PENERAPAN METODE CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION PADA KLASIFIKASI PENYAKIT DAUN ANGGUR DENGAN METODE KNN BERDASARKAN EKSTRAKSI FITUR GLCM DAN HSV

Maharani, Nindya Putri (2024) PENERAPAN METODE CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION PADA KLASIFIKASI PENYAKIT DAUN ANGGUR DENGAN METODE KNN BERDASARKAN EKSTRAKSI FITUR GLCM DAN HSV. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI-FULL-NINDYA PUTRI MAHARANI.pdf Restricted to Repository staff only Download (3MB)
	Text ABSTRAK.pdf Download (199kB)
	Text COVER.pdf Download (242kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (240kB)
	Text PENGESAHAN PENGUJI.pdf Download (267kB)
	Text DAFTAR ISI.pdf Download (261kB)
	Text DAFTAR PUSTAKA.pdf Download (218kB)

Abstract

Di Indonesia anggur dikenal sebagai sumber vitamin A yang sangat baik untuk
kesehatan mata dan mengandung antioksidan tinggi yang berfungsi untuk melindungi sel
dari kerusakan akibat radikal bebas. Namun, beberapa penyakit dapat menyerang tanaman
buah anggur seperti serangan hama dan serangan penyakit pada daun anggur. Terdapat
beberapa jenis penyakit pada daun anggur yaitu bercak daun (black rot), campak hitam
(black measless), hawar daun (leaf blight), embun tepung (powdery mildew), dan tungau
(mites). Dengan pembuatan sistem klasifikasi jenis penyakit diharapkan dapat mencegah
penyebaran penyakit pada tanaman. Pada penelitian ini menggunakan metode klasifikasi K�Nearest Neighbor dengan ekstraksi fitur tekstur GLCM dan fitur warna HSV serta metode
pre-processing Contrast Limited Adaptive Histogram Equalization (CLAHE) dan remove
background.
K-Nearest Neighbors memiliki beberapa kelebihan diantaranya adalah ketangguhan
terhadap data latih yang mempunyai banyak noise dan efektif apabila data latih tersebut
besar. Pemodelan dengan ekstraksi fitur tekstur GLCM dan ekstraksi fitur warna HSV dirasa
kurang optimal sehingga diperlukan penerapan metode Contrast Limited Adaptive
Histogram Equalization (CLAHE) yang bertujuan meningkatkan kualitas citra sebelum
dilakukan ekstraksi fitur dan remove background bertujuan menghapus latar belakang
gambar yang seringkali mengganggu objek klasifikasi.
Hasil pengujian penerapan pre-processing Contrast Limited Adaptive Histogram
Equalization (CLAHE) dan Remove Background pada klasifikasi penyakit daun anggur
dengan K-Nearest Neighbor berdasarkan ekstraksi fitur warna Hue Saturation Value (HSV)
dan ekstraksi fitur tekstur Gray Level Co-Occurrence Matrix (GLCM) memberikan hasil
akurasi sebesar 83.2%. Sedangkan klasifikasi penyakit daun anggur dengan K-Nearest
Neighbor berdasarkan ekstraksi fitur warna Hue Saturation Value (HSV) dan ekstraksi fitur
tekstur Gray Level Co-Occurrence Matrix (GLCM) tanpa penerapan pre-processing
memberikan akurasi 78.8%. Hal tersebut menunjukkan peningkatan akurasi 4.4% jika
menggunakan tahapan pre-processing. Berdasarkan hasil tersebut disimpulkan bahwa
penerapan pre-processing metode Contrast Limited Adaptive Histogram Equalization
(CLAHE) dan remove background memberikan peningkatan akurasi dan pengaruh baik pada
klasifikasi penyakit daun anggur.
Kata Kunci: Klasifikasi, K-Nearest Neighbor, CLAHE, GLCM, HSV, Daun Anggur

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, K-Nearest Neighbor, CLAHE, GLCM, HSV, Daun Anggur
Subjects:	S Agriculture > SB Plant culture
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	27 Aug 2024 06:35
Last Modified:	27 Aug 2024 06:35
URI:	http://eprints.upnyk.ac.id/id/eprint/40836

Actions (login required)

View Item