KLASIFIKASI PENYAKIT DAUN SAWIT MENGGUNAKAN METODE JARINGAN SARAF TIRUAN DENGAN FITUR
LOCAL BINARY PATTERN
Total View This Week0
Total View This Week0
Institusion
STMIK Global Informatika Mdp
Author
Obet Simanjuntak, Andreas Jeremy
Subject
QA75 Electronic computers. Computer science
Datestamp
2022-03-10 10:04:09
Abstract :
Penyakit pada daun sawit adalah penyakit yang disebabakan oleh bakteri maupun jamur. Salah satu cara untuk mengetahui penyakit pada daun sawit adalah dengan mengamati Pola pada permukaan daun sawit. Pola pada daun sawit akan dianalisis oleh orang yang ahli untuk mengetahui apakah terdapat penyakit pada daun sawit atau tidak. Penelitian ini bertujuan untuk mengklasifikasi daun sawit apakah terdapat penyakit atau tidak pada pada daun sawit dengan menggunakan sebuah program. Diperlukan metode yang tepat untuk menghasilkan akurasi yang baik, peneliti menggunakan metode klasifikasi JST (Jaringan Saraf Tiruan) dan metode ekstraksi LBP (Local Binary Pattern). Tahapan yang dilakukan pada citra sebelum di Klasifikasi yaitu Grayscale, selanjutnya dilakukan ekstraksi menggunakan LBP (Local Binary Pattern) dan di klasifikasi menggunakan JST (Jaringan Saraf Tiruan) dengan menggunakan 17 train function dengan hasil 5 neuron mendapatkan rata-rata akurasi 81%, presisi 95%, dan recall 94%. Pada neuron 10 mendapatkan rata-rata akurasi 95%, presisi 97%, dan recall 96%. Dan pada neuron 20 mendapatkan rata-rata akurasi 97%, presisi 97%, dan recall 96%.
Penyakit pada daun sawit adalah penyakit yang disebabakan oleh bakteri maupun jamur. Salah satu cara untuk mengetahui penyakit pada daun sawit adalah dengan mengamati Pola pada permukaan daun sawit. Pola pada daun sawit akan dianalisis oleh orang yang ahli untuk mengetahui apakah terdapat penyakit pada daun sawit atau tidak. Penelitian ini bertujuan untuk mengklasifikasi daun sawit apakah terdapat penyakit atau tidak pada pada daun sawit dengan menggunakan sebuah program. Diperlukan metode yang tepat untuk menghasilkan akurasi yang baik, peneliti menggunakan metode klasifikasi JST (Jaringan Saraf Tiruan) dan metode ekstraksi LBP (Local Binary Pattern). Tahapan yang dilakukan pada citra sebelum di Klasifikasi yaitu Grayscale, selanjutnya dilakukan ekstraksi menggunakan LBP (Local Binary Pattern) dan di klasifikasi menggunakan JST (Jaringan Saraf Tiruan) dengan menggunakan 17 train function dengan hasil 5 neuron mendapatkan rata-rata akurasi 81%, presisi 95%, dan recall 94%. Pada neuron 10 mendapatkan rata-rata akurasi 95%, presisi 97%, dan recall 96%. Dan pada neuron 20 mendapatkan rata-rata akurasi 97%, presisi 97%, dan recall 96%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
