Febrinanto, Falih Gozi (2018) Implementasi Algoritme K-Means Sebagai Metode Segmentasi Citra Dalam Identifikasi Penyakit Daun Jeruk. Sarjana thesis, Universitas Brawijaya.
Abstract
Salah satu faktor yang menyebabkan rendahnya kualitas tanaman jeruk adalah penyakit yang menyerang pada daunnya. Perkembangan teknologi informasi pada bidang pengolahan citra digital memungkinkan untuk melakukan identifikasi penyakit daun jeruk secara otomatis. Pada penelitian ini, dilakukan identifikasi penyakit daun jeruk yang meliputi Downy Mildew, Cendawan Jelaga, dan CVPD (Citrus Vein Phloem Degeneration). Proses identifikasi penyakit daun jeruk diawali dengan proses resizing untuk menyeragamkan ukuran citra dan proses rescaling untuk melakukan pengaturan terhadap kecerahan citra. Selanjutnya, melakukan perubahan ruang warna dari RGB menjadi L*a*b*. Setelah melakukan perubahan ruang warna, hasil perubahan digunakan sebagai input pada segmentasi citra menggunakan algoritme K-Means. Terdapat dua bagian segmentasi yaitu segmentasi daun dan segmentasi penyakit. Setelah melakukan segmentasi, hasil dari segmentasi penyakit diklasifikasikan menggunakan algoritme K-Nearest Neighbor (K-NN) terhadap data latih untuk diketahui kelas penyakitnya. Pengujian yang dilakukan pada penelitian ini yaitu pengujian nilai Scale Factor, nilai cluster optimal, dan nilai K optimal. Berdasarkan tiga pengujian yang dilakukan, didapatkan rekomendasi nilai Scale Factor yaitu 1.1, nilai cluster optimal pada segmentasi daun yaitu 2, nilai cluster optimal pada segmentasi penyakit 9, dan nilai K optimal yaitu 4. Akurasi tertinggi yang didapatkan untuk identifikasi penyakit pada penelitian ini adalah 90.83%. Setelah dilakukan analisis lebih lanjut, hasil akurasi program dapat ditingkatkan kembali dengan menggunakan parameter batas minimal. Berdasarkan pengujian parameter batas minimal, hasil menujukkan nilai optimal yang didapat sebesar 3% dan akurasi didapatkan untuk identifikasi penyakit adalah 99.17%.
English Abstract
One of the factors that causes poor quality of citrus crops is the disease which attacks the leaves. The development of information technology in digital image processing field allows to identify the citrus leaf disease automatically. This research identifies the citrus leaf disease includes Downy Mildew, Cendawan Jelaga, and CVPD (Citrus Vein Phloem Degeneration). The identification process of citrus leaf disease begins with resizing to equalize image size and rescaling to adjust the image brightness. Next, converting RGB to L*a*b* color space. After converting the color space, the results of the conversion is used as an input to image segmentation using K-Means algorithm. There are two segmentation parts, namely leaf segmentation and disease segmentation. After segmentation process, the results of disease segmentation are classified by using K-Nearest Neighbor (KNN) algorithm on the train data to knows the class of their diseases. Tests conducted on this research are testing the value of Scale Factor, optimal cluster value, and optimal K value. Based on the three conducted tests, it recommends that the Scale Factor value is 1.1, the optimal cluster value on leaf segmentation is 2, the optimal cluster value on the segmentation of disease is 9, and the optimal K value is 4. The highest accuracy that obtained for disease identification in this research is 90.83%. After futher analysis, the accuracy of the program can be improved by using the minimum limit parameter. The minimum limit parameter test shows that the optimal value is 3% and the accuracy that obtained for disease identification is 99.17%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/394/051806597 |
| Uncontrolled Keywords: | Penyakit Daun, Segmentasi Citra, Identifikasi, K-Means, K-Nearest Neighbor (K-NN). Leaf Disease, Image Segmentation, Identification, K-Means, K-Nearest Neighbor (K-NN) |
| Subjects: | 600 Technology (Applied sciences) > 632 Plant injuries, diseases, pests > 632.3 Diseases / Plant diseases > 632.302 85 Diseases (Computer applications) > 632.302 855 1 Diseases (Computer applications+algorithms) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 13 Mar 2019 01:58 |
| Last Modified: | 18 Oct 2021 03:23 |
| URI: | http://repository.ub.ac.id/id/eprint/161535 |
Preview |
Text
Falih Gozi Febrinanto.pdf - Published Version Download (3MB) | Preview |
Actions (login required)
 |
View Item |