KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN FITUR TEKSTUR DAN BENTUK DENGAN BACKPROPAGATIN

Maknun, Jauharul (2021) KLASIFIKASI JENIS TANAMAN MANGGA BERDASARKAN FITUR TEKSTUR DAN BENTUK DENGAN BACKPROPAGATIN. Other thesis, Universitas Islam Lamongan.

[img] Text
111710072 - JAUHARUL MAKNUM - cover.pdf

Download (229kB)
[img] Text
111710072 - JAUHARUL MAKNUM - daftar isi.pdf

Download (339kB)
[img] Text
111710072 - JAUHARUL MAKNUM - abtrak.pdf

Download (292kB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab i.pdf

Download (427kB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab ii.pdf

Download (620kB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab iii.pdf
Restricted to Repository staff only

Download (935kB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab iv.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab v.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
111710072 - JAUHARUL MAKNUM - bab vi.pdf
Restricted to Repository staff only

Download (409kB)
[img] Text
111710072 - JAUHARUL MAKNUM - daftar pustaka.pdf
Restricted to Repository staff only

Download (304kB)

Abstract

Mangga termasuk ke dalam marga Mangifera, dan suku Anacardiaceae, nama ilmiahnya adalah Mangifera Indica. Daun mangga sendiri pada masing-masing jenis mangga mempunyai ciri khas tersendiri, namun masih banyak masyarakat yang terkendala dalam proses pengenalan jenis tanaman mangga. Maka dibutuhkan suatu sistem yang mampu untuk mendeteksi jenis tanaman mangga dengan menggunakan teknik pengolahan citra (gambar), untuk membantu masyarakat dalam mengurangi kesalahan memilih jenis tanaman mangga yang diinginkan. Pada penelitian ini menggunakan metode Bacpropagation dengan fitur tekstur rata-rata, standar deviasi varience, entropy dan skewnes, dan fitur bentuk menggunakan area, parimeter, major axis dan minor axis, data citra yang digunakan pada penelitian ini sebanyak 100 data training dan 20 data citra testing, dari 10 kali pengujian sistem klasifikasi jenis tanaman mangga berdasarkan fitur tekstur dan bentuk dengan backpropagation, menghasilkan akurasi tertinggi 95%.

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 04:05
Last Modified: 05 Feb 2022 04:05
URI: http://eprints.unisla.ac.id/id/eprint/126

Actions (login required)

View Item View Item