JUSTAM, JUSTAM (2024) DETEKSI DAN PENGAHAPUSAN BAYANGAN UNTUK SISTEM IDENTIFIKASI DINI SERANGAN PENYAKIT BUSUK BUAH KAKAO = Detection and Shadow Removal for Cocoa Fruit Rot Early Identification System. Thesis thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/45996/1.hassmallThumbnailVersion/D082202007_tesis_04-04-2024%20cover1.png)

D082202007_tesis_04-04-2024 cover1.png
Download (136kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
D082202007_tesis_04-04-2024 1-2(FILEminimizer).pdf
Download (870kB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
D082202007_tesis_04-04-2024 dp(FILEminimizer).pdf
Download (704kB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
D082202007_tesis_04-04-2024(FILEminimizer).pdf
Restricted to Repository staff only until 7 May 2027.
Download (2MB)
Abstract (Abstrak)
Penyakit buah tanaman adalah salah satu penyebab kritis kehilangan hasil besar yang mengurangi kuantitas dan mengurangi kualitas produk pertanian. Tanaman kakao dipengaruhi oleh penyakit busuk buah yang mempengaruhi produksi buah tanaman. Namun pada proses deteksi penyakit buah kakao terkadang bayangan muncul pada suatu daerah ketika cahaya dari suatu sumber tidak dapat mencapai daerah tersebut karena terhalang suatu benda, sehingga bayangan terkadang salah memberikan informasi yang berguna tentang objek, yang mana bayangan tersebut terdeteksi sebagai penyakit busuk buah kakao. Tujuan dari penelitian ini adalah untuk mengetahui performa kerja sistem dalam mendeteksi bayangan dan mengklasifikasi penyakit busuk buah kakao menggunakan LAB dan melakukan ekstraksi fitur menggunakan GLCH, GLCM, HSV dan LBP serta mengklasifikasi penyakit busuk buah kakao menggunakan SVM. Hasil dari penelitian ini pada proses penghapusan bayangan didapatkan nilai treshold yang mana Luemens 0 sampai dengan nilai 25 terdeteksi sebagai penyakit busuk buah kakao, sedangkan nilai threshold antara 26 sampai dengan 50 terdeteksi sebagai bayangan. Sedangkan pada proses klasifikasi penyakit buah kakao menggunakan SVM, hasilnya menunjukkan bahwa pada kelas sakit, nilai F1 score mencapai 0.26 ketika menggunakan ekstraksi fitur GLCM. Sementara itu, kelas sehat mencapai nilai 0.85 pada ekstraksi fitur yang sama. Selanjutnya, ekstraksi fitur dengan GLCH memberikan nilai F1 score kelas sakit sebesar 0.25 dan kelas sehat sebesar 0.81. Pada ekstraksi fitur dengan HSV, nilai F1 score pada kelas sakit adalah 0.21, sementara kelas sehat mencapai 0.83. Terakhir, pada ekstraksi fitur dengan LBP, diperoleh nilai F1 score pada kelas sakit sebesar 0.065 dan pada kelas sehat sebesar 0.85. Meskipun hasil klasifikasi terbaik diperoleh melalui penggunaan ekstraksi fitur GLCM, namun terdapat kekurangan pada proses klasifikasi akibat ketidakseimbangan data.
Keyword : Deteksi kakao, deteksi bayangan, ruang warna LAB, Ekstraksi Fitur, SVM.
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | Cocoa detection, shadow detection, LAB color space, feature extraction, SVM. |
Subjects: | T Technology > T Technology (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Informatika |
Depositing User: | Rasman |
Date Deposited: | 08 May 2025 01:19 |
Last Modified: | 08 May 2025 01:19 |
URI: | http://repository.unhas.ac.id:443/id/eprint/45996 |