KLASIFIKASI PENYAKIT PADA TANAMAN PADI BERDASARKAN TEKSTUR DAUN MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN (LBP) DENGAN ALGORITMA K- NEAREST NEIGHBOR (KNN)

WICAKSONO, FATWA LUHUR (2023) KLASIFIKASI PENYAKIT PADA TANAMAN PADI BERDASARKAN TEKSTUR DAUN MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN (LBP) DENGAN ALGORITMA K- NEAREST NEIGHBOR (KNN). Other thesis, UPN "Veteran" Yogyakarta.

	Text 1.Skripsi Fulltext_123160144_Fatwa Luhur Wicaksono.pdf Restricted to Repository staff only Download (2MB)
	Text 2.Cover_123160144_Fatwa Luhur Wicaksono.pdf Download (135kB)
	Text 3.ABSTRAK_123160144_Fatwa Luhur Wicaksono.pdf Download (15kB)
	Text 4.Lembar Pengesahan_123160144_Fatwa Luhur WIcaksono.pdf Download (568kB)
	Text 5.Daftar isi_123160144_Fatwa Luhur Wicaksono.pdf Download (58kB)
	Text 6.Daftar pustaka_123160144_Fatwa Luhur Wicaksono.pdf Download (111kB)

Abstract

Rata-rata penduduk Indonesia memperoleh sumber karbohidrat dari tanaman padi. Pada
proses penanaman padi biasanya dihadapkan dengan berbagai kendala baik dari luar (hama)
maupun kendala dari dalam (penyakit). Kendala dari luar ini biasanya disebabkan oleh hama
seperti tikus, wareng coklat, keong mas, dsb. Sedangkan kendala dari dalam biasanya
disebabkan oleh penyakit pada tanaman padi itu sendiri seperti, hawar daun bakteri, bercak
coklat, noda palsu, busuk batang, bakteri daun bergaris, dan beberapa penyakit virus seperti
kerdil rumput, kerdil hampa, tungro, dsb. Kedua kendala di atas sangat penting untuk diketahui
dan di amati karena penyebarannya yang sangat luas diberbagai wilayah dan sangat umum
terjadi di ekosistem tropika seperti Indonesia ini yang mengakibatkan penurunan hasil produksi
yang sangat besar.
Penelitian ini menggunakan citra data set berupa gambar sebagai citra awal untuk dilakukkan
klasifikasi. Terdapat beberapa proses dalam penelitian ini yang pertama proses preprocessing. Proses
preprocessing terdapat beberapa tahap antara lain tahap Labeling dan grayscale,. Proses yang kedua
adalah proses ekstrasi fitur, proses ini menggunakan ekstrasi fitur Local Binary Pattern (LBP) dan
proses yang terakhir adalah klasifikasi dengan algoritma K- Nearest Neighbor (KNN).
Kombinasi ekstraks fitur Local Binary Pattern (LBP) dengan algoritma K- Nearest
Neighbor (KNN). menghasilkan akurasi yang cukup baik. pengujian dilakukan dengan
menggunakan k-fold cross validation dan didapatkan hasil akurasi sebesar 81.6666% untuk
160 data.
Kata Kunci: Penyakit tanaman padi, Ekstraks Fitur Local Binary Pattern (LBP) Dengan Algoritma K- Nearest Neighbor (KNN).

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyakit tanaman padi, Ekstraks Fitur Local Binary Pattern (LBP) Dengan Algoritma K- Nearest Neighbor (KNN)
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:	26 Jul 2023 07:45
Last Modified:	26 Jul 2023 07:45
URI:	http://eprints.upnyk.ac.id/id/eprint/36580

Actions (login required)

View Item