Search engine for discovering works of Art, research articles, and books related to Art and Culture
Javascript must be enabled to continue!
Klasifikasi Penyakit Daun Tomat Menggunakan Pengolahan Citra Dan Algoritma Machine Learning
View through CrossRef
Klasifikasi penyakit daun tomat merupakan langkah penting untuk meningkatkan produktivitas pertanian dan meminimalkan kerugian akibat patogen. Penelitian ini bertujuan membandingkan dan mengevaluasi performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi penyakit daun tomat berbasis pengolahan citra digital. Pipeline penelitian mencakup segmentasi citra berbasis HSV, ekstraksi fitur warna, bentuk, dan tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta proses klasifikasi. Sistem diimplementasikan dalam bentuk Graphical User Interface (GUI) berbasis MATLAB untuk memudahkan manajemen data latih, pelatihan model, klasifikasi, dan evaluasi performa. Hasil pengujian menunjukkan bahwa SVM mencapai akurasi 92,36%, lebih tinggi dibandingkan Naive Bayes sebesar 79,41%. Kontribusi penelitian ini meliputi analisis komparatif Naive Bayes dan SVM dalam klasifikasi penyakit daun tomat, integrasi fitur warna, bentuk, dan tekstur dalam satu pipeline, dan pengembangan GUI interaktif untuk klasifikasi. Penelitian ini diharapkan dapat mendukung pertanian presisi melalui deteksi penyakit daun tomat yang lebih cepat, akurat, dan efisien.
Title: Klasifikasi Penyakit Daun Tomat Menggunakan Pengolahan Citra Dan Algoritma Machine Learning
Description:
Klasifikasi penyakit daun tomat merupakan langkah penting untuk meningkatkan produktivitas pertanian dan meminimalkan kerugian akibat patogen.
Penelitian ini bertujuan membandingkan dan mengevaluasi performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi penyakit daun tomat berbasis pengolahan citra digital.
Pipeline penelitian mencakup segmentasi citra berbasis HSV, ekstraksi fitur warna, bentuk, dan tekstur menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), serta proses klasifikasi.
Sistem diimplementasikan dalam bentuk Graphical User Interface (GUI) berbasis MATLAB untuk memudahkan manajemen data latih, pelatihan model, klasifikasi, dan evaluasi performa.
Hasil pengujian menunjukkan bahwa SVM mencapai akurasi 92,36%, lebih tinggi dibandingkan Naive Bayes sebesar 79,41%.
Kontribusi penelitian ini meliputi analisis komparatif Naive Bayes dan SVM dalam klasifikasi penyakit daun tomat, integrasi fitur warna, bentuk, dan tekstur dalam satu pipeline, dan pengembangan GUI interaktif untuk klasifikasi.
Penelitian ini diharapkan dapat mendukung pertanian presisi melalui deteksi penyakit daun tomat yang lebih cepat, akurat, dan efisien.
Related Results
Klasifikasi Penyakit Daun Tomat Menggunakan VGG Berbasis Website Classification of Tomato Leaf Diseases Using Web-Based VGG
Klasifikasi Penyakit Daun Tomat Menggunakan VGG Berbasis Website Classification of Tomato Leaf Diseases Using Web-Based VGG
System klasifikasi penyakit daun tomat menggunakan Arsitektur Convolutional Neural Network (CNN), khususnya VGG untuk membantu petani mengdiagnosa penyakit pada tanaman tomat secar...
HUBUNGAN ANTARA PANJANG DAN LEBAR DAUN NENAS TERHADAP KUALITAS SERAT DAUN NANAS BERDASARKAN LETAK DAUN DAN LAMA PERENDAMAN DAUN
HUBUNGAN ANTARA PANJANG DAN LEBAR DAUN NENAS TERHADAP KUALITAS SERAT DAUN NANAS BERDASARKAN LETAK DAUN DAN LAMA PERENDAMAN DAUN
Proses panen nenas akan menghasilkan limbah berupa daun nenas sebesar 2 sampai 3 kg per tanaman. Karena daun nanas tidak dapat dimanfaatkan untuk makanan ternak, jadi biasanya peta...
ENKRIPSI DAN DEKRIPSI CITRA MENGGUNAKAN METODE FRAKTAL
ENKRIPSI DAN DEKRIPSI CITRA MENGGUNAKAN METODE FRAKTAL
Enkripsi citra dengan metode fraktal adalah proses penyandian yang mengubah citra asli (plain image) menjadi citra yang tidak bisa dimengerti (cipher image) dengan menggunakan citr...
Akurasi Citra Image Penyakit Daun Kentang berdasarkan Citra Sehat, Citra Early Blight, dan Citra Late Blight Menggunakan Convolutional Neural Network (CNN)
Akurasi Citra Image Penyakit Daun Kentang berdasarkan Citra Sehat, Citra Early Blight, dan Citra Late Blight Menggunakan Convolutional Neural Network (CNN)
Kentang merupakan salah satu produk hasil pertanian yang memiliki kandungan tepung tertinggi keempat setelah jagung, gandum, dan padi. Pengelolaan pertanian kentang menghadapi berb...
PENGGUNAAN CITRA HIMPUNAN JULIA SEBAGAI CITRA SAMPUL UNTUK MENYEMBUNYIKAN CITRA RAHASIA
PENGGUNAAN CITRA HIMPUNAN JULIA SEBAGAI CITRA SAMPUL UNTUK MENYEMBUNYIKAN CITRA RAHASIA
Steganografi dengan metode fraktal (fractal steganography) adalah teknik menyembunyikan informasi atau pesan, yang dapat berupa citra rahasia, dalam suatu citra sampul (cover image...
Identifikasi Penyakit Tanaman Berdasarkan Citra Daun Berbasis Web dengan Pendekatan Algoritma Convolutional Neural Network
Identifikasi Penyakit Tanaman Berdasarkan Citra Daun Berbasis Web dengan Pendekatan Algoritma Convolutional Neural Network
Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit tanaman sawi menggunakan metode Convolutional Neural Network (CNN) yang diintegrasikan ke dalam platform be...
SKRINING DAN STANDARISASI SERBUK SIMPLISIA BERDASARKAN PERBANDINGAN TINGKAT KETUAAN DAUN NANGKA (Artocarpus heterophyllus Lamk.)
SKRINING DAN STANDARISASI SERBUK SIMPLISIA BERDASARKAN PERBANDINGAN TINGKAT KETUAAN DAUN NANGKA (Artocarpus heterophyllus Lamk.)
Tanaman nangka (Artocarpus heterophyllus Lam L) adalah jenis tanaman tropis yang banyak tumbuh di Indonesia. Selama ini tanaman nangka hanya dimanfaatkan buahnya saja sebagai sumbe...
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
ARTIKEL ALGORITMA PEMROGRAMAN SERI MINTA UBA HASIBUAN
Algoritma merupakan akar dari sebuah sistem yang terbentuk dalam dunia pemrograman.Melalui serangkaian cara yang masuk akal dan teratur, sebuah algoritma dapat menyelesaikan suatu ...