Romauli, Junita (2025) IDENTIFIKASI PENYAKIT PADA TANAMAN PISANG BERDASARKAN CITRA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. S1 thesis, Universitas Malikussaleh.

	Text COVER JUNITA.pdf Download (210kB)
	Text ABSTRAK JUNITA.pdf Download (282kB)
	Text BAB 1 JUNITA.pdf Download (278kB)
	Text DAPUS JUNITA.pdf Download (228kB)
	Text SKRIPSI JUNITA ROMAULI 210180125.pdf Restricted to Registered users only Download (6MB)

Abstract

Tanaman pisang (Musa acuminata) merupakan salah satu komoditas hortikultura unggulan Indonesia dengan nilai ekonomi tinggi. Namun, produktivitasnya sering menurun akibat penyakit daun seperti Panama Disease (Layu Fusarium), Moko Disease (Layu Bakteri), Black Sigatoka, dan Yellow Sigatoka. Deteksi dini terhadap penyakit penting untuk mencegah kerugian ekonomi lebih besar. Penelitian ini bertujuan membangun sistem identifikasi penyakit pada tanaman pisang berbasis citra digital menggunakan metode Learning Vector Quantization (LVQ). Data yang digunakan terdiri dari 1.250 citra daun pisang yang terbagi dalam lima kelas: empat kelas penyakit dan satu kelas daun sehat. Dataset diperoleh dari pengambilan gambar langsung dan sumber terbuka (Kaggle). Metodologi meliputi preprocessing citra (resize dan normalisasi), ekstraksi fitur warna (RGB) dan tekstur (GLCM), serta pelatihan model LVQ. Fitur RGB yang digunakan adalah nilai mean dan standar deviasi, sementara fitur GLCM mencakup contrast, energy, entropy, dan homogeneity. Data dibagi menjadi data latih dan uji dengan proporsi 80:20. Model LVQ dilatih untuk mengenali pola visual daun pisang dan mengklasifikasikannya ke kelas yang sesuai. Hasil pengujian menunjukkan bahwa model LVQ mampu mengidentifikasi penyakit dengan akurasi 82,4% pada data uji. Evaluasi menggunakan confusion matrix, precision, recall, dan F1-score untuk mengukur performa klasifikasi. Sistem juga diimplementasikan dalam bentuk web untuk memudahkan pengguna mengunggah citra dan memperoleh hasil prediksi secara langsung. Sistem ini diharapkan menjadi alat bantu efektif bagi petani dan penyuluh pertanian dalam mendeteksi penyakit daun pisang secara cepat, akurat, dan efisien.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Junita Romauli
Date Deposited:	22 Aug 2025 08:46
Last Modified:	22 Aug 2025 08:46
URI:	https://rama.unimal.ac.id/id/eprint/11545

Actions (login required)

View Item