Deteksi Penyakit Tanaman Jagung Menggunakan Metode Content Based Image Retrieval Melalui Citra Daun

Purnomo, Hendri and Dr. Eng. Panca Mudjirahardjo, S.T.,M.T. and Prof. Dr. Ir. Sholeh Hadi Pramono, MS (2022) Deteksi Penyakit Tanaman Jagung Menggunakan Metode Content Based Image Retrieval Melalui Citra Daun. Magister thesis, Universitas Brawijaya.

Abstract

Penyakit tanaman yang menyerang tanaman jagung dapat mengakibatkan jumlah produktivitas menjadi berkurang dan bahkan mengakibatkan kerugian materi bagi petani. Penyakit tersebut dapat diamati pada bagian yang terserang seperti akar, batang, dan daun. Perubahan yang terjadi berupa perubahan warna dan bentuk fisik. Hal tersebut dapat diamati langsung dengan mata telanjang oleh ahlinya, namun seiring berkembangnya teknologi komputer dan citra digital, penyakit tersebut dapat dikenali dengan mudah oleh orang awan serta guna otomasi dalam bidang pertanian. Penelitian ini mengusulkan metode aplikasi jaringan saraf tiruan menggunakan algoritma Extreme Learning Machine (ELM) dan aplikasi citra digital berupa metode Content Based Image Retrieval (CBIR) dalam identifikasi penyakit tanaman jagung melalui citra daun yang terserang penyakit. Ekstraksi fitur yang digunakan terdiri dari tiga jenis yaitu fitur warna, bentuk dan tekstur. CBIR merupakan metode pencarian citra yang telah tersimpan di database dengan membandingkan fitur citra masukan (query) dan fitur citra di database. Sedangkan ELM merupakan jaringan saraf tiruan dengan satu hidden layer. Algoritma ELM akan berfungsi sebagai classifier yang akan mengklasifikasi jenis penyakit sesuai dengan citra yang diberikan. Hasil sistem yang diusulkan mampu memberikan hasil presisi tertinggi sebesar 0,9978 dalam mengidentifikasi penyakit tanaman jagung.

English Abstract

Plant diseases that attack corn plants can reduce the amount of productivity and even result in material losses for farmers. The disease can be observed on the affected parts such as roots, stems, and leaves. Changes that occur in the form of changes in color and physical form. This can be observed directly with the naked eye by experts, but with the development of computer technology and digital imagery, the disease can be easily recognized by cloud people and for automation in agriculture. This study proposes an artificial neural network application method using the Extreme Learning Machine (ELM) algorithm and a digital image application in the form of the Content Based Image Retrieval (CBIR) method in identifying corn plant diseases through images of diseased leaves. There are three types of feature extraction, namely color, shape and texture features. CBIR is an image search method that has been stored in the database by comparing the input image features (query) and image features in the database. While ELM is an artificial neural network with one hidden layer. The ELM algorithm will function as a classifier that will classify the type of disease according to the image provided. The results of the proposed system are able to provide the highest precision of 0.9978 in identifying corn plant diseases.

Item Type:	Thesis (Magister)
Identification Number:	042307
Divisions:	S2/S3 > Magister Teknik Elektro, Fakultas Teknik
Depositing User:	Unnamed user with email y13w@ub.ac.id
Date Deposited:	19 Jan 2024 08:01
Last Modified:	19 Jan 2024 08:01
URI:	http://repository.ub.ac.id/id/eprint/212587

Text (DALAM MASA EMBARGO) Hendri Purnomo.pdf Restricted to Registered users only until 31 December 2024. Download (4MB)

Actions (login required)

View Item