Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM)
Jagung merupakan salah satu tanaman pokok di Indonesia. Wabah penyakit tanaman jagung dapat mengurangi produksi jagung secara signifikan, yang dapat menyebabkan kerugian tidak sedikit dalam segi biaya dan waktu. Petani dan orang yang tidak mempunyai keahlian akan sulit untuk mengidentifikasi penyaki...
| Principais autores: | , , |
|---|---|
| Formato: | Artigo |
| Idioma: | English |
| Publicado em: |
Sekolah Vokasi UGM
2021
|
| Assuntos: | |
| Acesso em linha: | https://repository.ugm.ac.id/278197/1/PROSIDING%20SNTT%202021-2.pdf |
| _version_ | 1826050232280940544 |
|---|---|
| author | Afifah, Nafa Nailufar Isnianto, Hidayat Nur Setyawan, Galih |
| author_facet | Afifah, Nafa Nailufar Isnianto, Hidayat Nur Setyawan, Galih |
| author_sort | Afifah, Nafa Nailufar |
| collection | UGM |
| description | Jagung merupakan salah satu tanaman pokok di Indonesia. Wabah penyakit tanaman jagung dapat mengurangi produksi jagung secara signifikan, yang dapat menyebabkan kerugian tidak sedikit dalam segi biaya dan waktu. Petani dan orang yang tidak mempunyai keahlian akan sulit untuk mengidentifikasi penyakit tanaman jagung berdasarkan gejala yang ditunjukkan. Oleh karena itu, untuk mengambil tindakan pencegahan yang tepat, dibutuhkan orang yang mempunyai keahlian untuk mendapatkan informasi yang tepat tentang penyakit daun jagung, yang mungkin tidak terjangkau oleh petani kecil. Deteksi dan klasifikasi penyakit daun jagung menggunakan metode Support Vector Machine (SVM) merupakan topik penelitian yang penting karena dapat membantu dalam memantau ladang tanaman yang luas, dan dapat mendeteksi penyakit lebih awal. Penelitian ini melibatkan penggunaan algoritma pemrosesan gambar yang dirancang menggunakan python untuk mengelompokkan penyakit jagung dari daun menggunakan konsep Machine Learning dengan kategori daun tanaman jagung yang sehat atau terinfeksi. Dengan metode ini, penyakit Tanaman jagung dapat diidentifikasi lebih awal. Hasil dari percobaan berhasil mengidentifikasi antara daun yang sehat dan daun yang terinfeksi dengan menggunakan Support Vector Machine (SVM), Persentase hasil percobaan dari training data adalah 64,76%, dan testing data adalah 63,13%. |
| first_indexed | 2024-03-14T00:00:38Z |
| format | Article |
| id | oai:generic.eprints.org:278197 |
| institution | Universiti Gadjah Mada |
| language | English |
| last_indexed | 2024-03-14T00:00:38Z |
| publishDate | 2021 |
| publisher | Sekolah Vokasi UGM |
| record_format | dspace |
| spelling | oai:generic.eprints.org:2781972023-04-27T03:04:42Z https://repository.ugm.ac.id/278197/ Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) Afifah, Nafa Nailufar Isnianto, Hidayat Nur Setyawan, Galih Control Systems Robotics and Automation Electrical and Electronic Engineering Engineering Jagung merupakan salah satu tanaman pokok di Indonesia. Wabah penyakit tanaman jagung dapat mengurangi produksi jagung secara signifikan, yang dapat menyebabkan kerugian tidak sedikit dalam segi biaya dan waktu. Petani dan orang yang tidak mempunyai keahlian akan sulit untuk mengidentifikasi penyakit tanaman jagung berdasarkan gejala yang ditunjukkan. Oleh karena itu, untuk mengambil tindakan pencegahan yang tepat, dibutuhkan orang yang mempunyai keahlian untuk mendapatkan informasi yang tepat tentang penyakit daun jagung, yang mungkin tidak terjangkau oleh petani kecil. Deteksi dan klasifikasi penyakit daun jagung menggunakan metode Support Vector Machine (SVM) merupakan topik penelitian yang penting karena dapat membantu dalam memantau ladang tanaman yang luas, dan dapat mendeteksi penyakit lebih awal. Penelitian ini melibatkan penggunaan algoritma pemrosesan gambar yang dirancang menggunakan python untuk mengelompokkan penyakit jagung dari daun menggunakan konsep Machine Learning dengan kategori daun tanaman jagung yang sehat atau terinfeksi. Dengan metode ini, penyakit Tanaman jagung dapat diidentifikasi lebih awal. Hasil dari percobaan berhasil mengidentifikasi antara daun yang sehat dan daun yang terinfeksi dengan menggunakan Support Vector Machine (SVM), Persentase hasil percobaan dari training data adalah 64,76%, dan testing data adalah 63,13%. Sekolah Vokasi UGM 2021 Article PeerReviewed application/pdf en https://repository.ugm.ac.id/278197/1/PROSIDING%20SNTT%202021-2.pdf Afifah, Nafa Nailufar and Isnianto, Hidayat Nur and Setyawan, Galih (2021) Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM). Prosiding SEMINAR NASIONAL TEKNOLOGI TERAPAN 2021. pp. 113-125. ISSN 978-623-94247-5-6 https://sntt.sv.ugm.ac.id/download/prosiding-sntt-2021/# |
| spellingShingle | Control Systems Robotics and Automation Electrical and Electronic Engineering Engineering Afifah, Nafa Nailufar Isnianto, Hidayat Nur Setyawan, Galih Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title | Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title_full | Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title_fullStr | Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title_full_unstemmed | Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title_short | Deteksi dan Klasifikasi Penyakit Daun Jagung Menggunakan Metode Support Vector Machine (SVM) |
| title_sort | deteksi dan klasifikasi penyakit daun jagung menggunakan metode support vector machine svm |
| topic | Control Systems Robotics and Automation Electrical and Electronic Engineering Engineering |
| url | https://repository.ugm.ac.id/278197/1/PROSIDING%20SNTT%202021-2.pdf |
| work_keys_str_mv | AT afifahnafanailufar deteksidanklasifikasipenyakitdaunjagungmenggunakanmetodesupportvectormachinesvm AT isniantohidayatnur deteksidanklasifikasipenyakitdaunjagungmenggunakanmetodesupportvectormachinesvm AT setyawangalih deteksidanklasifikasipenyakitdaunjagungmenggunakanmetodesupportvectormachinesvm |