Klasifikasi Tanaman Obat Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Support Vector Machine

Yulianti S, Henni (2020) Klasifikasi Tanaman Obat Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Support Vector Machine. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1. 10113247_HENNI YULIANTI S_COVER.pdf - Published Version Download (13kB) | Preview
Preview	Text 19. 10113247_HENNI YULIANTI S_LEMBAR PENGESAHAN.pdf - Published Version Download (37kB) | Preview
Preview	Text 17. 10113247_HENNI YULIANTI S_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (28kB) | Preview
Preview	Text 20. 10113247_HENNI YULIANTI S_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (31kB) | Preview
Preview	Text 4. 10113247_HENNI YULIANTI S_KATA PENGANTAR.pdf - Published Version Download (11kB) | Preview
Preview	Text 5. 10113247_HENNI YULIANTI S_DAFTAR ISI.pdf - Published Version Download (20kB) | Preview
Preview	Text 11. 10113247_HENNI YULIANTI S_BAB 1.pdf - Published Version Download (45kB) | Preview
Preview	Text 12. 10113247_HENNI YULIANTI S_BAB 2.pdf - Published Version Download (397kB) | Preview
	Text 13. 10113247_HENNI YULIANTI S_BAB 3.pdf - Published Version Restricted to Repository staff only Download (821kB) | Request a copy
	Text 14. 10113247_HENNI YULIANTI S_BAB 4.pdf - Published Version Restricted to Repository staff only Download (136kB) | Request a copy
Preview	Text 15. 10113247_HENNI YULIANTI S_BAB 5.pdf - Published Version Download (6kB) | Preview
Preview	Text 10. 10113247_HENNI YULIANTI S_DAFTAR PUSTAKA.pdf - Published Version Download (10kB) | Preview

Abstract

Identifikasi serta klasifikasi tanaman obat biasanya dilakukan oleh seorang ahli botani atau herbarium dengan menggunakan bantuan text book mengenai taksonomi tanaman obat berdasarkan parameter ciri bentuk, warna dan tekstur terutama daunnya. Namun karena banyaknya ragam tanaman obat khususnya yang terdapat di Indonesia, maka cara tersebut kurang efektif. Maka dari itu penelitian ini bertujuan untuk memudahkan pengklasifikasian tanaman obat berdasarkan fitur bentuk dan tekstur daunnya dengan memanfaatkan teknologi computer vision. Sistem yang dibangun menggunakan bantuan aplikasi MATLAB dan WEKA. Metode yang digunakan berupa GLCM untuk ekstraksi fitur tekstur serta SVM untuk proses klasifikasinya. Sistem yang dibuat diyakini mampu untuk mengklasifikasikan tanaman obat berdasarkan fitur bentuk dan tekstur daunnya. Hak ini dibuktikan dengan pelatihan dan pengujian masing-masing sebanyak 50 (lima puluh) buah sampel untuk 5 jenis tanaman obat menunjukkan tingkat akurasi di atas 90%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ekstraksi Fitur, Klasifikasi, GLCM, SVM, Daun, Tanaman Obat
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	05 Sep 2020 03:39
Last Modified:	17 Sep 2020 04:43
URI:	http://elibrary.unikom.ac.id/id/eprint/2678

Actions (login required)

View Item