Identifikasi Penyakit Pada Tanaman Bawang Merah Dengan Metode Support Vector Machine (SVM)

Aldi Aradhana, Mohammad (2025) Identifikasi Penyakit Pada Tanaman Bawang Merah Dengan Metode Support Vector Machine (SVM). S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018025_JUDUL__250411084213.pdf Download (990kB)
	Text (BAB I) T1_1800018025_BAB_I__250411084213.pdf Download (208kB)
	Text (BAB II) T1_1800018025_BAB_II__250411084213.pdf Restricted to Registered users only Download (442kB) | Request a copy
	Text (BAB III) T1_1800018025_BAB_III__250411084213.pdf Restricted to Registered users only Download (310kB) | Request a copy
	Text (BAB IV) T1_1800018025_BAB_IV__250411084213.pdf Restricted to Registered users only Download (484kB) | Request a copy
	Text (BAB V) T1_1800018025_BAB_V__250411084213.pdf Restricted to Registered users only Download (206kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018025_DAFTAR_PUSTAKA__250411084213.pdf Download (200kB)
	Text (Lampiran) T1_1800018025_LAMPIRAN__250411085614.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (SURAT KETERANGAN CEK KESAMAAN KATA) T1_1800018025_SURAT_KETERANGAN_CEK_KESAMAAN_KATA__250411085614.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Bawang merah merupakan komoditas pertanian penting di Indonesia, namun produksi tanaman ini sering terganggu oleh berbagai penyakit seperti bercak ungu dan moler. Identifikasi penyakit secara manual memerlukan keahlian khusus dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem identifikasi penyakit pada tanaman bawang merah menggunakan metode Support Vector Machine (SVM).
Penelitian ini terdiri dari beberapa tahapan, yaitu pengumpulan data citra daun bawang merah melalui observasi lapangan, preprocessing citra, ekstraksi fitur menggunakan Hue, Saturation, Value (HSV) dan Gray Level Co-occurrence Matrix (GLCM), normalisasi data, serta pembagian dataset untuk pelatihan dan pengujian. Selanjutnya, dilakukan konfigurasi model SVM dengan berbagai parameter untuk memperoleh performa optimal.
Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan penyakit bawang merah dengan akurasi mencapai 95%. Pengujian model dilakukan menggunakan Confusion Matrix yang menghasilkan tingkat presisi tinggi dalam membedakan daun sehat, bercak ungu, dan moler. Dengan sistem ini, petani dapat lebih mudah mengidentifikasi penyakit pada tanaman bawang merah sehingga pengendalian dapat dilakukan lebih cepat dan tepat.

Item Type:	Thesis (S1)
Keyword:	bawang merah, identifikasi penyakit, Support Vector Machine, klasifikasi citra
Subjects:	Q Science > QA Mathematics > QA76 Computer software S Agriculture > S Agriculture (General) S Agriculture > SB Plant culture
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	17 Apr 2025 06:08
Last Modified:	17 Apr 2025 06:08
URI:	http://eprints.uad.ac.id/id/eprint/83017

Actions (login required)

View Item