapatkan akurasi
sebesar 89%, presisi sebesar 89%, recall sebesar 90% dan f1-score sebesar 89%.
Berdasarkan hasil pengujian sistem tersebut, dapat disimpulkan bahwa sistem berjalan
dengan baik dalam mengklasifikasikan jenis penyakit pada tanaman cabai berdasarkan
citra daun.
Kata Kunci : Penyakit Daun Cabai, Gray Level Co-Occurrence Matrix, Support Vector
Machine

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Penyakit Daun Cabai, Gray Level Co-Occurrence Matrix, Support Vector Machine
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	23 Apr 2024 07:44
Last Modified:	23 Apr 2024 07:50
URI:	http://eprints.upnyk.ac.id/id/eprint/39338

Actions (login required)

View Item