DETEKSI PENYAKIT PADA DAUN CABAI BERDASARKAN FITUR HSV DAN GLCM MENGGUNAKAN ALGORITMA C4.5 BERBASIS RASPBERRY PI

Sabilla Zuain, Shafa (2021) DETEKSI PENYAKIT PADA DAUN CABAI BERDASARKAN FITUR HSV DAN GLCM MENGGUNAKAN ALGORITMA C4.5 BERBASIS RASPBERRY PI. Sarjana thesis, Universitas Brawijaya.

Abstract

"Shafa Sabilla Zuain, Deteksi Penyakit Pada Daun Cabai Berdasarkan Fitur HSV Dan GLCM Menggunakan Algoritma C4.5 Berbasis Raspberry Pi Pembimbing: Hurriyatul Fitriyah, S.T., M.Sc. dan Rizal Maulana, S.t., M.t., M.Sc Tanaman cabai merupakan tanaman dengan potensi ekonomi besar di Indonesia. Kendati demikian, setiap tahunnya produksi cabai mengalami penurunan yang salah satunya dikarenakan gangguan penyakit. Pengamatan kondisi pada tanaman cabai dapat dilihat pada perubahan yang terjadi pada daun cabai. Deteksi penyakit pada daun cabai diperlukan untuk meminimalisir resiko gagal panen pada tanaman cabai serta sebagai upaya pengendalian secara statregis. Jumlah jenis penyakit pada tanaman cabai yang cukup banyak dan pengetahuan tentang gejala-gejala penyakit yang kurang membuat para petani cukup kesulitan untuk menentukan jenis penyakit yang menyerang. Oleh karena itu, diperlukan sistem yang mampu untuk mendeteksi penyakit pada daun cabai. Sistem Deteksi Penyakit Pada Daun Cabai Berdasarkan Fitur HSV Dan GLCM Menggunakan Algoritma C4.5 Berbasis Raspberry Pi digunakan untuk mendeteksi jenis penyakit pada daun cabai. Penelitian ini menggunakan fitur warna Hue, Saturation dan Value (HSV)serta fitur tekstur Gray Level Co-occurence Matrices (GLCM). Fitur warna HSV digunakan untuk menganalisis perubahan warna daun yang berpenyakit. Fitur tekstur digunakan untuk menganalisis perubahan tekstur pada daun cabai dengan bantuan lima fitur dari GLCM yaitu correlation, dissimilarity, homogeneity, contrast, dan energy dengan empat variasi sudut yaitu sudut 0, 45, 90 dan 135. Metode klasifikasi yang digunakan yaitu menggunakan pohon keputusan dari Algoritma C4.5 dengan hasil klasifikasi yaitu berupa penyakit bercak serkospora, mosaik keriting dan kondisi normal. Deteksi penyakit pada daun cabai menggunakan metode tersebut dengan menggunakan 21 data uji mendapatkan akurasi sebesar 86%. Waktu eksekusi rata-rata yang dibutukan sistem melakukan deteksi adalah 1,045 detik. Kata kunci: penyakit daun cabai, HSV, GLCM, Algoritma C4.5 "

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Uncontrolled Keywords:	penyakit daun cabai, HSV, GLCM, Algoritma C4.5 "
Subjects:	600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.39 Computer engineering
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Unnamed user with username anik
Date Deposited:	22 Oct 2021 07:16
Last Modified:	23 Feb 2022 07:14
URI:	http://repository.ub.ac.id/id/eprint/184624

Text (DALAM MASA EMBARGO) Shafa Sabilla.pdf Restricted to Registered users only until 31 December 2023. Download (6MB)

Actions (login required)

View Item