KLASIFIKASI KEMATANGAN BUAH TOMAT BERDASARKAN CIRI TEKSTUR GLCM DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPOGATION

Handayani, Nuraini Wahyu (2021) KLASIFIKASI KEMATANGAN BUAH TOMAT BERDASARKAN CIRI TEKSTUR GLCM DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPOGATION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (833kB)
	Text (BAB I) BAB I.pdf Download (288kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (819kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (459kB)
	Text (BAB V) BAB V.pdf Download (58kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (138kB)
	Archive (SOURCE CODE) Source Code-17.11.1455-Nuraini Wahyu Handayani - Nuraini Wahyu Handayani.rar Restricted to Repository staff only Download (4MB)
	Text (PUBLIKASI) Publikasi-17.11.1455-Nuraini Wahyu Handayani - Nuraini Wahyu Handayani.pdf Restricted to Repository staff only Download (540kB)

Abstract

Buah tomat yang dijual dipasar tradisional maupun supermarket merupakan masalah kesegaran yang harus di pertimbangkan oleh pembeli. Buah tomat dengan tingkat kematangan yang tepat, memiliki kandungan vitamin yang sangat bagus untuk dikonsumsi. Oleh karena itu sering sekali terjadinya keresahan konsumen dalam membeli buah tomat yang tidak sesuai dengan yang diinginkan. Penelitian ini dilakukan dengan tujuan mendapatkan peng-klasifikasi-an kematangan buah tomat berdasarkan ciri tekstur Gray-Level Co-Occurrence Matrix (GLCM) menggunakan 14 fitur GLCM dan 4 sudut dan selection feature untuk mengurangi atribut yang kurang berpengaruh dalam proses klasifikasi dan untuk klasifikasi kematangan buah tomat menggunakan metode jaringan saraf tiruan Backpropagation yang menggunakan data gambar buah tomat sebanyak 150 data buah tomat yang akan dibagi menjadi 80% sebagai data training dan 20% sebagai data testing. Hasil dari pengujian dengan 15 atribut sebagai inputan hasil dari selection feature mendapatkan akurasi training 89,99% sebesar dan testing sebesar 96%. Adapun atribut yang berpengaruh untuk tingkat akurasi dari kematangan buah tomat diantaranya SAV 0̊, SAV 135̊, SAV 45̊, SAV 90̊, DVar 135̊, DVar 90̊, DEntro 45̊, Entropy 45̊, DEntro 90̊, DVar 0 ̊, DVar 45̊, DEntro 0̊, IDM 45̊, IDM 90̊ dan DEntro 135̊.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
Sunyoto, Andi

Uncontrolled Keywords:

tomat, tingkat kematangan, klasifikasi, GLCM, Backpropagation

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer

Divisions:

Fakultas Ilmu Komputer > Informatika

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

13 Jun 2022 08:30

Last Modified:

09 Aug 2023 07:48

URI:

http://eprints.amikom.ac.id/id/eprint/939

Actions (login required)

View Item