IMAGE PROCESSING KLASIFIKASI BIJI KOPI MENGGUNAKAN METODE K-NEAREST NEIGHBOR

71130096, ADITYA FAJAR KRISTANTO (2018) IMAGE PROCESSING KLASIFIKASI BIJI KOPI MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
71130096_bab1_bab5_daftarpustaka.pdf

Download (1MB)
[img] 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: Thesis (Bachelor)
Uncontrolled Keywords: Warna, preprocessing, KNN ( K-nearest Neighbor )
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QK Botany
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
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 View Item