KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN K-NEAREST NEIGHBOR (KNN)

Syahbana, Muhammad Rifky and Sumari, Arwin Datumaya Wahyudi and Mentari, Mustika (2020) KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN K-NEAREST NEIGHBOR (KNN). Diploma thesis, Teknologi Informasi.

	Text Cover.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Bab I.pdf Restricted to Registered users only Download (80kB) | Request a copy
	Text Bab II.pdf Restricted to Registered users only Download (357kB) | Request a copy
	Text Bab III.pdf Restricted to Registered users only Download (186kB) | Request a copy
	Text Bab IV.pdf Restricted to Registered users only Download (350kB) | Request a copy
	Text Bab V.pdf Restricted to Registered users only Download (251kB) | Request a copy
	Text Bab VI.pdf Restricted to Registered users only Download (95kB) | Request a copy
	Text Bab VII.pdf Restricted to Registered users only Download (8kB) | Request a copy
	Text Daftar Pustaka.pdf Restricted to Registered users only Download (78kB) | Request a copy
	Text Lampiran.pdf Restricted to Registered users only Download (115kB) | Request a copy

Abstract

Mangga merupakan salah satu buah yang banyak digemari oleh masyarakat karena rasanya yang manis. Banyak dari masyarakat yang gemar menanam pohon mangga yang nanti hasilnya akan dimanfaatkan untuk jual beli maupun untuk dinikmati sendiri. Akan tetapi, memilih tanaman mangga yang sesuai dengan yang diinginkan sulit dilakukan karena terdapat sekitar 3.450 jenis dan jenis tanaman ini dapat diketahui setelah berbuah. Kesalahan pemilihan jenis tanaman mangga dapat menyebabkan kekecewaan pada pembeli dan menurunkan kepercayaan kepada penjual tanaman mangga karena dapat dianggap memberikan pilihan yang salah. Dalam upaya mereduksi kesalahan dalam pemilihan sebelum melakukan pembelian tanaman mangga, maka dibangun sebuah sistem untuk pengenalan jenis tanaman mangga berdasarkan bentuk dan tekstur daun menggunakan metode K-Nearest Neighbor (KNN) yang digabungkan dengan Fusi Informasi. Pada penelitian ini, metode ekstraksi bentuk menggunakan Rectangularity, metode ekstraksi tekstur menggunakan Local Binary Pattern yang nilai fiturnya dihitung menggunakan Entropy dan digabungkan menggunakan Fusi Informasi menjadi nilai fitur fusi yang akan masuk ke dalam proses klasifikasi menggunakan KNN. Pada penelitian ini, dataset yang digunakan berjumlah 30 data untuk setiap jenis mangga yaitu Gadung, Golek, Irwin, Lalijiwo. Berdasarkan hasil penelitian dapat diketahui bahwa penggunaan metode Rectangularity dan Local Binary Pattern dapat merepresentasikan bentuk dan tekstur dari sebuah daun. Tingkat akurasi tertinggi sistem klasifikasi dengan Fusi Informasi adalah sebesar 70% dengan K = 5, K = 9, K = 10 dan K = 11. Dari hasil tersebut dapat disimpulkan bahwa penggunaan metode KNN yang digabungkan dengan Fusi Informasi cukup efektif dalam mengklasifikasi jenis daun tanaman mangga.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	mangga, Entropy, Fusi Informasi, KNN, Local Binary Pattern, Rectangularity
Subjects:	A Computer Science > Computer Programming A Computer Science > Information Science A Computer Science > Artificial Intelligence A Computer Science > Applied Computer Science
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Muhammad Rifky Syahbana
Date Deposited:	13 Oct 2020 11:46
Last Modified:	13 Oct 2020 11:46
URI:	http://repota.jti.polinema.ac.id/id/eprint/269

Actions (login required)

View Item