DEDY, YURISTIAWAN (2015) IDENTIFIKASI KUALITAS DAGING SAPI BERBASIS ANDROID DENGAN EKSTRAKSI FITUR WARNA DAN KLASIFIKASI KNN. Skripsi,Fakultas Ilmu Komputer.
| PDF Download (456Kb) | Preview | |
| PDF Download (4086b) | Preview |
Abstract
Pemilihan daging sapi yang baik untuk dikonsumsi tidaklah mudah, hal ini dikarenakan banyaknya pedagang tidak bertanggung jawab yang menjual daging sapi tak layak konsumsi. Daging busuk atau daging "gelonggongan" memiliki kadar lebih tinggi dibandingkan daging segar. Penelitian ini bertujuan untuk mengidentifikasi kualitas daging sapi berbasis android dengan ekstraksi fitur warna dan klasifikasi knn. Pada penelitian yang dilakukan memiliki tiga modul utama, yaitu modul prapengolahan, ekstraksi fitur, dan klasifikasi. Pertama, modul prapengolahan digunakan untuk proses pengolahan data asli sebelum data tersebut diolah ke dalam proses selanjutnya. Hal ini bertujuan untuk menghilangkan noise dan memperjelas fitur data sesuai kebutuhan. Modul selanjutnya yaitu ekstraksi fitur warna RGB, HSI, dan HSV dengan pendekatan statistika. Nilai-nilai statistika yang diambil adalah nilai mean, standar deaviasi, kurtosis, dan skewness. Modul yang terakhir adalah modul klasifikasi menggunakan metode k-nearest neighbor yang bertujuan mengklasifikasikan citra daging segar, daging gelonggongan dan daging busuk.Pada penelitian ini metode knn yang digunakan sudah mampu untuk mengidentifikasi daging sapi dengan nilai k=3 dengan tingkat akurasi sebesar 64 %, nilai k=5 dengan tingkat akurasi sebesar 68%, nilai k=7 dengan tingkat akurasi sebesar 82% , dan nilai k=9 dengan tingkat akurasi sebesar 86%. Sehingga secara keseluruhan memiliki tingkat akurasi sebesar 75 %.
Item Type: | Article |
---|---|
Subjects: | T Technology > Teknik Informatika Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika |
Divisions: | Fakultas Ilmu Komputer |
Depositing User: | Psi Udinus |
Date Deposited: | 26 Nov 2015 10:14 |
Last Modified: | 26 Nov 2015 10:14 |
URI: | http://eprints.dinus.ac.id/id/eprint/17000 |
Actions (login required)
View Item |