Image of Identifikasi Penyakit Daun Jagung Menggunakan Ekstraksi Fitur Gray Level Co-Occurrence Matrix Dan Hue Saturation Value Dengan Klasifikasi Naive Bayes

Text

Identifikasi Penyakit Daun Jagung Menggunakan Ekstraksi Fitur Gray Level Co-Occurrence Matrix Dan Hue Saturation Value Dengan Klasifikasi Naive Bayes

Petani jagung di Kabupaten Bulukumba masih menghadapi kesulitan dalam mengidentifikasi penyakit daun jagung secara dini. Identifikasi penyakit secara kasat mata sering kali memerlukan keahlian khusus dan memakan waktu, serta rentan terhadap kesalahan diagnosis yang dapat berdampak pada penanganan yang tidak tepat. Kondisi ini menyebabkan produktivitas menurun dan biaya pengendalian penyakit meningkat. Penelitian ini bertujuan untuk merancang aplikasi mobile yang dapat membantu petani dalam mengidentifikasi penyakit daun jagung secara cepat dan akurat. Sistem dikembangkan secara terstruktur menggunakan pemodelan UML yang mencakup use case, activity, sequence, dan class diagram. Data diperoleh melalui observasi, wawancara, dokumentasi, dan studi pustaka. Dataset terbagi dalam empat kategori: hawar daun, karat daun, bercak daun, dan sehat. Sebanyak 800 citra digunakan untuk pelatihan model dan 160 citra untuk pengujian. Ekstraksi fitur citra menggunakan metode hue saturation value (HSV) untuk warna dan gray level co-occurrence matrix (GLCM) untuk tekstur, kemudian diklasifikasikan menggunakan algoritma naïve bayes. Hasil pengujian terhadap 160 data uji yang terdiri dari 40 data per kelas yang
terdiri dari empat kategori : hawar daun, karat daun, bercak daun, dan sehat menunjukkan bahwa model klasifikasi menghasilkan akurasi sebesar 84,38%, precision rata-rata sebesar 85%, recall rata-rata sebesar 84%, dan F1-score rata-rata sebesar 84%. Evaluasi menggunakan confusion matrix menunjukkan bahwa model sangat akurat dalam mengidentifikasi kelas bercak dan sehat, namun masih terdapat kesalahan klasifikasi antara kelas hawar dan sehat. Selain itu, evaluasi kurva ROC untuk pengujian biner menghasilkan nilai AUC sebesar 1,00 untuk Sehat vs Bercak, 0,82 untuk Sehat vs Hawar, dan 0,94 untuk Sehat vs Karat, yang menunjukkan bahwa model memiliki kemampuan yang baik dalam membedakan daun sehat dari
daun yang terinfeksi penyakit, meskipun kinerja pada kelas hawar relatif lebih rendah disebabkan oleh kemiripan pola warna dan tekstur dengan kelas karat serta bercak.

Ketersediaan
S250280SKR-2025 ADE iPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
SKR-2025 ADE i
Penerbit
Universitas Handayani Makassar : Universitas Handayani Makassar.,
Deskripsi Fisik
i + 178 hlm; 29 x 21 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SKR-2025 ADE i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. 1, Cet. 1
Subjek
Citra Digital
Naive Bayes
GLCM
Daun Jagung
HSV
Info Detail Spesifik
Skripsi Teknik Informatika
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus login sebelum memberikan komentar