Daftar Isi: Klasifikasi Tanaman Obat Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Support Vector Machine

Main Author:	Yulianti S, Henni
Format:	Thesis NonPeerReviewed Book eArticle
Bahasa:	eng
Terbitan:	, 2020
Subjects:	005_Computer Programming Programs & Data
Online Access:	http://elibrary.unikom.ac.id/id/eprint/2678/1/1.%2010113247_HENNI%20YULIANTI%20S_COVER.pdf http://elibrary.unikom.ac.id/id/eprint/2678/2/19.%2010113247_HENNI%20YULIANTI%20S_LEMBAR%20PENGESAHAN.pdf http://elibrary.unikom.ac.id/id/eprint/2678/3/17.%2010113247_HENNI%20YULIANTI%20S_SURAT%20KETERANGAN%20PUBLIKASI.pdf http://elibrary.unikom.ac.id/id/eprint/2678/4/20.%2010113247_HENNI%20YULIANTI%20S_SURAT%20KETERANGAN%20ORISINALITAS.pdf http://elibrary.unikom.ac.id/id/eprint/2678/5/4.%2010113247_HENNI%20YULIANTI%20S_KATA%20PENGANTAR.pdf http://elibrary.unikom.ac.id/id/eprint/2678/6/5.%2010113247_HENNI%20YULIANTI%20S_DAFTAR%20ISI.pdf http://elibrary.unikom.ac.id/id/eprint/2678/7/11.%2010113247_HENNI%20YULIANTI%20S_BAB%201.pdf http://elibrary.unikom.ac.id/id/eprint/2678/8/12.%2010113247_HENNI%20YULIANTI%20S_BAB%202.pdf http://elibrary.unikom.ac.id/id/eprint/2678/9/13.%2010113247_HENNI%20YULIANTI%20S_BAB%203.pdf http://elibrary.unikom.ac.id/id/eprint/2678/10/14.%2010113247_HENNI%20YULIANTI%20S_BAB%204.pdf http://elibrary.unikom.ac.id/id/eprint/2678/11/15.%2010113247_HENNI%20YULIANTI%20S_BAB%205.pdf http://elibrary.unikom.ac.id/id/eprint/2678/12/10.%2010113247_HENNI%20YULIANTI%20S_DAFTAR%20PUSTAKA.pdf http://elibrary.unikom.ac.id/id/eprint/2678/ https://elibrary.unikom.ac.id

Daftar Isi:

Identifikasi serta klasifikasi tanaman obat biasanya dilakukan oleh seorang ahli botani atau herbarium dengan menggunakan bantuan text book mengenai taksonomi tanaman obat berdasarkan parameter ciri bentuk, warna dan tekstur terutama daunnya. Namun karena banyaknya ragam tanaman obat khususnya yang terdapat di Indonesia, maka cara tersebut kurang efektif. Maka dari itu penelitian ini bertujuan untuk memudahkan pengklasifikasian tanaman obat berdasarkan fitur bentuk dan tekstur daunnya dengan memanfaatkan teknologi computer vision. Sistem yang dibangun menggunakan bantuan aplikasi MATLAB dan WEKA. Metode yang digunakan berupa GLCM untuk ekstraksi fitur tekstur serta SVM untuk proses klasifikasinya. Sistem yang dibuat diyakini mampu untuk mengklasifikasikan tanaman obat berdasarkan fitur bentuk dan tekstur daunnya. Hak ini dibuktikan dengan pelatihan dan pengujian masing-masing sebanyak 50 (lima puluh) buah sampel untuk 5 jenis tanaman obat menunjukkan tingkat akurasi di atas 90%.