Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Ginting, Jusia A
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Metode GLCM dan DWT Dalam Mengekstraksi Ciri Penyakit pada Daun Tomat (Solanum lycopersicum syn) Tampinongkol, Felliks; Herdian, Cevi; Basri, Hasan; Ginting, Jusia A; Purnomo, Yunianto
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 8 No 2 (2023): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v8i2.5423

Abstract

Penyakit yang disebabkan oleh pathogen dapat menyebabkan terjadinya kematian pada suatu tanaman tertentu yang terjangkit oleh penyakit tersebut. Pathogen memerlukan inang untuk dapat berkembang biak agar dapat menginfeksi bagian tumbuhan yang masih sehat. Bagian daun pada tumbuhan yang menjadi tempat untuk pathogen berkembang biak, sehingga dapat mengakibatkan kematian jaringan pada daun dan membuat tumbuhan tidak dapat berkembang atau mati. Leaf spot dan leaf blight merupakan penyakit yang disebabkan oleh pathogen dan sering ditemukan pada tumbuhan seperti yang ditemukan pada tomat (Solanum lycopersicum syn). Identifikasi penyakit pada tanaman tomat dapat dilakukan dengan pendekatan image processing menggunakan gambar (image) dari daun tomat yang terkena penyakit berak (spot) dan hawar (blight). Gambar yang digunakan dilakukan proses segmentasi terlebih dahulu untuk memisahkan object penyakit dari background yang bukan area penyakit, area penyakit daun tomat berhasil tersegmentasi pada proses pengurangan antar channel warna Green–Red (GR). Sebaliknya invers channel warna tersebut mengsegmentasi area daun berwarna hijau atau area sehat. Setelah berhasil tersegmentasi selanjutnya image GR dilakukan pengenalan ciri menggunakan dua metode yang berbeda Gray Level Co-occurrence Matrix (GLCM) dan Discrete Wavelet Transform (DWT). Kedua metode dapat mengenali ciri penyakit daun dengan baik berdasarkan pada nilai Energy dan Entropy yang diperoleh. Tahapan selanjutnya dapat menambahkan teknik Machine Learning (ML) agar hasil pengenalan ciri penyakit daun dapat diklasifikasikan dan dijadikan model untuk melatih atau mengenali penyakit daun pada varietas tumbuhan yang lain.
Co-Authors Felliks Tampinongkol, Felliks Hasan Basri Herdian, Cevi Purnomo, Yunianto