Dinasty, Fita (2021) KLASIFIKASI TINGKAT KEMATANGAN KOPRA PADA PENGOLAHAN CITRA DIGITAL DENGAN EKSTRAKSI CIRI WARNA MENGGUNAKAN METODE K-NEAREST NEIGHBOR. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (282kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (533kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (671kB) |
|
Text (BAB V)
BAB V.pdf Download (64kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (148kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code-17.11.1172-Fita Dinasty - Fita Dinasty.rar Restricted to Repository staff only Download (66kB) |
|
Text (PUBLIKASI)
Publikasi-17.11.1172-Fita Dinasty - Fita Dinasty.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Minyak Kelapa bisa menjadi salah satu alternatif lebih sehat dari jenis minyak lainnya. Potensi manfaat yang diberikan seperti kesehatan, kecantikan, ataupun antibakteri sudah dipercaya di berbagai kalangan. Proses pengolahannya yang diambil dari buah kelapa segar menjadi kopra untuk dikeringkan dengan cara pengasapan ataupun pengeringan dibawah sinar matahari. Kopra kering dapat diolah menjadi minyak kelapa tanpa menggunakan zat kimia ataupun tambahan lainnya. Penelitian ini bertujuan untuk mengidentifikasi kopra yang sudah layak untuk diolah menjadi minyak kelapa. Penelitian mengambil sampel kopra yang mentah dan matang untuk ditransformasi menggunakan metode ekstraksi ciri warna HSI dan ektraksi ciri tekstur GLCM. Hasil transformasi digunakan sebagai data training untuk mencari Euqlidean Distance antara data training dengan data yang akan diuji. Penelitian ini menguji nilai K yang tepat digunakan atau banyaknya tetangga dalam proses klasifikasi menggunakan metode K-NN, penelitian ini juga menambahkan metode selection feature untuk mengurangi atribut yang kurang berpengaruh dalam proses klasifikasi berupa metode Information gain. Pengujian tanpa menggunakan ekstraksi ciri tekstur mendapatkan akurasi yang lebih rendah yaitu dari 90% menjadi 85%, sehingga dilakukan pengujian untuk mengetahui atribut yang kurang berpengaruh dari ekstraksi warna dengan menerapkan metode Information Gain untuk menghilangkan atribut yang kurang berpengaruh yaitu Range H, Range S, dan Range I sehingga mendapatkan akurasi 95%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Kopra, Citra Digital, K-Nearest Neighbor, Information Gain | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 21 Jun 2022 04:14 | ||
| Last Modified: | 15 Aug 2023 01:45 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/1951 |
Actions (login required)
 |
View Item |