Perbandingan Klasifikasi Penyakit pada Daun Tembakau Menggunakan KNN (K-Nearest Neighbor) dan Gaussian Bayes Classifier (GBC) dengan Ekstraksi Fitur GLCM (Grey Level Co-Ocurance Matrix)

Sholeha, Dita Hidayatus (2017) Perbandingan Klasifikasi Penyakit pada Daun Tembakau Menggunakan KNN (K-Nearest Neighbor) dan Gaussian Bayes Classifier (GBC) dengan Ekstraksi Fitur GLCM (Grey Level Co-Ocurance Matrix). Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img]
Preview
Text
ARTIKEL.pdf - Published Version

Download (1MB) | Preview
[img] Text
PENDAHULUAN.pdf

Download (450kB)
[img] Text
ABSTRAKSI.pdf

Download (158kB)
[img] Text
BAB I.pdf

Download (319kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (784kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (586kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (183kB)

Abstract

Pada Pengklasifikasian daun tembakau masih dilakukan oleh seorang grader yang memiliki kemampuan human characteristic salah satunya indara pengelihatan. Sehingga dibutuhkan pengolahan citra untuk membantu pengenalan (recognition) bidang pertanian salah satunya adalah membantu para petani ataupun perusahaan untuk pengenalan penyakit daun tembakau. Penelitian ini bertujuan untuk mengolah citra daun tembakau yang terkena penyakit Brown Spot dan Tobbaco Mosaic Virus menggunakan Ekstraksi Fitur GLCM (Grey Level Co-Ocurance Matrix) yang akan diambil 4 fitur Contas, Corelasi, Energy, dan Homogenity. Dari 4 fitur tersebut akan di gunakan untuk pengklasifikasian menggunakan metode klasifikasi k-NN (k-Nearest Neighbor) dan Gaussian Bayes Classifier. Penelitian ini menggunakan citra daun tembakau yang terkena penyakit Brown Spot dan Tobbaco Mosaic Virus dengan ukuran 480 x 320 pixel sebanyak 50 data citra. Dari hasil penelitian diperoleh nilai akurasi terbaik sebesar 80% menggunakan metode k-Nearest Neighbor (k-NN) dengan pengijian Cross Fold Validation pada nilai ketertanggan 7. Hal ini lebih baik dari tingkat akurasi metode Gaussian Bayes Classifier dengan akurasi sebesar 60%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, GLCM, Brown Spot, Tobbaco Mosaic Virus, k-NN, Gaussian Bayes
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1 - Undergraduate Thesis)
Depositing User: Hendri Uut Fahrullah
Date Deposited: 23 Aug 2018 04:19
Last Modified: 13 Sep 2019 08:51
URI: http://repository.unmuhjember.ac.id/id/eprint/604

Actions (login required)

View Item View Item