Aplikasi metode Support Vector Machine (SVM) untuk klasifikasi tanaman berdaun menjari dan gulma berdasarkan fitur bentuk dan tekstur daun

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.

[img]
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: https://repository.its.ac.id/id/eprint/71566

Actions (login required)

View Item View Item