Fathoni, Fuad Mahrus (2024) KLASIFIKASI JENIS BUAH ANGGUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN EKSTRAKSI FITUR GREY LEVEL CO-OCCURRENCE MATRIX DAN HUE SATURATION VALUE. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.
|
Text (Cover)
18081010090_Cover.pdf Download (1MB) | Preview |
|
|
Text (Bab 1)
18081010090_Bab 1.pdf Download (554kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Bab 2)
18081010090_Bab 2.pdf Restricted to Registered users only until 2027. Download (788kB) |
|
|
Text (Bab 3)
18081010090_Bab 3.pdf Restricted to Registered users only until 2027. Download (1MB) |
|
|
Text (Bab 4)
18081010090_Bab 4.pdf Restricted to Registered users only until 2027. Download (1MB) |
|
|
Text (Bab 5)
18081010090_Bab 5.pdf Download (408kB) | Preview |
|
|
Text (Daftar Pustaka)
18081010090_Daftar Pustaka.pdf Download (430kB) | Preview |
Abstract
Buah anggur merupakan salah satu buah yang cukup diminati di indonesia, selain itu buah anggur juga kaya akan kandungan nutrisi seperti karbohidrat, vitamin, protein, dan mineral. Buah anggur dapat dikonsumsi dalam bentuk segar atau olahan seperti wine, jus, sirup, permen, selai dan lain-lain. Di Indonesia buah anggur tergolong buah yang cukup mudah untuk ditemukan, meskipun demikian masyarakat indonesia cukup sulit atau bahkan tidak dapat membedakan jenis buah anggur satu dengan yang lainnya. Masalah tersebut dapat diatasi dengan memanfaatkan teknik Image Classification yang terdapat dalam bidang keilmuan Machine Learning. Pada penelitian ini akan dilakukan analisa dalam melakukan pengklasifikasian citra jenis buah anggur menggunakan algoritma K-Nearest Neighbor (KNN). Dalam melakukan klasifikasi citra buah anggur menggunakan KNN terdapat nilai fitur yang digukanan sebagai dasar untuk menghitung jarak antara data uji dengan data latih, nilai fitur yang digunakan adalah nilai hasil ekstraksi fitur Grey Level Co-occurrence Matrix atau GLCM (contrast, correlation, energy, homogenity, dan entropy) menggunakan nilai jarak = 1 dan nilai derajat 0°, 45°, 90°, 135°, dan nilai hasil ekstraksi Hue Saturation Value atau HSV (mean, standar deviasi, skewness, dan entropy). Data yang digunakan pada penelitian ini ada sebanyak 900 data citra buah anggur yang terbagi kedalam 6 kelas (Champagne, Cotton candy, Crimson Seedless, Gewurztraminer, Glenora, dan anggur Kyoho). Dalam proses pengujian terdapat proses pembagian data menggunakan teknik K-Fold Cross Validation dan perhitungan evaluasi menggunakan metode Confusion Matrix. Nilai komponen K yang digunakan pada teknik K-Fold Cross Validation adalah 5 sehingga diperoleh ratio pembagian data yakni 20% sebagai data uji dan 80% sebagai data latih. Dari pembagian tersebut juga diperoleh jumlah iterasi atau perulangan untuk dillakukan pengujian data menggunakan fold data uji yang berbeda yakni sebanyak 5 buah iterasi. Dari hasil proses pengujian yang telah dilakukan diperoleh nilai rata - rata akurasi sebesar 83%, presisi sebesar 42,8% dan recall sebesar 41,7%. Dengan nilai akurasi tertinggi diperoleh waktu klasifikai menggunakan nilai komponen K = 1 dan K = 2, dengan nilai akurasi sebesar 83.8%, nilai presisi sebesar 44%, dan nilai recall sebesar 43,7%. Kata kunci : KNN, GLCM, HSV, Klasifikasi, Buah anggur
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science | ||||||||||||
| Divisions: | Faculty of Computer Science | ||||||||||||
| Depositing User: | fuad thoni - | ||||||||||||
| Date Deposited: | 22 Jan 2024 06:54 | ||||||||||||
| Last Modified: | 22 Jan 2024 06:54 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/20471 |
Actions (login required)
 |
View Item |