Pengenalan Jenis Hama Pada Daun Kelapa Untuk Penentuan Pertumbuhan Kelapa Berdasarkan Citra Digital

  • Sukriatna Teknik dan Ilmu Komputer, Universitas Potensi Utama, Indonesia
  • Rika Rosnelly Teknik dan Ilmu Komputer, Universitas Potensi Utama, Indonesia
DOI: https://doi.org/10.52332/u-net.v8i1.1073
Keywords: Petani, Terkomputerisasi, Hama, K-Means, Clustering, SVM

Abstract

Petani merupakan seseorang yang memelihara tanaman seperti kelapa. Setiap petani berhak menerima hasil terbaik dari yang di tanam. Lahan yang bagus mampu menghasilkan tanaman yang baik, kualitas tanaman terbaik di hasilkan ketika pertumbuhan tanaman stabil. Pertumbuhan tanaman stabil dilakukan dengan cara mengontrol pertumbuhan pada tanaman. Pada umumnya petani mengontrol pertumbuhan tanaman dengan cara tradisional, hal tersebut membuat kekeliruan petani untuk pertumbuhan tanaman. Namun seiring dengan perkembangan teknologi pengawasan pertumbuhan pada tanaman dapat dilakukan secara terkomputerisasi. Dengan adanya permasalahan tersebut maka diperlukan sebuah sistem untuk mengenali jenis hama pada daun kelapa. Pengenalan jenis hama tersebut dapat diterapkan dan diaplikasikan dengan menggunakan metode K-Means Clustering dan SVM (Support Vector Machine). K-Means Clustering adalah metode yang digunakan untuk segmentasi citra sedangkan SVM adalah metode yang digunakan untuk pengakelasan data jenis hama.

Downloads

Download data is not yet available.

References

[1] Hamka, H. (2012). Analisis faktor produksi tanaman kelapa (Cocos nucifera) terhadap pendapatan petani. Agrikan: Jurnal Agribisnis Perikanan, 5(1), 49-56.
[2] Himmah, E. F., Widyaningsih, M., & Maysaroh, M. (2020). Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering. Jurnal Sains Dan Informatika, 6(2), 193-202.
[3] Rosiani, U. D., Rahmad, C., Rahmawati, M. A., & Tupamahu, F. (2020). Segmentasi berbasis k-means pada deteksi citra penyakit daun tanaman jagung. Jurnal Informatika Polinema, 6(3), 37-42.
[4] Efrilla, A. V., Sulistyo, S. B., Wijaya, K., Kuncoro, P. H., & Sudarmaji, A. (2020). Klasifikasi Penyakit Pada Daun Stroberi Menggunakan K-Means Clustering dan Jaringan Syaraf Tiruan. Jurnal Keteknikan Pertanian Tropis dan Biosistem, 8(2), 161-170.
[5] Yogiswara, G. H., Magdalena, R., & Putra, H. F. T. S. (2016). Identifikasi Jenis Penyakit Pada Kakao Dengan Pengolahan Citra Digital Dan K-nearest Neighbor. eProceedings of Engineering, 3(1).
[6] Yana, Y. E., & Nafi’iyah, N. (2021). Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN. Journal of Computer, Information System & Technology Management, 4(1), 5
[7] Lestari, F. R., Purnama, I. P. N., Sajiah, A. M., & Aksara, L. B. (2019, November). Identifikasi Penyakit Tanaman Jeruk Siam Menggunakan Metode M-Svm. In SEMINAR NASIONAL APTIKOM (SEMNASTIK) 2019 (pp. 441-448).
[8] Harjanti, T. W., & Himawan, H. (2021). Teknologi Pengolahan Citra Digital Untuk Ekstraksi Ciri pada Citra Daun untuk Identifikasi Tumbuhan Obat. Faktor Exacta, 14(3), 150-159.
[9] Ajie, M. D. (1996). Pengertian Sistem Informasi Manajemen
[10] Bustomi, M. A., & Dzulfikar, A. Z. (2014). Analisis distribusi intensitas RGB citra digital untuk klasifikasi kualitas biji jagung menggunakan jaringan syaraf tiruan. Jurnal Fisika dan Aplikasinya, 10(3), 127-132.
[11] Ciputra, A., Rachmawanto, E. H., & Susanto, A. (2018). Klasifikasi Tingkat Kematangan Buah Apel Manalagi Dengan Algoritma Naive Bayes Dan Ekstraksi Fitur Citra Digital. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 9(1), 465-472.
[12] Permadi, Y., & Murinto, M. (2015). Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan Mentimun
Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi Ciri Statistik. Jurnal Informatika Ahmad
Dahlan, 9(1), 103733.
[13] Sutarno, S., Abdullah, R. F., & Passarella, R. (2017, November). Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization (LVQ). In Annual Research Seminar (ARS) (Vol. 3, No. 1, pp. 65-70).
[14] Abdul Hakim, Rahmat, Wahyu., dkk. (2023). Evaluation of the moodle-based learning system applying the
end user computing satisfaction method. Jurnal: Jurnal Inovasi Teknologi Pembelajaran: Kajian dan Riset Dalam
Teknologi Pembelajaran. Vol. 10. No. 1 link: http://journal2.um.ac.id/index.php/jinotep/index
[15] Sudi, Taufiqurrahman, dkk., (2022). Uji Sensitivitas Metode Pembobotan ROC, SWARA Terhadap Kriteria Karyawan TerbaikDenganMenggunakan Metode SAW. Jurnal: Journal of Information System Research (JOSH). Vol.3 No.4 Link: http://ejurnal.seminar-id.com/index.php/josh/article/view/1952/1190
Published
2024-02-04
How to Cite
[1]
Sukriatna and R. Rosnelly, “Pengenalan Jenis Hama Pada Daun Kelapa Untuk Penentuan Pertumbuhan Kelapa Berdasarkan Citra Digital”, u-net, vol. 8, no. 1, pp. 12-21, Feb. 2024.
Issue
Vol. 8 No. 1 (2024): U-NET Jurnal Teknik Informatika | Februari
Section
Research Article
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).