Muhammad Imron Rosadi
Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

KLASIFIKASI JENIS PENYAKIT DAUN ANGGUR MENGGUNAKAN METODE EKSTRAKSI FITUR GLCM DAN NEURAL NETWORK Anggy Jovano; Muhammad Imron Rosadi; Cahya Bagus Sanjaya
NJCA (Nusantara Journal of Computers and Its Applications) Vol 6, No 2 (2021): Desember 2021
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v6i2.218

Abstract

Buah anggur atau nama ilimiah Vitis vinifera merupakan salah satu tanaman buah yang telah banyak dikenal dan digunakan secara luas oleh masyarakat Indonesia. Untuk meningkatkan mutu produksi buah anggur yakni dengan cara menjaga tanaman tersebut dari penyakit yang diakibatkan oleh jamur serta mikroorganisme. Secara umum penyakit pada tanaman buah anggur mempunyai 4 (empat) jenis penyakit yakni hawar daun (leaf blight), tungau (mites), campak hitam (black measles), dan busuk hitam (black rot). Pada penelitian ini akan diusulkan menggunakan metode ekstraksi tekstur Gray Level Cooccurrence Matrix (GLCM) dan Neural Network untuk klasifikasi penyakit daun anggur. Dataset yang akan digunakan pada penelitian ini mengambil dari kaggle, di mana setiap kelas mempunyai dataset 80. Ada 4 (empat) kelas sebagai klasifikasi yang dilakukan yaitu daun sehat, campak hitam daun, hawar daun, dan busuk hitam daun. Metode yang digunakan dalam penelitian ini adalah jaringan syaraf tiruan backpropagation dengan menggunakan fitur tekstur. Menggunakan model jaringan syaraf tiruan backpropagation dari toolbox nprtool, input layer = 10, hidden layer 10, dan output layer 4, root mean square error = 0,0425. Jadi akurasi hasil pengujian adalah 92,5%