Manangsang, Aan Aldi Anarus - 145410201 (2018) KLASIFIKASI PENYAKIT KELAPA SAWIT MELALUI CITRA DAUN MENGGUNAKAN METODE CHROMATOCITY DAN BACKPROPAGATION. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.
|
Text
1_145410201_HALAMAN_DEPAN.pdf - Published Version Download (941kB) | Preview |
|
|
Text
2_145410201_BAB_I.pdf - Published Version Download (192kB) | Preview |
|
|
Text
3_145410201_BAB_II.pdf - Published Version Download (994kB) | Preview |
|
![[img]](http://eprints.akakom.ac.id/style/images/fileicons/text.png) |
Text
4_145410201_BAB_III.pdf - Published Version Restricted to Repository staff only Download (989kB) | Request a copy |
|
|
Text
5_145410201_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
|
|
Text
6_145410201_BAB_V.pdf - Published Version Download (9kB) | Preview |
|
|
Text
7_145410201_DAFTAR_PUSTAKA.pdf - Published Version Download (121kB) | Preview |
|
|
Text
8_145410201_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (943kB) | Preview |
|
|
Text
9_145410201_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (365kB) | Request a copy |
Abstract
Kelapa Sawit adalah tanaman penghasil minyak sawit. Minyak sawit adalah salah satu minyak yang paling banyak dikonsumsi dan diproduksi di dunia. Kerusakan pada daun dapat mengakibatkan terganggunya proses fotosintesi dan dapat menyebabkan menurunkan produktifitas dari kelapa sawit. Manusia memiliki kemampuan untuk mengenali dan membedakan jenis penyakit kelapa sawit yang dapat diamati dari struktur daun, namun tidak demikian halnya dengan mesin atau komputer. Dengan menggunakan konsep Jaringan Syaraf Tiruan, bisa dibangun suatu sistem yang dapat mengenali pola pada daun kelapa sawit dengan melakukan pelatihan sebelumnya. Salah satu metode pembelajaran yang sering digunakan dalam paradigma jaringan syaraf tiruan adalah perambatan galat mundur atau backpropagation (Hermawan, 2006). Sistem untuk klasifikasi jenis penyakit kelapa sawit dengan fitur daun dibangun dengan melakukan pelatihan menggunakan citra daun dengan 3 kategori, yaitu sehat, sakit disebabkan hama dan sakit disebabkan kekurangan unsur hara dengan masing masing jumlah image adalah 15 image. Fitur atau ciri yang diambil dari citra adalah nilai kromatisitas 3 warna utama yaitu merah, hijau, dan biru. Sebelum diekstraksi fiturnya, terlebih dahulu citra melewati tahap preprocessing yaitu resizing. Hasil yang diperoleh dengan menggunakan metode ini adalah sistem mampu mengenali jenis penyakit yang ada pada kelapa sawit dengan cukup baik. Data latih dan data uji diperoleh dari sumber lokasi yang berbeda untuk menguji kemampuan sistem dalam mengenali pola daun kelapa sawit. Dari hasil pengujian, sistem mampu mengidentifikasi 6 daun dari total 8 daun yang diuji sehingga menghasilkan akurasi lebih dari 75% Jumlah neuron pada hidden layer dan target minimum error yang ditetapkan memberikan pengaruh terhadap akurasi sistem. Kata kunci: Akurasi, Backpropagation, Chromaticity Diagram, Kelapa Sawit, JST, Preprocessing.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Dini Fakta Sari. S.T., M.T |
| Uncontrolled Keywords: | Akurasi, Backpropagation, Chromaticity Diagram, Kelapa Sawit, JST, Preprocessing |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) |
| Divisions: | Jenjang Strata Satu > Teknik Informatika (Informatic Engineering) |
| Depositing User: | Unnamed user with username user631 |
| Date Deposited: | 30 Agu 2018 09:22 |
| Last Modified: | 30 Agu 2018 09:22 |
| URI: | http://eprints.akakom.ac.id/id/eprint/8161 |
Actions (login required)
 |
View Item |
