KLASIFIKASI TANAMAN HIAS AGLAONEMA BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK DAUN

Mayasari, Siska (2021) KLASIFIKASI TANAMAN HIAS AGLAONEMA BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK DAUN. Other thesis, Universitas Islam Lamongan.

	Text 111710092-SISKA MAYASARI - cover.pdf Download (16kB)
	Text 111710092-SISKA MAYASARI - daftar isi.pdf Download (115kB)
	Text 111710092-SISKA MAYASARI - abstrak.pdf Download (7kB)
	Text 111710092-SISKA MAYASARI - bab i.pdf Download (127kB)
	Text 111710092-SISKA MAYASARI - bab ii.pdf Download (293kB)
	Text 111710092-SISKA MAYASARI - bab iii.pdf Restricted to Repository staff only Download (270kB)
	Text 111710092-SISKA MAYASARI - bab iv.pdf Restricted to Repository staff only Download (270kB)
	Text 111710092-SISKA MAYASARI - bab v.pdf Restricted to Repository staff only Download (496kB)
	Text 111710092-SISKA MAYASARI - bab vi.pdf Restricted to Repository staff only Download (6kB)
	Text 111710092-SISKA MAYASARI - daftar pustaka.pdf Restricted to Repository staff only Download (86kB)

Abstract

Tanaman Aglaonema merupakan salah satu tanaman yang sangat populer di indonesia, sekumpulan pecinta tanaman hiasa aglaonema di indonesia rela mengeluarkan banyak uang untuk dapat menambah koleksi tanaman hias aglaonema. Setiap jenis tanaman aglaonema mimiliki ciri yang berbeda-beda. Namun masih banyak dari pencinta tanaman hias aglaonema yang terkendala dalam proses pengenalan ciri setiap jenis tanaman aglaonema. oleh sebab itu dibutuhkan sistem yang bisa mempermudah dan mampu untuk mendeteksi jenis tanaman hias aglaonema dengan menggunakan teknik pengolahan citra (gambar). Tujuan dari penelitian ini adalah dirancang suatu sistem yang bisa membantu para pecinta tanaman aglaonema maupun masyarakat umum dalam melakukan klasifikasi jenis tanaman aglaonema. Pada penelitian ini menggunakan metode Grey Level Co-Occurrence Matrix untuk ekstraksi ciri warna sedangkan HSV untuk ekstraksi ciri tekstur , dan Thresholding untuk ekstraksi ciri bentuk, untuk proses ekstraksi ciri metode K-Nearest neighbors untuk proses klasifikasi. Data yang digunakan dalam penelitian ini berjumlah 120 citra yang terdiri dari 90 data citra training dan 30 data citra testing. Rata-rata akurasi yang didapatkan dari K1 sampai K10 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:	07 Feb 2022 08:10
Last Modified:	07 Feb 2022 08:10
URI:	http://eprints.unisla.ac.id/id/eprint/148

Actions (login required)

View Item