KLASIFIKASI CITRA DAGING SAPI MENGGUNAKAN METODE KNN (K-Nearest Neighbor) UNTUK IDENTIFIKASI KUALITAS DAN KESEGARAN

Hasanah, Uswatun (2018) KLASIFIKASI CITRA DAGING SAPI MENGGUNAKAN METODE KNN (K-Nearest Neighbor) UNTUK IDENTIFIKASI KUALITAS DAN KESEGARAN. Undergraduate thesis, Universitas Muhammadiyah Sidoarjo.

Text skripsi lengkap-141080200240.pdf - Published Version Restricted to Registered users only Available under License Creative Commons Attribution. Download (6MB)

Abstract

ABSTRAK Sekarang ini banyak pedagang yang curang dalam menjual daging yang sudah tidak layak untuk dikonsumsi untuk mendapatkan keuntungan yang lebih besar dengan cara mencampur daging yang bagus dengan daging yang sudah tidak layak untuk di konsumsi. Sehingga menimbulkan kecemasan bagi masyarakat karena memiliki kandungan yang berbahaya. Salah satu cara untuk membantu masyarakat dalam memilih daging melalui pengolahan citra yang dapat mengenali objek. Tujuan penelitian ini untuk mengetahui kualitas daging sapi yang segar dan daging busuk menggunakan co-occurance matriks untuk mengklasifikasikan citra daging dengan perhitungan K-NN. Penelitian ini dapat dimanfaatkan untuk dapat membedakan jenis daging berdasarkan warna dan tekstur. Data yang digunakan dalam penelitian ini sebanyak 60 data citra yang terdiri dari 30 citra daging segar dan 30 citra daging busuk. Proses klasifikasi menggunakan data uji dengan tujuan dapat membedakan jenis daging segar dan daging busuk. Hasil identifikasi jenis daging berdasarkan warna dan tekstur untuk daging busuk dengan K=3 mendapatkan nilai sebesar 0,80638. Dari 60 jenis citra tersebut sistem menghasilkan 42 jenis data citra yang sesuai dan 18 jenis data citra yang tidak sesuai dengan objek citra yang sebenarnya. Dengan demikian sistem yang dibangun dengan metode K-NN cukup baik digunakan dengan tingkat keakuratan data yang didapat sebesar 70% dan mendapatkan data tidak akurat sebesar 30%.

Item Type:	Thesis (Undergraduate)
Additional Information:	Skripsi
Uncontrolled Keywords:	Kata Kunci : Identifikasi; Ekstraksi Fitur; K-NN.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering > School of Computer Engineering
Depositing User:	teknikinformatika umsida
Date Deposited:	16 Mar 2018 04:04
Last Modified:	16 Mar 2018 04:04
URI:	http://eprints.umsida.ac.id/id/eprint/1918

Actions (login required)

View Item