IDENTIFIKASI JENIS ANGGUR IMPORT BERDASARKAN WARNA DAN TEKSTUR MENGGUNAKAN METODE FUZZY KNN (K-NEAREST NEIGHBOR)

Wulandari, Tri Lestari (2018) IDENTIFIKASI JENIS ANGGUR IMPORT BERDASARKAN WARNA DAN TEKSTUR MENGGUNAKAN METODE FUZZY KNN (K-NEAREST NEIGHBOR). Undergraduate thesis, Universitas Muhammadiyah Sidoarjo.

Text Skripsi lengkap-141080200120.pdf - Published Version Restricted to Registered users only Available under License Creative Commons Attribution. Download (3MB)

Abstract

Anggur atau Vitis Vinifera merupakan tanaman tahunan (perennial), berupa perdu yang merambat. Anggur diolah menjadi produk minuman alkohol dengan cara di fermentasi dan makanan berupa kismis dengan cara anggur dikeringkan. Anggur ada 2 jenis yaitu anggur lokal Indonesia dan anggur import. Anggur import jenis nama buahnya bermacam-macam ada anggur amerika, anggur creamso, dan anggur red globe spr. Dalam kasat mata, Anggur import mempunyai kesamaan salah satunya adalah Anggur Import Red Globe SPR, Anggur Import Amerika, dan Anggur Import Creamso. Dari kedua jenis anggur Import Red Globe SPR dan Amerika mempunyai kesamaan. Anggur Red Globe mempunyai kesamaan warna dan tekstur hampir sama dengan Anggur Amerika warnanya merah cerah sementara Anggur Import Creamso warnanya merah matang dan teksturnya agak sedikit lonjong. Oleh karena itu, akan susah untuk menentukan jenis anggur dengan kasat mata dikarenakan banyak kesamaan pada buah tersebut. Maka penulis membuat sebuah sistem “Identifikasi Jenis Anggur Import Berdasarkan Warna Dan Tekstur Menggunakan Metode Fuzzy KNN (K-Nearest Neighbor)”. Seleksi warna dilakukan dengan mencari nilai rata-rata dari jumlah keseluruhan pixel, sedangkan pada seleksi tekstur menggunakan analisis matriks kookurensi dan untuk proses identifikasi menggunakan metode fuzzy knn. Pengujian dilakukan dengan menggunakan citra foto anggur import antara lain: anggur amerika, anggur creamso, dan anggur red globe spr sebanyak 75 citra foto anggur import. Dari hasil pengujian berdasarkan warna menghasilkan tingkat akurasi 100%, sedangkan untuk tahapan identifikasi berdasarkan tekstur menggunakan fuzzy knn, menghasilkan tingkat akurasi 96.6%. Kata Kunci: Anggur, Fuzzy K-Nearest Neighbor

Item Type:	Thesis (Undergraduate)
Additional Information:	Skripsi
Uncontrolled Keywords:	Anggur; Fuzzy K-Nearest Neighbor
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T201 Patents. Trademarks
Divisions:	Faculty of Engineering > School of Computer Engineering
Depositing User:	teknikinformatika umsida
Date Deposited:	02 Aug 2018 05:15
Last Modified:	02 Aug 2018 05:15
URI:	http://eprints.umsida.ac.id/id/eprint/4111

Actions (login required)

View Item