-, Nurhidayati (2019) Deteksi Otomatis Penyakit Daun Jagung Menggunakan Algoritma Fuzzy C-Means Dan Operasi Morfologi. Magister thesis, Universitas Brawijaya.
Abstract
Jagung merupakan makanan pokok kedua setelah beras di Indonesia. Oleh karena itu budidaya tanaman jagung merupakan isu penting dalam pertanian di Indonesia. Permasalahan sering terjadi pada budidaya jagung, salah satunya adalah penyakit bercak daun jagung. Pemantauan kesehatan tanaman jagung menjadi masalah penting untuk meningkatkan produksi jagung. Pemantauan kesehatan tanaman jagung di daerah yang luas membutuhkan sistem deteksi penyakit tanaman jagung yang secara otomatis mendeteksi gejala yang muncul pada daun jagung dengan menggunakan teknologi pencitraan. Sistem ini akan membantu dalam menanam tanaman jagung yang sehat di pertanian Indonesia. Namun, itu bukan tugas yang mudah untuk mendeteksi penyakit bercak daun jagung secara otomatis. Diperlukan suatu metode yang dapat memudahkan pendeteksian bercak daun jagung tersebut. Salah satu metode yang dapat digunakan untuk deteksi daun jagung adalah metode segmentasi citra. Algoritma Fuzzy C-Means telah dibuktikan mampu menangani koleksi data besar yang tidak jelas dan tidak pasti. Pada tesis ini akan mengusulkan deteksi otomatis penyakit daun jagung dengan menggunakan algoritma Fuzzy C-Means. Hasil segmentasi citra dari algoritma Fuzzy C-Means yang belum sesuai, disempurnakan dengan menggunakan operasi morfologi. Hasil pengujian menunjukkan bahwa nilai akurasi lebih besar dari 90%. Hal tersebut menunjukkan bahwa metode yang diusulkan penulis sangat bagus untuk diterapkan dalam proses segmentasi citra bercak daun jagung ini.
English Abstract
Corn is the second staple food after rice in Indonesia, therefore the corn cultivation is an important issue in agriculture in Indonesia. Problems often occur in corn cultivation, one of which is corn leaf spot disease. Monitoring of the health of corn plants is an important problem to increase the corn production. Health monitoring of corn plants in large areas requires a corn disease detection system that automatically detects symptoms that appear on the leaves of corn using imaging technology. This system will help in growing healthy corn plants on the farm in Indonesia. However, it is not an easy task to detect corn leaf spot disease automatically. A method is needed to facilitate the detection of corn leaf spots. One method that can be used to detect corn leaf is the image segmentation method. The Fuzzy C-Means algorithm has proven that it can handle large, unclear and uncertain data collections. This paper proposes an automatic detection of corn leaf disease using the Fuzzy C-Means algorithm. Since the results of image segmentation by the Fuzzy C-Means algorithm are not appropriate, the morphological operations are used to improve the results. The test results show that the accuracy values more than 90%. It shows that the method proposed by the authors is very good to be applied in the process of segmenting the image of corn leaf spots.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/633.159 028 5/NUR/d/2019/041907698 |
| Uncontrolled Keywords: | CORN - PLANT. DISEASES - CORN, COMPUTER - SYSTEM |
| Subjects: | 600 Technology (Applied sciences) > 633 Field and plantation crops > 633.1 Cereals > 633.15 Corn > 633.159 028 5 Corn (diseases- Computer Application) |
| Divisions: | S2/S3 > Magister Matematika, Fakultas MIPA |
| Depositing User: | Endang Susworini |
| Date Deposited: | 06 Dec 2019 03:41 |
| Last Modified: | 19 Dec 2019 02:59 |
| URI: | http://repository.ub.ac.id/id/eprint/176568 |
Actions (login required)
 |
View Item |