KLASIFIKASI TANAMAN HIAS BERDASARKAN TEKSTUR DAUN MENGGUNAKAN METODE SVM DAN FITUR GLCM

Daniel Udjulawa
{"title":"KLASIFIKASI TANAMAN HIAS BERDASARKAN TEKSTUR DAUN MENGGUNAKAN METODE SVM DAN FITUR GLCM","authors":"Daniel Udjulawa","doi":"10.56869/klik.v3i2.418","DOIUrl":null,"url":null,"abstract":"Tanaman Hias diminati oleh banyak orang karena keindahannya dan mudah memeliharanya. Tanaman Hias ini memiliki berbagai banyak jenis dan bentuk. Saat ini Tanaman Hias yang diminati dan digemari adalah tanaman jenis Keladi (Caladium). Tanaman ini mempunyai berbagai bentuk daun, warna dan ukuran yang berbeda.  Banyak para penggemar tanaman hias ini kesulitan mengelompokkan atau mengkalsifikasikan berdasarkan Daun. Klasifikasi yang dilakukan dalam penelitian ini yakni untuk tanaman jenis keladi berdasarkan tekstur daun menggunakan metode Support Vector Machine (SVM) dan Fitur Gray Level Co-occurance Matrix (GLCM).  Penelitian  ini  menggunakan  dataset  4  jenis  tanaman Keladi (Caladium), dimana setiap jenisnya dipilih 45 citra untuk data latih dan 15 citra untuk  data  uji.  Dataset  tersebut  diubah  ukurannya  menjadi  250x250  pixel.  Citra tersebut  dirubah  dari  citra  RGB  ke  citra  grayscale,  kemudian  dilakukan  proses ekstraksi  ciri  GLCM.  Selanjutnya dilakukan  proses  klasifikasi menggunakan  SVM.  Karakteristik  ciri  tekstur  yang  diperoleh  dari  fitur  ini  adalah contrast, corelation,  energy,  dan  homogeneity.  Fitur  yang  diekstraksi  kemudian digunakan untuk klasifikasi dengan menggunakan metode SVM. Penelitian ini akan menghasilkan tingkat akurasi yang berbeda untuk 4 tanaman hias jenis keladi, yaitu Jenis Keladi Amazon 0,75%, Keladi Red Star 0,75%, keladi White Christmas 0,58% dan Keladi White Queen 0,55%.","PeriodicalId":31227,"journal":{"name":"KLIK Kumpulan jurnaL Ilmu Komputer","volume":"1072 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-01-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"KLIK Kumpulan jurnaL Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.56869/klik.v3i2.418","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Tanaman Hias diminati oleh banyak orang karena keindahannya dan mudah memeliharanya. Tanaman Hias ini memiliki berbagai banyak jenis dan bentuk. Saat ini Tanaman Hias yang diminati dan digemari adalah tanaman jenis Keladi (Caladium). Tanaman ini mempunyai berbagai bentuk daun, warna dan ukuran yang berbeda.  Banyak para penggemar tanaman hias ini kesulitan mengelompokkan atau mengkalsifikasikan berdasarkan Daun. Klasifikasi yang dilakukan dalam penelitian ini yakni untuk tanaman jenis keladi berdasarkan tekstur daun menggunakan metode Support Vector Machine (SVM) dan Fitur Gray Level Co-occurance Matrix (GLCM).  Penelitian  ini  menggunakan  dataset  4  jenis  tanaman Keladi (Caladium), dimana setiap jenisnya dipilih 45 citra untuk data latih dan 15 citra untuk  data  uji.  Dataset  tersebut  diubah  ukurannya  menjadi  250x250  pixel.  Citra tersebut  dirubah  dari  citra  RGB  ke  citra  grayscale,  kemudian  dilakukan  proses ekstraksi  ciri  GLCM.  Selanjutnya dilakukan  proses  klasifikasi menggunakan  SVM.  Karakteristik  ciri  tekstur  yang  diperoleh  dari  fitur  ini  adalah contrast, corelation,  energy,  dan  homogeneity.  Fitur  yang  diekstraksi  kemudian digunakan untuk klasifikasi dengan menggunakan metode SVM. Penelitian ini akan menghasilkan tingkat akurasi yang berbeda untuk 4 tanaman hias jenis keladi, yaitu Jenis Keladi Amazon 0,75%, Keladi Red Star 0,75%, keladi White Christmas 0,58% dan Keladi White Queen 0,55%.
使用SVM方法和GLCM特性,根据叶子的纹理对观赏植物进行分类
室内植物因其美丽和易于维护而受到许多人的喜爱。这种室内植物有许多种类和形状。如今,好奇和受欢迎的室内植物是钯。这种植物有不同的叶子形状、颜色和大小。许多观赏植物的爱好者很难根据树叶分类或分类。本研究对鳞茎质地植物的分类是使用叶子机支持系统(SVM)和共同眼窝矩阵(GLCM)的灰色水平特征。该研究采用了4种球形球形植物(Caladium)类型的数据集,每一种植物都选择45个图像进行培训,15个图像用于测试数据。数据集的大小被修改为250x250像素。图像从RGB转换到灰色scale,然后进行GLCM特征的提取过程。下一个使用SVM进行分类过程。从这些特性中获得的纹理特征是contrast、corelation、能量和均匀性。提取的特性使用SVM方法进行分类。这项研究将为4种观赏种花提供不同的准确率,即亚马逊的种蝠属0.75%,红星的种为0.75%,圣诞的种为0.58%,白色皇后的种为0.55%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
审稿时长
24 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信