Penerapan Local Binary Pattern Dan K-Nearest Neighbor Mendeteksi Penyakit Pada Daun Mangga

Nanda, Intan Dwi (2021) Penerapan Local Binary Pattern Dan K-Nearest Neighbor Mendeteksi Penyakit Pada Daun Mangga. Skripsi thesis, Universitas Islam Negeri Sumatera Utara.

Text SKRIPSI INTAN - PERPUS.pdf Download (3MB)

Abstract

Mangga merupakan salah satu jenis buah yang memiliki produksi tinggi dan banyak disukai oleh masyarakat. Produktivitas mangga berfluktuasi dari tahun ke tahun. Hal ini disebabkan fluktuasi luas panen, tanaman yang belum berproduksi secara optimal, gangguan iklim dan serangan berbagai hama dan penyakit yang menjadi faktor penghambat pertumbuhan dan produksi mangga di Indonesia. Identifikasi tersebut akan memakan waktu yang relatif lama dan menghasilkan berbagai penyakit pada daun mangga karena manusia memiliki keterbatasan visual dalam mengidentifikasi, tingkat kelelahan dan perbedaan pendapat tentang penyakit pada daun mangga. Proses pengenalan pola daun dapat dilakukan dengan cara mengenali ciri-ciri struktur daun seperti bentuk dan tekstur daun. Metode yang digunakan dalam penelitian ini adalah Local Binary Pattern yaitu algoritma yang dapat digunakan untuk mengklasifikasikan berdasarkan citra, sedangkan k- nearest neighbor digunakan untuk pendeteksian penyakit pada citra daun mangga. Setiap nilai bobot dari citra latih dan citra uji akan dibandingkan dengan meminimalkan nilai Euclidean Distance. Pada penelitian ini digunakan 4 jenis penyakit daun mangga. Berdasarkan hasil uji akurasi diperoleh nilai akurasi sebesar 87,5% untuk proses pendeteksian penyakit pada daun mangga sebanyak 16 data.

Jenis Item:	Skripsi (Skripsi)
Uncontrolled Keywords:	Daun, Local Binary Pattern, K-Nearest Neighbor (K-NN).
Subjects:	000 Generalities > 005 Computer programming, programs, data
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer > Skripsi
Pengguna yang mendeposit:	Ms Nurul Hidayah Siregar
Date Deposited:	29 Aug 2022 08:08
Last Modified:	29 Aug 2022 08:08
URI:	http://repository.uinsu.ac.id/id/eprint/15566

Actions (login required)

View Item