Penerapan Neural Network Backpropagation Untuk Klasifikasi Jamur Penyebab Penyakit Antraknosa Pada Cabai

vi

ABSTRAK

Cabai merupakan salah satu tanaman yang banyak digunakan dalam kehidupan masyarakat Indonesia. Cabai juga berperan penting dalam perekonomian Indonesia karena kegunaannya dalam industri makanan dan obat-obatan. Untuk itu tanaman cabai banyak dibudidayakan oleh petani, tetapi usaha tersebut belum maksimal dikarenakan banyak petani yang kurang paham pada cara budidaya tersebut, sehingga tanaman cabai sering terserang berbagai penyakit, salah satunya penyakit Antrakanosa yang disebabkan jamur. Oleh sebab itu, dibutuhkan sebuah sistem aplikasi yang dapat mengklasifikasi jenis jamur penyebab penyakit pada tanaman cabai agar lebih efektif dan efisien. Pada penelitian ini, jaringan saraf tiruan backpropagation digunakan sebagai metode klasifikasi jamur penyebab penyakit pada tanaman cabai. Tahap yang harus dilakukan sebelum masuk ke tahap klasifikasi adalah pre-processing citra, seperti image brightness, contrast, dan sharpening, dan ekstraksi fitur menggunakan HSV. Penelitian menggunakan 90 citra sebagai data latih dan 60 citra sebagai data uji dengan tingkat akurasi sebesar 90%.

Keyword: jaringan saraf tiruan backpropagation; HSV; pengolahan citra; klasifikasi jamur.

vii

NEURAL NETWORK BACK PROPAGATION FOR FUNGI CLASSIFICATION THAT CAUSE ANTHRACNOSE

DISEASES IN CHILI

ABSTRACT

Chili is one of the plants which often be used in daily life of Indonesian. Chilis also has important roles in Indonesian economic growth due to its usefulness in both food and drugs industries. Therefore chili is planted by many Indoenesian farmers, but the result has not been maximized since the farmers are lack of the knowledges in planting causing the plants often become infected. One of the infections is Antraknoza that caused by fungi. Therefore, there is a need for an application that able to classify the fungi which caused the infection so it can be more efficient and effectively identified. In this research, backpropagation neural network was used as the method to classify the fungi that caused the chili’s infection. The stage taken before classification process started are Image pre-processing such brightness, contrast and sharpening, then feature extraction using HSV. Under current research, 90 images were used in the training process while the other 30 were used in the testing with accuracy rate at 90%.

Keyword: backpropagation neural network; HSV; image processing; identification; antraknoza.