Anggy Jovano, 201769040056 (2021) KLASIFIKASI JENIS PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE EKSTRAKSI FITUR GLCM DAN NEURAL NETWORK. Sarjana thesis, Universitas Yudharta.
![[img]](https://repository.yudharta.ac.id/style/images/fileicons/text.png) |
Text (BAB I.pdf)
201769040056_BAB I.pdf Download (107kB) |
|
Text (BAB II.pdf)
201769040056_BAB II.pdf Restricted to Registered users only Download (464kB) | Request a copy |
|
Text (BAB III.pdf)
201769040056_BAB III.pdf Restricted to Registered users only Download (362kB) | Request a copy |
|
Text (BAB IV.pdf)
201769040056_BAB IV.pdf Restricted to Registered users only Download (596kB) | Request a copy |
|
Text (BAB V.pdf)
201769040056_BAB V.pdf Restricted to Registered users only Download (32kB) | Request a copy |
|
Text (COVER DEPAN.pdf)
201769040056_COVER DEPAN.pdf Download (597kB) |
|
Text (DAFTAR PUSTAKA.pdf)
201769040056_DAFTAR PUSTAKA.pdf Download (80kB) |
|
Text (LAMPIRAN - LAMPIRAN.pdf)
201769040056_LAMPIRAN - LAMPIRAN.pdf Download (714kB) |
Abstract
Buah anggur atau nama ilimiah Vitis vinifera merupakan salah satu tanaman buah yang telah banyak dikenal dan digunakan secara luas oleh masyarakat Indonesia. Untuk meningkatkan mutu produksi buah anggur yakni dengan cara menjaga tanaman tersebut dari penyakit yang disebabkan oleh jamur dan mikroorganisme Secara umum penyakit pada tanaman buah anggur mempunyai 4 (empat) jenis penyakit yakni busuk hitam (black rot), campak hitam (black measles), hawar daun (leaf blight) dan tungau (mites). Pada penelitian ini akan diusulkan menggunakan metode ekstraksi tekstur Gray Level Cooccurrence Matrix (GLCM) dan Neural Network untuk klasifikasi penyakit daun anggur. Dataset yang akan digunakan pada penelitian ini mengambil dari kaggle, di mana setiap kelas mempunyai dataset 80. Ada 4 (empat) kelas sebagai klasifikasi yang dilakukan yaitu daun sehat, campak hitam daun, hawar daun, dan busuk hitam daun. Metode yang digunakan pada penelitian ini yaitu Backpropagation Neural network (BPNN) dengan menggunakan fitur tekstur. model backpropagation neural network dengan toolbox nprtool dengan input layer = 10, hidden layer 10 dan output layer 4 dengan hasil root mean square error sebesar = 0.0425. Kemudian hasil dari pengujian mempunyai tingkat akurasi 92.5 %.
| Item Type: | Thesis (Sarjana) | ||||||
|---|---|---|---|---|---|---|---|
| Identification Number: | 006.3 JOV K | ||||||
| Contributors: |
|
||||||
| Subjects: | Karya Umum > Ilmu Umum dan Komputer | ||||||
| Divisions: | Fakultas Teknik > Teknik Informatika | ||||||
| Date Deposited: | 06 Sep 2021 08:44 | ||||||
| Last Modified: | 08 Apr 2023 01:57 | ||||||
| URI: | https://repository.yudharta.ac.id/id/eprint/1685 |
Actions (login required)
 |
View Item |