IDENTIFIKASI KONDISI TANAMAN JAGUNG BERDASARKAN FITUR DAUN MENGGUNAKAN GRAY LEVEL CO-OCCURENCE MATRIX DAN JARINGAN SARAF TIRUAN BACKPROPAGATION

Ristohadi S, Ristohadi S (2024) IDENTIFIKASI KONDISI TANAMAN JAGUNG BERDASARKAN FITUR DAUN MENGGUNAKAN GRAY LEVEL CO-OCCURENCE MATRIX DAN JARINGAN SARAF TIRUAN BACKPROPAGATION. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 20.51.1361 Ristohadi S.pdf Download (3MB)

Abstract

Penelitian ini bertujuan untuk mengidentifikasi kondisi tanaman jagung berdasarkan fitur daun menggunakan metode gray level co-ocurrence matrix (GLCM) dan jaringan saraf tiruan (JST) backpropagation. Metode GLCM digunakan untuk mengekstraksi fitur dari citra daun jagung, sedangkan JST backpropagation digunakan untuk melakukan klasifikasi kondisi tanaman jagung berdasarkan fitur-fitur tersebut. Klasifikasi ini dilakukan dengan menggunakan dataset daun jagung dengan empat kondisi yang berbeda, yaitu sehat, bercak-daun, hawar-daun, dan karat-daun. Selanjutnya, fitur daun diekstraksi dengan menggunakan metode GLCM dan dilakukan pelatihan pada model JST backpropagation untuk melakukan klasifikasi kondisi tanaman jagung. Setelah dilakukan pelatihan pada model, berikutnya dilakukan evaluasi model menggunakan metode confusion matrix. Hasil penelitian menunjukkan bahwa metode yang digunakan dapat menghasilkan akurasi yang cukup tinggi dalam mengidentifikasi kondisi tanaman jagung, dengan akurasi sebesar 95%. Hal ini menunjukkan bahwa penggunaan GLCM dan JST backpropagation dapat menjadi alternatif yang baik dalam mengidentifikasi kondisi tanaman jagung. Penelitian ini memberikan manfaat dalam memudahkan identifikasi kondisi tanaman jagung secara cepat dan akurat.

Actions (login required)

View Item