ANALISIS TEKSTUR UNTUK IDENTIFIKASI TUMBUHAN OBAT MENGGUNAKAN KLASIFIKASI SUPPORT VECTOR MACHINE

Zulfia Zahro, Hani (2016) ANALISIS TEKSTUR UNTUK IDENTIFIKASI TUMBUHAN OBAT MENGGUNAKAN KLASIFIKASI SUPPORT VECTOR MACHINE. INDUSTRI INOVATIF, 6 (2).

[img] Text
69-37-135-1-10-20161207.pdf

Download (405kB)

Abstract

Proses identifikasi tanaman merupakan sebuah proses mencocokkan sebuah tanaman sesuai dengan taksonomi tertentu. Identifikasi dapat dilakukan dengan bantuan herbarium/ahli bot ani atau text book mengenai taksonomi/dendrologi, namun cara tersebut tidak efisien. Oleh karena itu dibutuhkan suatu metode dengan otomatis dapat mengidentifikasi daun tumbuhan obat. Teknologi computer vision dapat digunakan untuk mengenali spesies daun tumbuhan obat menggunakan citra digital. Teknik yang digunakan yaitu GLCM, LBPV dan entropi. Objek yang digunakan adalah citra digital yang telah difokuskan pada daun tumbuhan obat. Hasil akurasi yang dicapai pada fitur GLCM dan LBPV, memiliki empat kelas yang akurasinya mencapai 100% yaitu kelas 1, 2, 6, dan 18 dan ada satu kelas yang akurasinya 35,7% yaitu kelas 14. Hasil penggabungan ini terbukti lebih baik dari hasil klasifikasi fitur GLCM dan LBPV secara terpisah. penggabungan fitur ekstraksi ciri ini dapat membantu meningkatkan akurasi secara keseluruhan. Akurasi rata -rata semula untuk Entropi (7,14%), GLCM (41,27%), dan LBPV (68,65 %), mengalami peningkatan menjadi GLCM+LBPV (80,56%) dan GLCM+LBPV+Entropi (82,41 %).

Item Type: Article
Uncontrolled Keywords: Identifikasi, Tumbuhan Obat, Support Vector Machine (SVM)
Subjects: Engineering > Informatics Engineering
Divisions: Fakultas Teknologi Industri > Teknik Informatika S1
Depositing User: Mr Sayekti Aditya Endra
Date Deposited: 11 Apr 2019 03:45
Last Modified: 11 Apr 2019 03:45
URI: http://eprints.itn.ac.id/id/eprint/3272

Actions (login required)

View Item View Item