TA : Identifikasi Jenis Penyakit Daun Tembakau Menggunakan Metode Gray Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM)

Kurniawan, Nauval Zabidi (2016) TA : Identifikasi Jenis Penyakit Daun Tembakau Menggunakan Metode Gray Level Co-Occurrence Matrix (GLCM) dan Support Vector Machine (SVM). Undergraduate thesis, Institut Bisnis dan Informatika Stikom Surabaya.

[img]
Preview
Text
COVER.pdf - Accepted Version

Download (317kB) | Preview
[img]
Preview
Text
DAFTAR_ISI.pdf - Accepted Version

Download (203kB) | Preview
[img]
Preview
Text
BAB_I.pdf - Accepted Version

Download (260kB) | Preview
[img]
Preview
Text
BAB_II.pdf - Accepted Version

Download (993kB) | Preview
[img]
Preview
Text
BAB_III.pdf - Accepted Version

Download (1MB) | Preview
[img]
Preview
Text
BAB_IV.pdf - Accepted Version

Download (375kB) | Preview
[img]
Preview
Text
BAB_V.pdf - Accepted Version

Download (249kB) | Preview
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf - Accepted Version

Download (274kB) | Preview

Abstract

Tembakau merupakan salah satu hasil produk pertanian yang diproses dari bagian daun tanaman tembakau. Masyarakat secara umum hanya mengetahui bahwa tembakau merupakan bahan baku utama rokok, akan tetapi pada kenyataannya ada banyak manfaat lain dari daun tembakau, mulai dari melepaskan gigitan lintah hingga sebagai obat HIV/AIDS dan sebagai biofuel. Pada perkembangannya ada dua faktor yang mempengaruhi kualitas tanaman tersebut, yaitu hama dan penyakit. Untuk meminimalisir penurunan kualitas tembakau, diperlukan sebuah metode analisis yang mampu mendeteksi penyakit pada daun tembakau sedini mungkin. Pada penelitian ini dibuat sebuah sistem yang mampu mendeteksi penyakit daun tembakau sebagai bentuk dari pengembangan teknologi digital (pengolahan citra). Dalam penelitian sistem analisis ini digunakan metode Gray Level Co-occurrence Matrix (GLCM) dengan memanfaatkan ekstraksi fitur - fitur sebuah citra dengan memperhatikan hubungan piksel ketetanggaan dan Support Vector Machine (SVM) sebagai pengklasifikasi jenis penyakit dengan bantuan kernel gaussian (rbf) dan polynomial. Pengujian sistem analisis ini menghasilkan tingkat keberhasilan yang beragam. Rata-rata tingkat keberhasilan pada sistem ini adalah 74% dengan persentase keberhasilan tertinggi 80% pada kernel polynomial dengan jarak piksel 1, 2, 3, 5 dan 6. Sedangkan persentase keberhasilan terkecil bernilai 63% pada kernel gaussian (rbf) dengan jarak piksel 1.


Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Thesis (Undergraduate)
Additional Information: Nauval Zabidi Kurniawan (11410200069)
Uncontrolled Keywords: daun tembakau, GLCM, ekstraksi fitur, SVM, kernel
Subjects: 500 – Science > 580 Plants
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Agung P. W.
Date Deposited: 30 Nov 2016 02:48
Last Modified: 30 Nov 2016 02:48
URI: http://repository.dinamika.ac.id/id/eprint/1702

Actions (login required)

View Item View Item