Pengklasifikasian Penyakit pada Daun Tanaman Tomat dengan Algoritma K Support Vector Nearest Neighbor

Putri Khoirunisa, Dina (2020) Pengklasifikasian Penyakit pada Daun Tanaman Tomat dengan Algoritma K Support Vector Nearest Neighbor. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (433kB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Share Alike.

Download (424kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Share Alike.

Download (423kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Share Alike.

Download (705kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Share Alike.

Download (535kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (685kB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Share Alike.

Download (304kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Share Alike.

Download (4MB)

Abstract

Tomat merupakan salah satu tanaman buah-buahan yang termasuk keluarga solanaceae, dimana tanaman dari keluarga tersebut memiliki potensi untuk terjangkit penyakit yang sama. Penyakit pada tanaman tomat yang disebabkan oleh virus dan jamur yang memiliki kesamaan gejala sehingga jika dilihat sekilas sangat kecil kemungkinan untuk membedakannya. Pada penelitian ini digunakan 2 jenis penyakit pada daun tomat yaitu, Mosaic Virus dan Early Blight. Adapun metode yang digunakan berupa K-Super Vector Nearest Neighbor (K-SVNN) karena metode tersebut lebih sederhana dan memiliki akurasi prediksi lebih tinggi dalam eksekusi data berbasis citra. Hasil akurasi dalam uji coba cukup memuaskan dengan skor akurasi tertinggi mencapai 82% yang mempunyai rasio dalam pembagian dataset yaitu 80:20.

Item Type: Thesis (Bachelor Thesis)
Keywords: citra, classification, image processing, knn, ksvnn, machine learning, tomato
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2020 16:00
Last Modified: 25 Aug 2023 00:09
URI: https://kc.umn.ac.id/id/eprint/14790

Actions (login required)

View Item View Item