UPT Perpustakaan UM

  • Beranda
  • Informasi
  • Repository UM
  • SIPADU UM
  • OPAC SIPADU

Pencarian Spesifik

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Skripsi

Klasifikasi penyakit blas daun padi menggunakan k-nearest neighbors (KNN) / Ahmad Zainur Roziqi

Roziqi, Ahmad Zainur - Nama Orang;

Abstrak
Serangan pada penyakit blas daun padi yang tersebabkan oleh patogen Pyricularia oryzae merupakan masalah yang bisa mengurangi produksi padi. Terjadinya penurunan hasil panen padi pada Asia Tenggara maupun Amerika Selatan pada kisaran 30 sampai 50% yang disebabkan serangan penyakit blas pada padi. Kerusakan tersebut disebabkan oleh serangan penyakit blas daun di Indonesia tahun 2019 mencapai 28.867 hektar dan kemungkinan serangan tersebut akan meningkat pada beberapa tahun di akan datang (Ditjen Tanaman Pangan 2019). Penanganan serangan penyakit blas daun padi pada penyuluh masih memakai feeling sendiri sehingga akan lebih baik dibutuhkannya alat bantu untuk menangani serangan penyakit blas daun padi tersebut sesuai dengan tingkat serangan penyakit beserta penanganannya. Berdasarkan permasalahan tersebut peneliti mengklasifikasikan penyakit blas daun padi menggunakan metode K-Nearest Neighbors dengan mengimplementasikan pengolahan citra terhadap smartphone. Untuk klasifikasi penyakit blas daun padi dilakukan dengan cara mengklasifikasi tingkat serangan penyakit dan direkomendasikan penanganannya. Terdapat lima kategori tingkat serangan penyakit yaitu diantaranya sangat tahan agak tahan tahan rentan dan sangat rentan. Sebelum langkah proses klasifikasi dilakukanlah proses preprocessing dengan memperkecil ukuran gambar/citra mengkonversi nilai RGB binerisasi dan perhitungan luas daun padi untuk mengetahui persentase penyakit blas daun padi. Nilai persentase tersebut beserta jumlah bercak yang akan digunakan untuk proses klasifikasi. Untuk tes aplikasi dilakukan dengan tes sistem perhitungan confusion matrix dan tes oleh pengguna aplikasi. Diperoleh hasil akurasi klasifikasi K-Nearest Neighbors yaitu 93 6%. Pengujian oleh pengguna aplikasi yaitu dengan penyuluh sebagai pengguna mendapat hasil aplikasi yang mudah digunakan dan sesuai dengan kebutuhan.


Informasi Detail
DDC
Rs 005.1 ROZ k
Prodi
Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.
Deskripsi Fisik
ix, 60 lembar:ilus. ; 30 cm
Bahasa
Indonesia
No Reg
03031/KI/22
Edisi
Skripsi (Sarjana)-Universitas Negeri Malang. 2021
Subjek
1. K-NEAREST NEIGHHORS (ALGORITMA KOMPUTER) PENYAKIT TANAMAN PADI
2. K-NEAREST NEIGHHORS (COMPUTER ALGORITHM) RICE PLANT DISEASES

Pembimbing
1. Heru Wahyu Herwanto; 2. I Made Wirawan
Lampiran Berkas
You must be logged in to get fulltext


UPT Perpustakaan UM
  • Berita

Tentang Kami

TIM IT Perpustakaan 2023

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS

Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik