KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN METODE GLCM DAN ANFIS

ANGGRAENI, SHINTA DWI (2025) KLASIFIKASI PENYAKIT DAUN MANGGA MENGGUNAKAN METODE GLCM DAN ANFIS. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) Cover.pdf Download (1MB)
	Text (BAB 1) Bab 1.pdf Download (91kB)
	Text (BAB 2) Bab 2.pdf Restricted to Repository staff only until 10 June 2027. Download (599kB)
	Text (BAB 3) Bab 3.pdf Restricted to Repository staff only until 10 June 2027. Download (660kB)
	Text (BAB 4) Bab 4.pdf Restricted to Repository staff only until 10 June 2027. Download (2MB)
	Text (BAB 5) Bab 5.pdf Download (132kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (83kB)

Abstract

Deteksi penyakit daun mangga dapat dilakukan dengan berbagai metode, salah satunya melalui analisis bentuk dan tekstur daun. Setiap jenis penyakit yang menyerang daun mangga dapat menyebabkan perubahan karakteristik daun, sehingga analisis bentuk dan tekstur daun dapat menjadi dasar dalam klasifikasi penyakit. Metode manual dengan pengamatan visual memiliki kelemahan karena hasilnya tergantung pada pendapat masing-masing orang dan tidak selalu akurat, sehingga diperlukan pendekatan berbasis pengolahan citra digital untuk meningkatkan keakuratan identifikasi penyakit. Penelitian ini bertujuan untuk mengembangkan analisa klasifikasi otomatis penyakit daun mangga menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk ekstraksi ciri tekstur dan Adaptive Neuro-Fuzzy Inference System (ANFIS) sebagai algoritma klasifikasi. Dataset citra daun manga yang digunakan yaitu jenis daun berpenyakit anthracnose, bacterial canker, die back, gall midge, powdery midew, sooty mould dan daun sehat. Hasil pengujian menunjukkan bahwa akurasi tertnggi dengan 5 percobaan membership function. Membership functiontertinggi didapatkan oleh MF Gaussian dengan akurasi rata-rata 74,6% dan Loss paling rendah dibandingkan dengan yang lain yaitu 0,346. Metode GLCM dan ANFIS cukup efektif dalam mengklasifikasikan penyakit daun mangga. Analisa ini berpotensi menjadi solusi pendeteksian dini yang lebih objektif dan tepat guna dalam bidang pertanian berbasis teknologi citra digital. Kata kunci: GLCM, ANFIS, Klasifikasi citra, Penyakit daun mangga, Ekstraksi fitur, Pengolahan citra digital.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	PUSPANINGRUM, EVA YULIA	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id
Thesis advisor	NURLAILI, AFINA LINA	NIDN0013129303	afina.lina.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General) > T385 Computer Graphics

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Shinta Dwi Anggraeni

Date Deposited:

17 Jun 2025 08:05

Last Modified:

17 Jun 2025 08:05

URI:

https://repository.upnjatim.ac.id/id/eprint/37254