71130096, ADITYA FAJAR KRISTANTO (2018) IMAGE PROCESSING KLASIFIKASI BIJI KOPI MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.
Text (Skripsi Informatika)
71130096_bab1_bab5_daftarpustaka.pdf Download (1MB) |
|
Text (Skripsi Informatika)
71130096_bab2-sd-bab4-lampiran.pdf Restricted to Registered users only Download (4MB) | Request a copy |
Abstract
Pengolahan citra digital sangat penting untuk membantu kinerja manusia saat ini. Penulis melakukan penelitian klasifikasi jenis-jenis biji kopi yang bertujuan untuk memudahkan para pecinta kopi dan penikmat kopi agar dapat membedakan jenis-jenis biji kopi, biji kopi yang akan diklasifikasi yaitu biji kopi Robusta, Arabika, Liberika, Excelsa. Dengan adanya penelitian ini penulis dapat membantu pecinta kopi dan penikmat kopi untuk membedakan jenis biji kopi dengan lebih baik. Penelitian ini menggunakan gambar biji kopi yang masih mentah dan belum di sangrai. Untuk melakukan klasifikasi maka penulis melakukan beberapa tahap. Tahap pertama yang di lakukan oleh penulis adalah melakukan preprocessing terlebih dahulu, setelah melakukan preprocessing selanjutnya penulis melakukan ekstraksi fitur warna. Ekstraksi fitur warna ini bertujuan untuk menemukan ciri dari sebuah biji kopi. Penulis menggunakan dua Ekstraksi fitur warna, antar lain adalah HSV dan Histogram. Ketika penulis sudah menemukan ciri dari sebuah gambar dengan fitur warna tadi selanjutnya di lakukan tahap klasifikasi, pada tahapan ini penulis menggunakan metode K-Nearest Neighbor untuk membantu dalam proses klasifikasi. Berdasarkan 80 data uji menghasilkan rata-rata tingkat keberhasilan klasifikasi dengan memakai fitur Histogram dengan 1 nilai tertinggi sebesar 95%, fitur Histogram dengan memakai 2 nilai tertinggi sebesar 97,5%, dan fitur Histogram dengan memakai 3 dan 4 nilai terbesar sebesar 96,25%. Selanjutnya menggunakan fitur hue sebesar 97,5%, fitur saturation sebesar 97,5%, fitur value sebesar 88,75%, fitur HSV sebesar 0% untuk mengenali jenis biji kopi. Penulis juga menggunakan fitur KNN untuk mengklasifikasi biji kopi dengan tingkat keberhasilan tertinggi sebesar 97,5%.
Item Type: | Student paper (Final Year Projects (S1)) |
---|---|
Uncontrolled Keywords: | Warna, preprocessing, KNN ( K-nearest Neighbor ) |
Subjects: | Q Ilmu Pengetahuan > Matematika > Komputer Elektronik. Ilmu Komputer Q Ilmu Pengetahuan > Botani / Ilmu Tumbuhan Z Bibliografi. Ilmu Perpustakaan. Sumber Informasi > Sumber-sumber Informasi > Sumber Informasi Elektronik |
Divisions: | Fakultas Teknologi Informasi > Prodi Informatika |
Depositing User: | ms Dominggas Yembise |
Date Deposited: | 28 Apr 2021 02:39 |
Last Modified: | 28 Apr 2021 02:39 |
URI: | http://katalog.ukdw.ac.id/id/eprint/1425 |
Actions (login required)
View Item |