• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Agricultural Technology
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Agricultural Technology
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Identifikasi Penyakit Daun Tembakau Berdasarkan Fitur Warna Menggunakan KNN (K-Nearest Neighbor)

    Thumbnail
    View/Open
    171710201096_Risqiyah Novianti_Naskah Skripsi.pdf (2.382Mb)
    Date
    2021-11-15
    Author
    NOVIANTI, Risqiyah
    Metadata
    Show full item record
    Abstract
    Tembakau merupakan salah satu tanaman yang banyak ditanam di Indonesia. Untuk meningkatkan produktivitas tanaman tembakau, maka mutu dan kualitasnya harus diperhatikan dengan baik. Salah satu indikator kualitas tembakau yaitu ada tidaknya penyakit pada tanaman tembakau. Pengecekan penyakit tanaman tembakau kebanyakan masih dilakukan secara manual oleh manusia melalui morfologi daun. Penglihatan melalui morfologi daun masih bersifat subjektif, karena hanya berdasarkan penglihatan manusia. Oleh karena itu diperlukan suatu sistem yang dapat melakukan identifikasi penyakit tanaman tembakau secara objektif. Salah satu alternatifnya yaitu dengan memanfaatkan pengolahan citra digital. Tujuan dari penelitian ini yaitu membuat sebuah aplikasi yang dapat mengidentifikasi penyakit pada daun tembakau berdasarkan perbandingan ekstraksi fitur warna citra RGB, normalisasi RGB, HSV, dan YCbCr dengan menggunakan algoritma K-Nearest Neighbor (K-NN). Nilai K yang diujikan yaitu K=1 sampai dengan K=100. Data yang digunakan yaitu citra daun tembakau sebanyak 160 citra yang diklasifikasi menjadi 4 kelas, yaitu daun yang terserang penyakit patik, penyakit layu bakteri, penyakit krupuk, dan daun yang sehat. Aplikasi identifikasi penyakit daun tembakau dibuat menggunakan bahasa pemrograman Matlab. Hasil yang diperoleh yaitu model warna HSV dengan menggunakan nilai K=5 memperoleh nilai akurasi yang lebih tinggi daripada model warna yang lain yaitu sebesar 90%. Pada model warna YCbCr memperoleh nilai akurasi tertinggi sebesar 85%, normalisasi RGB sebesar 67% dan model warna RGB sebesar 65%. Nilai K dengan hasil akurasi tertinggi berbeda-beda pada setiap model warna. Penggunaan nilai K juga berpengaruh terhadap akurasi yang dihasilkan, semakin besar nilaik K yang digunakan maka nilai akurasi yang dihasilkan cenderung semakin rendah.
    URI
    http://repository.unej.ac.id/xmlui/handle/123456789/106268
    Collections
    • UT-Faculty of Agricultural Technology [2752]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository