Klasifikasi benih kacang tanah (Arachis hypogaea L.) berdasarkan fitur warna dan tekstur menggunakan algoritma K-Nearest Neighbor (KNN) / Erna Fajariani
| Main Author: | Fajariani, Erna |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Online Access: |
http://repository.um.ac.id/152166/ |
Daftar Isi:
- RINGKASANFajarianiErna.2019.KlasifikasiBenihKacangTanah(ArachisHypogaeaL.)BerdasarkanFiturWarnadanTeksturMenggunakanAlgoritmaK-NearestNeighbor(KNN)SkripsiJurusanTeknikElektroFakultasTeknikUniversitasNegeriMalang.Pembimbing(I)Dr.MuladiS.T.M.T.(II)HeruWahyuHerwantoS.T.M.Kom.KataKunciKacangTanahBenihPengolahanCitraFiturK-NearestNeighbor(KNN).Kacangtanah(ArachisHypogaeaL.)termasuksalahsatukelompoktanamanjenispolongyangditanamdiIndonesiasebagaikomoditaspanganyangbanyakdikonsumsimasyarakat.Setiaptahunkebutuhankacangtanahsemakinmeningkat.Tetapikarenaadanyabeberapafaktorkacangtanahmengalamipenurunanproduksi.Penurunantersebutsalahsatunyadikarenakanpenggunaanmutubenihyangrendah.Benihyangbaikakanmenghasilkanproduksitinggidansebaliknyabenihburukakanmenghasilkanproduksirendah.Sehinggauntukmengatasipermasalahanpenurunanproduksiperluadanyapemilihanbenihyangbermutubaik.Pemilihanbenihinidapatdilihatberdasarkanmutufisikbijikacangtanah.Pengujianfisikbijidapatdilakukandenganpengolahancitrayangdiimplementasikanpadasisteminformasiberbasisdekstop.Warnadanteksturmerupakanfituryangdapatdiprosescitranyauntukmengklasifikasikanbijikacangtanah.Warnamerupakanfituryangdimilikisetiapcitradengannilaiyangberbeda.GrayLevelCo-occuranceMatrix(GLCM)adalahmetodeuntukekstraksiteksturberupasuatumatrikyangmenggambarkanfrekuensimunculnyapasanganduapikseldenganintensitasjarakddanarahsuduttertentudalamsuatucitra.Penelitianinimenggunakanfiturwarna(RGB)danfiturteksturyangterdiridarikontrashomogenitasenergidenganmenggunakanmetodeGLCM.Fitur-fiturtersebutdiprosesdenganalgoritmaK-NearesetNeighbor(KNN)untukklasifikasikelayakanbenihkacangtanah.Sistemakanmelakukanekstraksifitur-fiturdaricitrayangdimasukkansehinggaakandiperolehhasilklasifikasibenih.Klasifikasiyangdilakukanakandibagimenjadi3kelasyaitukelasbenihbaikbenihkeriputdanbenihrusak.Pengujianpertamadilakukanpadadatalatihmenggunakanmetodeholdoutvalidationdengan5pemodelanpembagiandatalatih.Pengujiankeduadilakukanpadaklasifikasisistemterhadapnilaik1357dan9denganmenghitungakurasiklasifikasibenarpadaklasifikasiolehsistemdenganklasifikasimanual.Hasilyangdiperolehpenelitianiniyaitupadapengujiandatalatihsemakinbanyakjumlahdatalatihakanmenghasilkanakurasiyangtinggidikarenakansistemakanmelakukanpembelajaranlebihbanyak.Akurasitertinggipadapemodelanpembagian90%datalatihdan10%datauji.Padapengujianklasifikasisistemakurasitertinggi83%dengannilaik5sedangkanyangterendahakurasinya67%dengannilaik1.SehinggadaripenelitianpenerapanpengolahancitradenganalgoritmaKNNinimampumelakukanklasifikasibenihkacangtanahdenganbaik.