2. Bukhari Naufal Nur AG (19219141030) 3. Silfia Andriani (1929142052)
TABEL SOTA
No. Judul Penulis Metode Hasil
1. SEGMENTASI OBYEK Imam Syafi’I, Jurnal ini Pada hasil PADA CITRA DIGITAL Slamet. Rima membahas tentang penelitian ini MENGGUNAKAN & Arif segmentasi obyek dapat METODE OTSU pada citra digital disimpulkan THRESHOLDING dengan metode bahwa perlu otsu tressholding. dilakukan proses Terdapat lima noise removal proses yaitu, dan proses invert penginputan citra, image agar hasil konversi citra rgb akurasi ke grayscale, segmentasi bisa mencari nilai tinggi. ambang, restorasi citra, dan terakhir perhitungan akurasi. 2. SISTEM PENDUKUNG Prabowo, Metode yang Hasil uji dengan KEPUTUSAN UNTUK Reinaldi digunakan dalam metode k-means MENENTUKAN Yulian penelitian ini yaitu clustering TANAMAN SELADA mengklasifikasi ciri didapatkan dua AIR HIDROPONIK dari tiap citra yang output yaitu LAYAK JUAL DENGAN diambil. Kemudian selada air DATA GAMBAR user menginputkan hidroponik layak DENGAN METODE K- data kedalam jual dengan hasil MEANS CLUSTERING sistem lalu sistem 100% dan selada akan memproses air hidroponik data citra untuk tidak layak jual mengetahui nilai dengan hasil warna pada tiap 88,8%. Pada citra. Setelah user penelitian ini mendapatkan nilai sangat pada tiap citra lalu dipengaruhi sistem akan dengan kualitas memproses kamera B-Pro, menggunakan konsistensi cahaya yang metode K-means berpengaruh Clustering. pada keakuratan warna selada air hidroponik 3. PENGOLAHAN CITRA Amalia, Ayu, Jurnal ini Berdasarkan PADA SISTEM Hertiana & membahas tentang penelitian yang PEMANTAUAN Asep pemantau telah dilakukan, PERTUMBUHAN pertumbuhan daun nilai threshold DAUN SAWI METODE sawi. Sistem yang spesifik dan nilai HIDROPONIK WICK digunakan akan threshold rata- BERBASIS IoT mengetahui rata dari gambar ukuran sawi dari sawi tampak atas menghasilkan dengan luas area yang menggunakan mendekati. metode Sehingga data tressholding. yang didapatkan pada penelitian ini dapat menghitung luas area dan memantau pertumbuhan daun pada tanaman sawi. 4. DETEKSI TINGGI Rahmatullah, Pada penelitan ini Berdasarkan hasil TANAMAN Yusuf. Budhi digunakan metode penilitan HIDROPONIK PAKCOY & Casi Morphological didapatkan MENGGUNAKAN Image Processing bahwa sistem PENGOLAHAN CITRA untuk mengetahui yang dibuat MORPHOLOGICAL tinggi tanaman untuk mendeteksi tinggi tanaman hidroponik pakcoy menggunakan metode Morphological Image Processing dapat bekerja dengan baik pada akurasi seesar 93.08% dengan intesitas cahaya 15.7 lux. 5. DETEKSI KONDISI Megantara, Pada penelitian ini Hasil dari TANAMAN SELADA Fachrie Reza. dilakukan penelitian ini BERDASARKAN CITRA Yudha & Casi pengumpulan data adalah sistem MENGGUNAKAN dan dibagi menjadi yang dapat METODE data latih dan data mendeteksi kelas CONVOLUTIONAL uji. Data-data kondisi daun NEURAL NETWORK tersebut berupa tanaman Selada (CNN) gambar tanaman dengan kondisi salada dengan tidak baik dan berbagi kondisi. kondisi baik. Dari dataset Keluaran dari tersebut kemudian sistem berupa dilakukan proses gambar serta klasifikasi gambar hasil kelas dari dan dibuat model gambar yang Convolutional telah di-input. Neural Network- Dengan nya menggunakan parameter berupa partisi data latih sebesar 90% dan data uji sebesar 10% dengan mendapatkan akurasi 99,2%.