KLASIFIKASI KEMATANGAN BUAH MANGGA DENGAN PENDEKATAN CITRA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN TRANSFORMASI RUANG WARNA HUE SATURATION INTENSITY

Syahruzah, Raufi Baihaqi (2024) KLASIFIKASI KEMATANGAN BUAH MANGGA DENGAN PENDEKATAN CITRA MENGGUNAKAN METODE K-NEAREST NEIGHBOR DAN TRANSFORMASI RUANG WARNA HUE SATURATION INTENSITY. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. Cover.pdf
Download (37kB)
[img] Text
2. Lembar Pengesahan Tugas Akhir.pdf
Download (363kB)
[img] Text
3. Lembar Pengesahan Penguji.pdf
Download (348kB)
[img] Text
4. Lembar Pernyataan Keaslian.pdf
Download (345kB)
[img] Text
5 ABSTRAK.pdf
Download (9kB)
[img] Text
5.1 HALAMAN MOTTO DAN PERSEMBAHAN.pdf
Download (86kB)
[img] Text
6. Kata Pengantar.pdf
Download (271kB)
[img] Text
7. DAFTAR ISI.pdf
Download (219kB)
[img] Text
8. DAFTAR TABEL.pdf
Download (7kB)
[img] Text
9. DAFTAR GAMBAR.pdf
Download (6kB)
[img] Text
10. DAFTAR LAMPIRAN.pdf
Download (4kB)
[img] Text
11. BAB 1.pdf
Download (137kB)
[img] Text
12. BAB 2.pdf
Download (417kB)
[img] Text
13. BAB 3.pdf
Download (318kB)
[img] Text
14. BAB IV.pdf
Restricted to Repository staff only
Download (690kB)
[img] Text
15. BAB V.pdf
Restricted to Repository staff only
Download (11kB)
[img] Text
16. DAFTAR PUSTAKA.pdf
Download (225kB)
[img] Text
17. LAMPIRAN.pdf
Restricted to Repository staff only
Download (2MB)

Abstract

Petani umumnya mengklasifikasikan kematangan buah mangga dengan mengamati perubahan kekerasan dan warna kulit pada buah mangga. Metode ini memiliki beberapa kelemahan, antara lain proses klasifikasi yang lambat, akurasi yang kurang, dan hasil yang kurang akurat. Untuk mengatasi permasalahan tersebut, dikembangkan suatu sistem untuk mengklasifikasikan tingkat kematangan buah mangga menggunakan algoritma K-Nearest Neighbors (KNN) dan memanfaatkan fitur warna converting RGB (Red, Green, Blue) to HSI (Hue , Saturation, Intensity). Data gambar buah mangga pada penelitian ini menggunakan data citra sebanyak 390 dibagi menjadi 300 data uji (training) dengan masing�masing 100 citra yang dikelompokkan ke dalam tingkat matang, muda, busuk dan 90 data uji (testing) yang dikelompokkan ke dalam tingkat matang, muda, busuk dengan masing-masing 30 data uji. Hasilnya menunjukkan efektivitas KNN dan HSI dalam menentukan tingkat kematangan buah mangga secara akurat. Dari penelitian ini didapatkan hasil akurasi dari mangga matang sebesar 86%, mangga muda 84% dan mangga busuk 88% dari nilai K=17 dengan hasil data yang akurat sebanyak 62 data citra dan hasil klasifikasi yang tidak akurat sebanyak 28 citra. Kata Kunci: Mangga, KNN (K-Nearest Neighbors), Converting RGB (Red, Green, Blue) to HSI (Hue, Saturation, Intensity).

Item Type: Thesis (Sarjana)
Subjects: Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions: Fakultas Teknik > Informatika
Depositing User: Rema Puri Irma Sri Katon
Date Deposited: 27 Aug 2024 01:31
Last Modified: 27 Aug 2024 01:31
URI: http://repositori.unsil.ac.id/id/eprint/13582

Actions (login required)

View Item View Item