MENGKLASIFIKASI TINGKAT KEMATANGAN BUAH SAWO DARI FITUR TEKSTUR DAN WARNA DENGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K-NEARST NEIGHBORS(K-NN)

Asnawi, Ahmad Zuhri (2021) MENGKLASIFIKASI TINGKAT KEMATANGAN BUAH SAWO DARI FITUR TEKSTUR DAN WARNA DENGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K-NEARST NEIGHBORS(K-NN). Other thesis, Universitas Islam Lamongan.

	Text 111710057-AHMAD ZUHRI A - COVER.pdf Download (165kB)
	Text 111710057-AHMAD ZUHRI A - DAFTAR ISI.pdf Download (95kB)
	Text 111710057-AHMAD ZUHRI A - ABSTRAK.pdf Download (85kB)
	Text 111710057-AHMAD ZUHRI A - BAB I.pdf Download (177kB)
	Text 111710057-AHMAD ZUHRI A - BAB II.pdf Download (484kB)
	Text 111710057-AHMAD ZUHRI A - BAB III.pdf Restricted to Repository staff only Download (246kB)
	Text 111710057-AHMAD ZUHRI A - BAB IV.pdf Restricted to Repository staff only Download (209kB)
	Text 111710057-AHMAD ZUHRI A - BAB V.pdf Restricted to Repository staff only Download (575kB)
	Text 111710057-AHMAD ZUHRI A - BAB VI.pdf Restricted to Repository staff only Download (85kB)
	Text 111710057-AHMAD ZUHRI A - DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (82kB)

Abstract

Sawo adalah salah satu buah yang banyak tumbuh di daerah tropis, termasuk Indonesia. Ada banyak manfaat sawo bagi kesehatan tubuh di balik cita rasanya yang manis, seperti menurunkan kadar gula darah dan menjaga kesehatan sistem pencernaan. Manfaat sawo bisa didapatkan dari beragam nutrisi yang dikandungnya. Pada penelitian ini dirancang dan dibuatlah sistem yang bisa membantu dalam melakukan klasifikasi kematangan buah sawo. Proses ini diawali dengan pengambilan citra buah sawo yang selanjutnya akan dilakukan proses estraksi citra warna dengan mengambil ciri warna RGB dari citra yang diambil dan ekstraksi citra tekstur dengan mengubah gambar keGrayscale. Setelah didapatkannya nilai ektraksi citra warna dan tekstur dari masing-masing citra maka proses selanjutnya yakni melakukan proses klasifikasi dengan menggunakan metode K-NN dan SVM. Proses klasifikasi ini akan menentukan citra buah sawo ini masuk kedalam kelas mentah dan matang. Penelitian ini menggunakan data yang diambil secara langsung dengan cara memfoto citra buah sawo yang berjumlah masing-masing 150 citra dengan pembagian 100 data citra training dan 50 data citra testing. Akurasi tertinggi didapatkan menggunakan nilai K =2, hasilnya sebesar 88% dalam mengkasifikasikan kematangan buah sawo berdasarkan metode K-NN, dan 64% mengkasifikasikan kematangan buah sawo berdasarkan metode SVM

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	04 Feb 2022 07:50
Last Modified:	04 Feb 2022 07:50
URI:	http://eprints.unisla.ac.id/id/eprint/108

Actions (login required)

View Item