Grahadhuita, MudawikawiAkbar (2017) Klasifikasi Citra Tanah Berdasarkan Kandungan Bahan Organik Untuk Penanaman Atsiri Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Sarjana thesis, Universitas Brawijaya.
Abstract
Salah satu tanaman atsiri yang paling berpotensi dan banyak dibudidayakan di Indonesia adalah tanaman nilam. Nilam terkenal rakus dalam menyerap unsur hara yang merupakan hasil mineralisasi bahan organik tanah, maka dari itu pemilihan tanah dengan kandungan bahan organik yang tinggi akan memaksimalkan produktivitas nilam. Salah satu cara untuk mengetahui kandungan bahan organik tanah adalah dengan melakukan pengujian di laboratorium tanah, namun cara tersebut memakan biaya yang tidak sedikit dan memerlukan waktu yang lama. Penelitian ini bertujuan untuk mempermudah identifikasi kandungan bahan organik tanah dengan mengklasifikasikan tanah berdasarkan warna dan tekstur citra digital tanah. Sample tanah yang digunakan sebagai objek penelitian diambil dari beberapa kecamatan di kota Blitar. Ekstraksi fitur warna citra dilakukan dengan metode Color Moments dan fitur tekstur diekstraksi menggunakan metode Gray Level Co-occurence Matrix (GLCM). Metode klasifikasi yang digunakan adalah metode Modified K-Nearest Neighbor (MKNN). Hasil dari penelitian didapatkan akurasi tertinggi sebesar 93,33% pada data testing 1 yaitu saat K = 3, menggunakan 180 data training, serta kombinasi fitur warna dan tekstur yang tertentu.
English Abstract
One of the essential plants that have the most potential and widely cultivatedin Indonesia is patchouli. Patchouli were famous for greedily absorb soil nutrients which the product of soil organic matter mineralization, therefore the selection of soil with high organic matter wil maximize the patchouli’s productivity. One way to determine the soil’s organic matter content is to conduct examination in soil laboratory, but that way is expensive and require a long time. This research’s aims to facilitate soil’s organic matter identification by classifying soil based on the color and texture of soil’s digital image. The samples of soil that used as objects in this research were taken from several district in Blitar. The color feature extraction is done using the Color Moments methode and the texture feature is done using Gray Level Co-occurence Mtarix (GLCM) methode. The Classification method used is Modified K-Nearest Neighbor (MKNN) method. The result of this research showed the highest accuracy of 93,33% on data testing 1 is when the value of K = 3, using 180 data training, and also particular color and texture feature combination.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/135/051701549 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 16 Mar 2017 09:10 |
| Last Modified: | 22 Oct 2021 03:24 |
| URI: | http://repository.ub.ac.id/id/eprint/147353 |
Preview |
Text
Jurnal_Skripsi_-_125150200111127.pdf Download (2MB) | Preview |
Preview |
Text
KLASIFIKASI_CITRA_TANAH_BERDASARKAN_KANDUNGAN__BAHAN_ORGANIK.pdf Download (7MB) | Preview |
Actions (login required)
 |
View Item |