KLASIFIKASI KUALITAS JERUK LEMON BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK DENGAN METODE SUPPOR VECTOR MACHINE (SVM)

Fahmi, Shafira Rizkyta (2021) KLASIFIKASI KUALITAS JERUK LEMON BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK DENGAN METODE SUPPOR VECTOR MACHINE (SVM). Other thesis, Universitas Islam Lamongan.

	Text 111710090-SHAFIRA RIZKYTA FAHMI - cover.pdf Download (92kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - daftar isi.pdf Download (99kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - abstrak.pdf Download (6kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab i.pdf Download (228kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab ii.pdf Download (415kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab iii.pdf Restricted to Repository staff only Download (237kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab iv.pdf Restricted to Repository staff only Download (319kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab v.pdf Restricted to Repository staff only Download (376kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - bab vi.pdf Restricted to Repository staff only Download (86kB)
	Text 111710090-SHAFIRA RIZKYTA FAHMI - daftar pustaka.pdf Restricted to Repository staff only Download (87kB)

Abstract

Jeruk adalah buah dengan produksi terbanyak ke-2 setelah pisang. Negara indonesia memiliki beragam varietas jeruk namun keragaman yang banyak ini mengakibatkan susahnya membedakan varietasnya, apalagi yang berkualitas seperti jeruk lemon. Proses pemilihan kualitas jeruk lemon dengan cara manual mempunyai beberapa kelemahan yaitu tidak tepat dan tidak konsisten. Oleh sebab itu dibutuhkan suatu alat bantu seperti pengolahan citra digital untuk melakukan klasifikasi kualitas pada jeruk lemon. Proses pemrosesan digital menggunakan ekstraksi fitur warna, tekstur dan bentuk pada jeruk lemon sedangkan metode Support Vector Machine (SVM) digunakan untuk klasifikasi kualitas jeruk lemon. Dalam penelitian ini menggunakan data testing sebanyak 75 dan data training sebanyak 200. Kualitas jeruk lemon dibagi menjadi 3 kelas terdiri dari kelas Grade Super, Grade A dan Grade B. Parameter yang digunakan adalah mean R, mean G, mean B, std R, std G, std B, kontras, correlation, energy, homogeneity, area, perimeter, matrix, major axis, minor axis, serta eccentricity. Hasil dari penelitian ini didapatkan bahwa metode Support Vector Machine (SVM) dapat memberikan akurasi sebesar 32%.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	07 Feb 2022 07:36
Last Modified:	07 Feb 2022 07:36
URI:	http://eprints.unisla.ac.id/id/eprint/146

Actions (login required)

View Item