PENERAPAN METODE EKSTRAKSI FITUR DALAM PENGAMBILAN CIRI CITRA PADA IDENTIFIKASI PENYAKIT DAUN KEMBANG KOL MENGUNAKAN SVM

Ramadhan, Syahrindra Dzaky (2024) PENERAPAN METODE EKSTRAKSI FITUR DALAM PENGAMBILAN CIRI CITRA PADA IDENTIFIKASI PENYAKIT DAUN KEMBANG KOL MENGUNAKAN SVM. Other thesis, UPN Veteran Yogyajarta.

	Text Abstrak_Syahrindra Dzaky Ramadhan_123190142.pdf Download (327kB)
	Text Cover_Syahrindra Dzaky Ramadhan_123190142.pdf Download (559kB)
	Text DaftarIsi_Syahrindra Dzaky Ramadhan_123190142.pdf Download (339kB)
	Text DaftarPustaka_Syahrindra Dzaky Ramadhan_123190142.pdf Download (496kB)
	Text Halaman Pengesahan_Syahrindra Dzaky Ramadhan_123190142.pdf Download (558kB)
	Text Skripsi Full_Syahrindra Dzaky Ramadhan_123190142.pdf Restricted to Repository staff only Download (4MB)

Abstract

vi
ABSTRAK
Kembang kol merupakan salah satu sayuran yang umum dikomsumsi oleh kebanyakan
masyarakat Indonesia. Kembang kol memiliki manfaat untuk melancarkan pencernaan,
menetralkan zat-zat asam, dan kaya akan serat serta vitamin B. Dibalik manfaatnya, dalam
budidaya kembang kol diperlukan keahlian khusus karena rawan terhadap serangan hama
dan penyakit yang disebabkan oleh penyakit seperti black rot dan downy mildew. Identifikasi
penyakit pada daun kembang kol yang dilakukan secara dini diharapkan dapat berguna
dalam mengantisipasi persebaran penyakit pada tanaman kembang kol. Penelitian ini
menggunakan metode SVM dalam melakukan klasifikasi dan membandingkan kombinasi
dari metode ekstraksi fitur ciri seperti GLCM, RGB, dan HSV untuk memperoleh hasil
terbaik.
Support Vector Machine merupakan metode pembelajaran mesin supervised learning
yang dapat diterapkan dalam melakukan klasifikasi. Dengan menemukan ciri citra terbaik
menggunakan ekstraksi fitur, akurasi pada metode SVM dalam melakukan identifikasi
penyakit daun kembang kol dapat ditingkatkan. Penerapan metode Gray Level Co-
occurance Matrix dirasa belum maksimal dalam pengambilan ciri citra berdasarkan tekstur.
Diperlukan pengambilan ciri citra berdasarkan warna seperti Red, Green, Blue dan Hue,
Saturation, Value untuk mendapatkan fitur yang lebih merepresentasi kan ciri citra.
Hasil pengujian dari penelitian ini dengan membandingkan beberapa kombinasi metode
ekstraksi fitur dalam pengambilan ciri citra dibagi menjadi delapan model, yaitu GLCM,
RGB GLCM, HSV GLCM, serta RGB HSV GLCM yang masing-masing menggunakan
latar belakang dan tanpa latar belakang. Model dengan GLCM mendapatkan akurasi terbaik
sebesar 77% dengan latar belakang utuh. Sedangkan model RGB GLCM, HSV GLCM, serta
RGB HSV GLCM mendapatkan akurasi terbaik masing-masing sebesar 89%, 86%, dan 94%
tanpa menggunakan latar belakang. Berdasarkan hasil yang diperoleh, dapat disimpulkan
bahwa kombinasi dengan menggunakan ketiga metode RGB, HSV, dan GLCM
mendapatkan akurasi terbaik sebesar 94% dalam melakukan identifikasi penyakit daun
kembang kol.
Kata Kunci : Klasifikasi, Support Vector Machine, GLCM, RGB, HSV.

Item Type:	Thesis (Other)
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	22 Feb 2024 03:11
Last Modified:	22 Feb 2024 03:28
URI:	http://eprints.upnyk.ac.id/id/eprint/38941

Actions (login required)

View Item