Penelitian Terdahulu Analisis Aplikasi

18

2.6 Penelitian Terdahulu

Penelitian terdahulu dapat dilihat pada tabel 2.1. Tabel 2.1 Penelitian Terdahulu No Judul Penulis dan Tahun Metode yang digunakan Keterangan 1 Sistem Deteksi Retinopati Diabetik Menggunakan Support Vector Machine Setiawan, Wahyudi. 2012 Support Vector Machine dan k- Nearest Neighbour kNN Support Vector Machine SVM dan k-Nearest Neighbour kNN digunakan sebagai metode klasifikasi . Hasil pengujian dilakukan Dengan mengambil dataset MESSIDOR dengan sejumlah citra yang bervariasi untuk tahap pelatihan 2 Pengenalan Spesies Tanaman Berdasarkan Bentuk Daun Menggunakan Metode Klasifikasi Move Median Center MMC Hypersphere Ardiansjah, Y., Suciati, N. Herumurti, D. 2012 Move Median Center MMC Hypersphere Menggunakan metode klasifikasi Move Median Center MMC Hypersphere untuk mengenali spesies tanaman berdasarkan bentuk daunnya 3 Klasifikasi Daun Dengan Centroid Linked Liantoni, F., Ramadijanti , N. metode centroid linked dan metode k-means Deteksi tepi menggunakan moment invariant. Melakukan 19 Tabel 2.1 Penelitian Terdahulu lanjutan Clustering Berdasarkan Fitur Bentuk Tepi Daun Rosyid, M.N.2011 klasifikasi menggunakan metode centroid linked dan metode k-means 4 Data Classification Using Support Vector Machine K. Srivastava,et al.2010 Support vector Machine Mengklasifikasi data yang berbeda data Diabetes, Jantung Data, data satelit dan data Shuttle yang memiliki dua atau multi kelas menggunakan SVM BAB III ANALISIS DAN PERANCANGAN Bab ini akan membahas analisis teknik Sobel Operator dan Support Vector Machine dan membahas tahap-tahap yang akan dilakukan dalam perancangan aplikasi yang akan dibangun.

3.1 Analisis Aplikasi

Aplikasi identifikasi penyakit daun kelapa sawit menggunakan Support vector Machine merupakan aplikasi yang dapat mengidentifikasi jenis penyakit daun tanaman kelapa sawit yang disebabkan hama ulat api dan ulat kantong pada citra original daun kelapa sawit. Aplikasi ini akan menerima masukan berupa citra original daun kelapa sawit. Kemudian citra tersebut akan diproses melalui tahapan preprocessing citra, feature extraction, klasifikasi dan identifikasi jenis penyakit daun kelapa sawit menggunakan metode Support Vector Machine dapat dilihat pada gambar 3.1 Image Pre-Processing Image Enhancement Image Segmentation Klasifikasi dan Identifikasi Feature Extraction Grayscale Resizing Binarisasi Thinning Sobel Zoning SVM Citra Original Daun Kelapa Sawit Hasil Identifikasi Citra Daun OUTPUT INPUT Gambar 3.1 Gambar Arsitektur Umum Aplikasi Identifkasi Penyakit Daun kelapa Sawit.

3.2 Preprocessing Citra Penyakit Daun Tanaman Kelapa Sawit