KLASIFIKASI JENIS TANAMAN BUGENVIL BERDASARKAN CITRA BENTUK DAN WARNA DAUN

Zannah, Dea Mifthakul (2021) KLASIFIKASI JENIS TANAMAN BUGENVIL BERDASARKAN CITRA BENTUK DAN WARNA DAUN. Other thesis, Universitas Islam Lamongan.

	Text 111710064-DEA MIFTAKHUL ZANNAH - cover.pdf Download (106kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - daftar isi.pdf Download (109kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - abstrak.pdf Download (99kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab i.pdf Download (187kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab ii.pdf Download (455kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab iii.pdf Restricted to Repository staff only Download (248kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab iv.pdf Restricted to Repository staff only Download (257kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab v.pdf Restricted to Repository staff only Download (536kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - bab vi.pdf Restricted to Repository staff only Download (163kB)
	Text 111710064-DEA MIFTAKHUL ZANNAH - daftar pustaka.pdf Restricted to Repository staff only Download (101kB)

Abstract

Indonesia memiliki banyak sekali tanaman tropis salah satunya yaitu tanaman bugenvil atau yang sering disebut bunga kertas. Tanaman ini mempunyai nama ilmiah Bougainvillea. Tanaman bugenvil memiliki cukup banyak ragam varietas, tetapi tanaman bugenvil dikelompokkan menjadi empat jenis yaitu bougainvillea spectabilis willd, speciosa, glabra chois, dan variegata. Peneltian ini bertujuan agar dapat memberikan kemudahan bagi masyarakat untuk mendapatkan informasi mengenai jenis tanaman bugenvil berdasarkan ciri-ciri yang terlihat. Untuk membedakan tanaman bugenvil dapat dilihat dari ciri daun tanaman bugenvil yaitu dengan cara mengamati bentuk dan warna daun dengan mengekstraksi citra daun menggunakan metode HSV dan mengklasifikasikannya dengan metode K-Nearest Neighbor (KNN). Pengklasifikasian ini dapat melihat atau mengamati bentuk dan warna daun bugenvil agar dapat membedakan ciri daun dari setiap jenis tanaman bugenvil. Jumlah data yang digunakan sebanyak 200 data citra, dibagi menjadi dua yaitu 160 data training dan 40 data testing. Dari hasil pengujian dengan akurasi tertinggi metode KNN menggunakan nilai K1 sistem ini mampu mendeteksi 35 data yang sesuai dengan prediksi dan 5 data yang tidak sesui dengan prediksi. Dari hasil tersebut maka akurasi yang diperoleh sistem sebesar 88%.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	05 Feb 2022 02:49
Last Modified:	05 Feb 2022 02:49
URI:	http://eprints.unisla.ac.id/id/eprint/113

Actions (login required)

View Item