KLASIFIKASI JENIS JAMUR MENGGUNAKAN METODE WEIGHTED K-NEAREST NEIGHBOR

71140026, Stevan Janis Anandita Halawa (2019) KLASIFIKASI JENIS JAMUR MENGGUNAKAN METODE WEIGHTED K-NEAREST NEIGHBOR. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
71140026_bab1_bab5_daftarpustaka.pdf

Download (517kB)
[img] Text (Skripsi Informatika)
71140026_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Jamur merupakan bahan pangan yang banyak digemari oleh masyarakat. Jenis jamur yang bisa dimakan pun terdapat berbagai macam, pada umumnya setiap jenis jamur memiliki ciri masing- masing, ciri tersebut dapat dibedakan dari bentuk dan tekstur jamur tersebut. Walau memiliki kekhasan yang berbeda antara jenis jamur, masyarakat kurang memperhatikan ciri khas tersebut dan kurang mengetahui bahwa jamur memiliki banyak jenis. Untuk membantu masyarakat membedakan beberapa jenis jamur yang beredar di pasaran adalah dengan membedakan bentuk dan tekstur dari jamur tersebut. Pada penelitian ini, penulis menggunakan ekstraksi ciri bentuk dengan eccentricity, roundness, compactness, form factor, untuk tekstur dengan contrast, correlation, energy, homogenity dan pengenalan jenis-jenis jamur menggunakan metode Weighted K- Nearest Neighbor. Pengujian dilakukan dengan mengubah nilai parameter k, penggunaan masing-masing ciri tekstur dan bentuk serta jumlah data latih untuk dilihat hasil akurasinya. Berdasarkan hasil analisis, sistem dapat mengenali jenis jamur dengan presentase akurasi sebesar 87.5% pada nilai k=3 .

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: jamur, bentuk, tekstur, Weighted K-Nearest Neighbor
Subjects: Q Ilmu Pengetahuan > QA Matematika > QA75 Komputer Elektronik. Ilmu Komputer
Q Ilmu Pengetahuan > QH Sejarah Alam > QH301 Biologi
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: Mr Brayen Samuel Paendong
Date Deposited: 05 Mar 2020 02:58
Last Modified: 23 Jun 2021 02:20
URI: http://katalog.ukdw.ac.id/id/eprint/456

Actions (login required)

View Item View Item