Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Klasifikasi Penyakit Daun Kopi Menggunakan Kombinasi Haralick, Color Histogram dan Random Forest Siti Khotimatul Wildah; Abdul Latif; Ali Mustopa; Suharyanto Suharyanto; Muhammad Sony Maulana; Agung Sasongko
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.60985

Abstract

Kopi merupakan spesies tanaman dengan bentuk pohon yang dijadikan sebagai bahan baku dalam pembuatan minuman-minuman kopi. Akan tetapi pada produksinya terdapat permasalahan umum yang masih sering terjadi yaitu adanya hama atau penyakit yang menyerang pada bagian daun kopi sehingga berdampak pada pertumbuhan tanaman kopi tersebut dan berakibat terjadi penurunan produksi kopi. Pengenalan penyakit dan hama pada daun kopi masih menggunakan proses manual sehingga bisa memperlambat proses deteksi serta penanganan penyakit dan hama tersebut, oleh karena itu perlunya pendeteksian otomatis sehingga dapat mendeteksi tahap awal hama dan penyakit pada daun kopi tersebut. Deteksi otomatis dapat dilakukan dengan menerapkan teknologi Computer Vision yaitu Image Classification dan metode Machine Learning. Penelitian ini bertujuan untuk menghasilkan metode yang dapat mengklasifikasikan penyakit dan hama pada daun kopi dengan menggunakan algoritma Machine Learning Random Forest dengan menambahkan kombinasi ekstraksi fitur Haralick dan Color Histogram. Hasil penelitian menunjukkan performa yang sangat baik dimana nilai akurasi yang diperoleh sebesar 98,86%. 
Kombinasi Metode Fitur Ekstraksi untuk Indentifikasi Penyakit pada Daun Teh Siti Khotimatul Wildah; Abdul Latif
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.65172

Abstract

Teh merupakan salah satu minuman yang paling banyak dikonsumsi di dunia, namun produksi teh seringkali terhambat dan mengalami penurunan oleh berbagai penyakit yang mempengaruhi pertumbuhan dan kualitas daun teh. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun teh dengan memanfaatkan teknologi Image Classification dan menerapkan metode kombinasi analisis tekstur Haralick, Color Histogram, Hu Moment dan pengklasifikasian objek menggunakan Random Forest classifier. Dataset yang digunakan dalam penelitian ini dikumpulkan dari perkebunan teh Johnstone Boiyon di Koiwa, Kabupaten Bomet, Kenya dengan jumlah 1510 citra yang terbagi menjadi 8 kelas. Pra pemrosesan pada penelitian ini dilakukan dengan menambahkan tahapan augmentasi data untuk memperoleh jumlah citra yang lebih besar sehingga algoritma dapat mempejalari pola lebih banyak. Hasil penelitian menunjukkan bahwa kombinasi dari metode yang diusulkan mencapai akurasi 99% dengan nilai standard deviasi yang rendah sebesar 0.001055% yang menunjukkan keefektifan kombinasi analisis tekstur Haralick, Color Histogram, dan Hu Moment serta Random Forest Classifier dalam mengklasifikasikan penyakit daun teh.