Klasifikasi Penyakit Daun Tanaman Kacang Tanah Berdasarkan Tekstur dan Warna Menggunakan Metode Multiclass Support Vector Machine

Ratih Rahayu Fakhrunnia, Brahma (2021) Klasifikasi Penyakit Daun Tanaman Kacang Tanah Berdasarkan Tekstur dan Warna Menggunakan Metode Multiclass Support Vector Machine. Magister thesis, Universitas Brawijaya.

Abstract

"ABSTRAK Brahma Ratih Rahayu Fakhrunnia, Jurusan Teknik Elektro, Fakultas Teknik Universitas Brawijaya, Juni 2021, Klasifikasi Penyakit Daun Tanaman Kacang Tanah Berdasarkan Tekstur dan Warna Menggunakan Metode Multiclass Support Vector Machine, Dosen Pembimbing: Panca Mudjirahardjo dan Muhammad Aziz Muslim. Penyakit tanaman merupakan salah satu pembatas penting pada budidaya tanaman kacang tanah di Indonesia, karena dapat menurunkan kualitas dan kuantitas dari hasil yang dicapai. Pengenalan jenis penyakit pada daun tanaman kacang tanah pada umumnya masih secara manual menggunakan pengamatan mata. Sehingga diperlukan penerapan teknologi yang tentunya bisa menjadi salah satu alternatif untuk diterapkan pada budidaya tanaman kacang tanah terutama untuk pengenalan dan pengendalian penyakit tanaman. Pada penelitian ini menyajikan aplikasi pengembangan teknologi, yaitu pengolahan citra digital yang digunakan untuk mengenali ciri penyakit daun kacang tanah yang terserang penyakit berdasarkan ekstraksi ciri tekstur Gray Level Co-occurrence Matrix (GLCM) dan ekstraksi ciri warna HSV. Hasil dari ekstraksi ciri tersebut akan diklasifikasikan menggunakan metode Multiclass SVM dengan strategi Directed Acyclic Graph Support Vector Machine (DAGSVM) untuk menentukan label kelas dari input data daun tanaman kacang tanah. Hasil dari proses klasifikasi penyakit daun kacang tanah dengan menggunakan input ciri tekstur GLCM dan ciri warna HSV serta diklasifikasikan dengan menggunakan metode Multiclass SVM dengan strategi DAGSVM menunjukkan bahwa dengan menggunakan kernel RBF memberikan hasil akurasi lebih tinggi bila dibandingkan dengan menggunakan kernel linear dan kernel polynomial. Hal ini dapat dilihat dari hasil penelitian bahwa klasifikasi menggunakan kernel RBF memberikan hasil tertinggi dengan menggunakan jarak d=1 dengan sudut GLCM 90 derajat dengan nilai akurasi mencapai 99,2% pada kelas bercak daun, 98.3 % pada kelas karat daun, 99.2% pada kelas bercak mata, 100% pada kelas daun normal dan 100% pada kelas daun lain. Kata kunci : kacang tanah, GLCM, HSV, Multiclass SVM, DAGSVM "

Item Type:	Thesis (Magister)
Divisions:	S2/S3 > Magister Teknik Elektro, Fakultas Teknik
Depositing User:	Unnamed user with username saputro
Date Deposited:	20 Oct 2021 00:18
Last Modified:	18 Oct 2024 01:41
URI:	http://repository.ub.ac.id/id/eprint/184222

Text BRAHMA RATIH RAHAYU FAKHRUNNIA..pdf Download (2MB)

Actions (login required)

View Item