Klasifikasi Penyakit Daun Teh Camellia Sinensis
Menggunakan Metode Transformasi Wavelet dan Jaringan
Syaraf Tiruan Probabilistik (PNN)

Ika Ari Wijayanti

Informasi Umum

Kode

113118037

Klasifikasi

003.3 - Computer science- system- computer modeling and simulation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

676 kali

Informasi Lainnya

Abstraksi

Permasalahan cacat pada daun teh merupakan permasalahan penting yang berimbas pada tatanan produksi. Salah satu tindakan preventif yang dapat dilakukan untuk mengatasi masalah tersebut adalah dengan mengindentifikasi sejak dini jenis cacat atau penyakit yang menyerang daun teh agar pemberian pestisida dapat dilakukan dengan benar dan tepat sasaran.<br> Penelitian pada tugas akhir ini bertujuan untuk mendeteksi dan mengklasifikasikan daun teh menjadi empat kategori, yaitu : daun teh Normal, cacat Blister, cacat Mite dan cacat Thrips. Proses pendektesian diawali dengan pemrosesan awal pada citra daun. Kemudian proses ekstraksi ciri dengan Transformasi Wavelet (Wavelet Transform) untuk mengekstrak ciri-ciri tekstur, bentuk dan warna menggunakan low-pass filter dan high-pass filter. Setelah itu dilakukan proses untuk menentukan komponen prinsip atau significant feature dengan menggunakan Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) untuk lebih memisahkan vector ciri antar kelas. Selanjutnya dilakukan proses klasifikasi menggunakan Jaringan Syaraf Tiruan Probabilistik atau Probabilistic Neural Network (PNN).<br> Dengan implementasi metode-metode tersebut, sistem dapat mengenali kondisi citra daun teh Camellia sinensis ke dalam 4 kelas daun. Klasifikasi dilakukan pada 240 citra sampel daun dengan komposisi 200 citra uji dan 40 citra testing dengan menggunakan wavelet haar (db1) level 3, jumlah fitur PCA sebanyak 33 fitur dan parameter pemulus (smoothing parameter) sebesar 0.41. Pengujian dengan menggunakan parameter tersebut dihasilkan akurasi sebesar 92,5%. Camellia sinensis, Blister, Mite, Normal, Thrips, Wavelet Transform, Probabilistik Neural Network (PNN).