APLIKASI BERBASIS ANDROID UNTUK MENDETEKSI PENYAKIT DAUN TOMAT DENGAN MENERAPKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR

Hogi, M Darojatun (2023) APLIKASI BERBASIS ANDROID UNTUK MENDETEKSI PENYAKIT DAUN TOMAT DENGAN MENERAPKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR. Undergraduate thesis, UPN Veteran Jawa Timur.

Preview	Text (Cover) 18081010088_Cover.pdf Download (772kB) | Preview
Preview	Text (Bab1) 18081010088_Bab1.pdf Download (16kB) | Preview
	Text (Bab2) 18081010088_Bab2.pdf Restricted to Registered users only until 10 January 2026. Download (300kB)
	Text (Bab3) 18081010088_Bab3.pdf Restricted to Registered users only until 10 January 2026. Download (191kB)
	Text (Bab4) 18081010088_Bab4.pdf Restricted to Registered users only until 10 January 2026. Download (1MB)
Preview	Text (Bab5) 18081010088_Bab5.pdf Download (77kB) | Preview
Preview	Text (Daftar Pustaka) 18081010088_Daftar_pustaka.pdf Download (60kB) | Preview
	Text (Lampiran) 18081010088_lampiran.pdf Restricted to Registered users only until 10 January 2026. Download (130kB)

Abstract

Tomat merupakan salah satu bahan pangan yang sering dikonsumsi oleh masyarakat Indonesia. Berdasarkan data pada badan pusat satatistik, produksi tomat pada tahun 2020 sebesar 1.084.993 ton yang mengalami peningkatan sebesar 6,3% dari tahun sebelumnya. Penyakit pada tanaman terjadi karena 3 faktor, yaitu patogen, inang, dan lingkungan. Gejala yang ditimbulkan ketika tanaman terserang penyakit dapat dilihat dari perubahan bentuk dan warna daun. Penelitian ini melakukan deteksi penyakit daun tomat dengan menggunakan metode Linear Discriminant Analysis yang digunakan untuk ekstraksi fitur citra dan metode K Nearest Neighbor digunakan untuk klasifikasi citra penyakit daun tomat. Hasil dari klasifikasi akan ditampilkan pada aplikasi android berupa jenis penyakit tanaman tomat berdasarkan daunnya. Hasil penelitian menyimpulkan bahwa aplikasi dapat digunakan untuk mendeteksi penyakit daun tomat dengan rata – rata akurasi hasil dari pengujian terbaik sebesar 90,9017% dengan rata – rata nilai presisi sebesar 47,1548%. Pengujian tersebut dilakukan dengan menggunakan parameter komponen untuk metode LDA adalah 2 dan parameter nilai k untuk metode KNN adalah 10. Pengujian tersebut juga dilakukan dengan menggunakan perbadingan data latih 70:30 data uji dari dataset yang digunakan.

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Via, Yisti Vita NIDN0025048602 yistivia.if@upnjatim.ac.id Thesis advisor Kartini, Kartini NIDN0710116102 kartini.if@upnjatim.ac.id
Subjects:	Q Science > QA Mathematics > QA76.6 Computer Programming
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	M Darojatun Hogi
Date Deposited:	10 Jan 2023 06:00
Last Modified:	10 Jan 2023 06:00
URI:	http://repository.upnjatim.ac.id/id/eprint/10804

Actions (login required)

View Item