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