ArticleOpen AccessMetadata saja
2015•Artikel Penelitian dan Pengabdian
Pengolahan objek digital merupakan dasar dari identifikasi citra digital, melibatkan knowledge sebagai interprestasi informasi secara visual dengan menggunakan metode yang terkait untuk diimplementasikan. Daun jeruk yang tidak sehat disebabkan oleh gejala penyakit tanaman, dengan ditandai adanya noda (spot). Adanya kemiripan bentuk dan warna daun antara citra, maka penciri tekstur digunakan sebagai dasar dalam penelitian ini. Sistem yang dibangun diharapkan sebagai solusi untuk melakukan segmentasi terhadap daun tanaman jeruk melalui pengolahan citra, dengan melibatkan metode dan konsep. Tahapan proses yang dilakukan adalah file name, preprocessing, dan segmentation. Metode preprocessing dengan resize, clipping, normalisasi dan RGB ke gray. Segmentation dengan menggunakan Canny dan Otsu. Hasil pengamatan citra sejumlah 20 data untuk kategori penyakit Kudis 10 data, dan penyakit Kanker 10 data. Analisa hasil segmentasi Canny dapat mendeteksi jelas bercak pada noda gejala penyakit Kanker dan hanya sebagian dari penyakit Kudis. Segmentasi Otsu dapat mendeteksi jelas bercak pada noda gejala penyakit Kudis dan juga Kanker. Segmentasi dengan Canny, dipengaruhi juga oleh tulang dan lekukan daun yang tebal, sehingga dapat menimbulkan tepian yang muncul dan berdekatan pada noda penyakit Kudis. Segmentasi Otsu, dipengaruhi juga oleh lekukan dan ketebalan daun, sehingga dapat menimbulkan warna gelap yang muncul dan berdekatan pada noda penyakit.
ArticleOpen AccessPDF tersedia
2015•Artikel Penelitian dan Pengabdian
Early detection of normality pregnancy is one of the ways to prevent more serious disorders in pregnancy. This thesis study the implementation of Adaptive Neuro Fuzzy Inference System (ANFIS) to determine the normality of pregnancy. The period of pregnancy and complaints during pregnancy are used as inputs and the normality of pregnancy as output. Data were analyzed using ANFIS method and using Sugeno FIS rules. The program simulation results show that the performance of ANFIS can be implemented to determine the normality of pregnancy. The learning results on different training with the highest level of accuracy of 77,5% can recognize the symptoms and 97.5% could identify the diagnosis to determine the normality of pregnancy. The system can provide the necessary information about the normality of pregnancy. The results show that ANFIS can be used to determine the normality of pregnancy.
ArticleOpen AccessMetadata saja
2015•Artikel Penelitian dan Pengabdian
Early detection of normality pregnancy is one of the ways to prevent more serious disorders in pregnancy. This thesis study the implementation of Adaptive Neuro Fuzzy Inference System (ANFIS) to determine the normality of pregnancy. The period of pregnancy and complaints during pregnancy are used as inputs and the normality of pregnancy as output. Data were analyzed using ANFIS method and using Sugeno FIS rules. The program simulation results show that the performance of ANFIS can be implemented to determine the normality of pregnancy. The learning results on different training with the highest level of accuracy of 77,5% can recognize the symptoms and 97.5% could identify the diagnosis to determine the normality of pregnancy. The system can provide the necessary information about the normality of pregnancy. The results show that ANFIS can be used to determine the normality of pregnancy.
ArticleOpen AccessMetadata saja
2015•Artikel Penelitian dan Pengabdian
Belum
