Penerapan Random Forest Untuk Mengukur Tingkat Keparahan Penyakit Pada Daun Apel

Ratnawati, Luthfiana (2019) Penerapan Random Forest Untuk Mengukur Tingkat Keparahan Penyakit Pada Daun Apel. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000073-Undergraduate_Theses.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Tingkat keparahan penyakit pada tanaman merupakan salah faktor yang penting diketahui sebagai upaya pengendalian hama dan penyakit yang dapat berpengaruh penting dalam perkembangan tanaman. Teknologi pengolahan citra digital (Digital Image Processing) saat ini berkembang semakin pesat, salah satunya dalam bidang pertanian. Pada penelitian tugas akhir ini, dilakukan pengukuran tingkat keparahan penyakit pada daun apel dengan menggunakan metode klasifikasi Random Forest. Pengukuran tingkat keparahan penyakit pada daun apel dilakukan dalam beberapa tahapan proses yaitu pra-pengolahan citra, segmentasi citra menggunakan K-means clustering, ekstraksi fitur ukuran, bentuk dan warna pada citra dan yang terakhir klasifikasi menggunakan metode Random Forest. Data citra yang digunakan sejumlah 467 citra daun apel dan menghasilkan kinerja klasifikasi Random Forest dengan akurasi yang menunjukkan bahwa metode Random Forest mampu mengukur tingkat keparahan penyakit pada daun apel dengan akurasi tertinggi pada proses pelatihan sebesar 100% dan nilai akurasi tertinggi pada proses pengujian sebesar 75.3191%.
================================================================================================================================
The severity of disease in plants is an important factor known as an effort to control pests and diseases that can have an important influence on plant development. Digital image processing technology (Digital Image Processing) is currently growing rapidly, one of them in agriculture. In this final project, we measured the severity of the disease on apple leaves using the Random Forest classification method. The measurement of disease severity in plants is carried out in several stages of the process, namely pre-image processing, image segmentation using K-means clustering, feature extraction size, shape and color in the image and the last classification using the Random Forest method. Image data used were 467 images of apple leaves and produced a classification performance of Random Forest with accuracy indicating that the Random Forest method was able to measure the severity of the disease on apple leaves with the highest accuracy in the training process by 100% and the highest accuracy value at 75.3191%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	penyakit tanaman, daun apel, tingkat keparahan, random forest
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Luthfiana Ratnawati
Date Deposited:	06 Aug 2026 05:31
Last Modified:	06 Aug 2026 05:31
URI:	http://repository.its.ac.id/id/eprint/67139

Actions (login required)

View Item