IDENTIFIKASI KUALITAS DAUN BAYAM DENGAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN YUV COLOR MOMENTS.

Eldayosa, Welsi and Astiningrum, Mungki and Rahmanto, Anugrah Nur (2020) IDENTIFIKASI KUALITAS DAUN BAYAM DENGAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN YUV COLOR MOMENTS. Diploma thesis, Teknik Informatika.

	Text Covers.pdf Restricted to Registered users only Download (738kB) | Request a copy
	Text Bab I.pdf Restricted to Registered users only Download (125kB) | Request a copy
	Text Bab II.pdf Restricted to Registered users only Download (369kB) | Request a copy
	Text Bab III.pdf Restricted to Registered users only Download (53kB) | Request a copy
	Text Bab IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Bab V.pdf Restricted to Registered users only Download (196kB) | Request a copy
	Text Bab VI.pdf Restricted to Registered users only Download (195kB) | Request a copy
	Text Bab VII.pdf Restricted to Registered users only Download (7kB) | Request a copy
	Text Daftar Pustaka.pdf Restricted to Registered users only Download (106kB) | Request a copy
	Text Lampiran.pdf Restricted to Registered users only Download (172kB) | Request a copy

Abstract

Pada proses bisnis pertanian sayur mayur di Indonesia, khususnya pada sektor pertanian sayur bayam pada umumnya masih belum menerapkan penggunakan aplikasi citra digital dalam menunjang perkerjaan dalam memilih kualitas sayur bayam yang baik dan cukup benar , kebanyakan masih menggunakan cara yang manual sehingga sayur yang akan dipasarkan tercampur dengan sayur yang kurang baik dan buruk dalam hal kualitas , tentunya ini akan sangat mempengaruhi nilai dalam penjualan yang akan berakibat fatal nantinya. Aplikasi pengolahan citra digital dibuat untuk membantu penelitian pada sektor pertanian sayur bayam dalam memilih dan memilah dengan baik serta akurat suatu kualitas sayur bayam dari tekstur dan warna, dengan sistem komputerisasi agar meminimalisir masuknya sayur bayam yang tercampur dalam stok penjualan. Aplikasi identifikasi kualitas sayur bayam ini nantinya akan menggunakan metode GLCM untuk mencari nilai tekstur , YUV untuk mencari nilai warna dan dengan menggunakan K-NN sebagai klasfikasinya diharapkan bisa membantu dalam pengerjaan yang lebih mudah. Pada penelitian ini, data training yang digunakan berjumlah 30 data untuk setiap kelas yaitu bayam baik, bayam kurang segar dan bayam buruk. Data testing yang digunakan berjumlah 5 data untuk setiap kelasnya. Tingkat akurasi tertinggi yang diperoleh sistem adalah 86,66% pada K = 7.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Sayur Bayam, GLCM, YUV, K-NN
Subjects:	A Computer Science > Applied Computer Science
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Welsi Eldayosa
Date Deposited:	13 Oct 2020 03:26
Last Modified:	03 Mar 2021 13:03
URI:	http://repota.jti.polinema.ac.id/id/eprint/207

Actions (login required)

View Item