KLASIFIKASI DAGING AYAM BERFORMALIN PADA PENGOLAHAN CITRA DIGITAL DENGAN EKSTRAKSI CIRI WARNA DAN TEKSTUR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Wiranto, Reang Aji (2020) KLASIFIKASI DAGING AYAM BERFORMALIN PADA PENGOLAHAN CITRA DIGITAL DENGAN EKSTRAKSI CIRI WARNA DAN TEKSTUR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (4MB)
	Text (BAB I) BAB I.pdf Download (2MB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (5MB)
	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 (12MB)
	Text (BAB V) BAB V.pdf Download (649kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (4MB)

Abstract

Daging ayam merupakan salah satu sumber protein hewani yang sangat populer di kalangan masyarakat Indonesia. Tingginya permintaan daging ayam di masyarakat membuat adanya peluang melakukan kecurangan di kalangan pedagang. Salah satunya dengan memberikan formalin terhadap daging ayam yang sudah rusak agar awet. Untuk mencegah permasalahan ini pemerintah berupaya melakukan pengecekan terhadap daging ayam dipasaran. Beberapa penelitian dengan berbagai metode dilakukan untuk mengetahui kadar formalin pada makanan salah satunya adalah pengolahan citra digital. Dengan citra digital ini suatu objek akan bisa dibedakan antara 1 objek dengan objek yang lain. Pada penelitian ini parameter ciri dari pengolahan citra digital daging ayam yang digunakan adalah ekstraksi ciri warna HSI dan tekstur GLCM lalu diklasifikasikan menggunakan metode Learning Vector Quantization dengan penambahan metode feature selection Information Gain. Dengan jumlah data uji sebanyak 20 data dan data latih sebanyak 80 data. Hasil akurasi tertinggi dengan menggunakan metode Learning Vector Quantization sebesar 85% dan dengan menggunakan penambahan metode feature selection Information Gain hasil akurasi meningkat hingga 95%. Dari hasil ini diketahui bahwa metode feature selection mampu memberikan peningkatan akurasi dengan mereduksi jumlah variabel/atribut data yang digunakan.

Actions (login required)

View Item