Meirista, Etriana (2015) Aplikasi metode Support Vector Machine (SVM) untuk klasifikasi tanaman berdaun menjari dan gulma berdasarkan fitur bentuk dan tekstur daun. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1213201044-Dissertation.pdf Download (7MB) | Preview |
Abstract
Dewasa ini, berbagai cara dilakukan untuk meningkatkan hasil produksi
pertanian. Salah satunya penggunaan herbisida untuk membasmi gulma. Namun,
ada beberapa gulma yang memiliki kemiripan dengan tanaman, sehingga
diperlukan klasifikasi antara tanaman dan gulma sebelum melakukan pembasmian
menggunakan herbisida. Tanaman semangka merupakan objek pada penelitian ini.
Klasifikasi tanaman berdasarkan kemiripan daun yang dimiliki tanaman tersebut
menggunakan citra digital yang dibagi menjadi tiga tahap. Pada tahap pertama,
preprocessing dengan melakukan proses cropping citra, resize citra memisahkan
background dan foreground, selanjutnya dilakukan segmentasi deteksi tepi
dengan menggunakan operator Canny. Tahap kedua dilakukan ekstraksi fitur
untuk mengambil informasi-informasi penting untuk pengenalan fitur daun. Fitur
yang digunakan adalah fitur bentuk dan tekstur. Selanjutnya dilakukan
pengklasifikasian daun tersebut sebagai tanaman berdaun menjari dan gulma
dengan menggunakan metode Support Vector Machine (SVM). Metode SVM
terbukti memiliki akurasi yang baik untuk mengklasifikasikan tanaman berdaun
menjari dan gulma berdasarkan fitur bentuk dan tekstur pada citra multi daun
dengan menggunakan kernel quadratic. Rata-rata akurasi yang dimiliki yaitu
sebesar 74,54%.
==============================================================================================
Dewasa ini, berbagai cara dilakukan untuk meningkatkan hasil produksi
pertanian. Salah satunya penggunaan herbisida untuk membasmi gulma. Namun,
ada beberapa gulma yang memiliki kemiripan dengan tanaman, sehingga
diperlukan klasifikasi antara tanaman dan gulma sebelum melakukan pembasmian
menggunakan herbisida. Tanaman semangka merupakan objek pada penelitian ini.
Klasifikasi tanaman berdasarkan kemiripan daun yang dimiliki tanaman tersebut
menggunakan citra digital yang dibagi menjadi tiga tahap. Pada tahap pertama,
preprocessing dengan melakukan proses cropping citra, resize citra memisahkan
background dan foreground, selanjutnya dilakukan segmentasi deteksi tepi
dengan menggunakan operator Canny. Tahap kedua dilakukan ekstraksi fitur
untuk mengambil informasi-informasi penting untuk pengenalan fitur daun. Fitur
yang digunakan adalah fitur bentuk dan tekstur. Selanjutnya dilakukan
pengklasifikasian daun tersebut sebagai tanaman berdaun menjari dan gulma
dengan menggunakan metode Support Vector Machine (SVM). Metode SVM
terbukti memiliki akurasi yang baik untuk mengklasifikasikan tanaman berdaun
menjari dan gulma berdasarkan fitur bentuk dan tekstur pada citra multi daun
dengan menggunakan kernel quadratic. Rata-rata akurasi yang dimiliki yaitu
sebesar 74,54%.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTMa 006.3 Mei a |
| Uncontrolled Keywords: | SVM, Deteksi tepi, Fitur, Tekstur, Citra |
| Subjects: | Q Science > Q Science (General) > Q180.55.M38 Mathematical models |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Mathematics > 44101-(S2) Master Thesis |
| Depositing User: | - Taufiq Rahmanu |
| Date Deposited: | 04 Nov 2019 02:58 |
| Last Modified: | 04 Nov 2019 02:58 |
| URI: | http://repository.its.ac.id/id/eprint/71566 |
Actions (login required)
 |
View Item |