Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tugas Akhir
PUBLIC karya
Dengan kemajuan teknologi saat ini, telah dikembangkan berbagai cara untuk
mendeteksi penyakit pada tumbuhan. Diagnosa penyakit pada tumbuhan
secara manual membutuhkan biaya yang besar, serta waktu yang lama. Oleh
karena itu, telah dikembangkan berbagai pendekatan, salah satunya adalah dengan
menggunakan metode pembelajaran mesin. Metode ini memanfaatkan feature
extraction untuk mendeteksi penyakit dari gambar tumbuhan. Terdapat beberapa
feature extraction yang akan dibandingkan, yaitu HOG (Histogram of Oriented
Gradients), ORB (Oriented FAST and Rotated BRIEF), dan SURF (Speeded-Up
Robust Features). Selain itu akan dilakukan percobaan untuk menggabungkan
serta membandingkan feature extraction tersebut (hybrid feature extraction).
Tujuan utama dari percobaan ini adalah untuk menemukan hybrid function
paling baik, berdasarkan metrik akurasi, F1-Score, dan Area Under ROC. Dataset
yang digunakan berasal dari PlantVillage. Tipe data pada dataset ini adalah
gambar dengan format JPEG. Dataset ini terdiri atas tiga kelas yang berbeda, yaitu
potato early blight, potato late blight, dan healthy. Classifier yang akan
digunakan adalah SVM (Support Vector Machine) dan Decision Tree. Pengujian
dievaluasi dengan metrik akurasi, F1-Score, dan Area Under ROC (AUROC).
Berdasarkan pengujian yang telah dilakukan, didapatkan bahwa metode hybrid
feature extraction ORB dan SURF (ORB+SURF) dan classifier SVM
menghasilkan prediksi dengan akurasi sebesar 89,87% dan F1-Score sebesar
89,77%. Hybrid feature extraction ORB+SURF dan classifier SVM juga
mempunyai nilai Area Under ROC yang terbaik, yaitu sebesar 0,93.