KLASIFIKASI JENIS BUAH APEL BERDASARKAN TULANG DAUN MENGGUNAKAN DETEKSI TEPI DAN K-NEAREST NEIGHBOR

Ramadhan Nur, Cholis Januar (2020) KLASIFIKASI JENIS BUAH APEL BERDASARKAN TULANG DAUN MENGGUNAKAN DETEKSI TEPI DAN K-NEAREST NEIGHBOR. Other thesis, Polinema.

	Text COVER.pdf Download (36kB)
	Text BAB_1.pdf Download (427kB)
	Text BAB_2.pdf Download (1MB)
	Text BAB_3.pdf Download (1MB)
	Text BAB_4.pdf Download (933kB)
	Text BAB_5.pdf Download (859kB)
	Text BAB_6.pdf Download (399kB)
	Text BAB_7.pdf Download (395kB)
	Text Daftar Pustaka.pdf Download (76kB)

Abstract

Nur Cholis Januar., Ramadhan “Klasifikasi Jenis Buah Apel Berdasarkan Tulang Daun Menggunakan Deteksi Tepi Dan K-Nearest Neighbor”. Pembimbing: (1) Rosa Andrie Asmara, ST., MT., Dr. Eng (2) . Noprianto, S.Kom., M.Eng Skripsi, Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Malang, 2020 Tanaman apel merupakan salah satu komoditas pertanian tanaman buah yang banyak dibudidayakan oleh petani Indonesia. Buah Apel sendiri merupakan salah satu jenis buah yang sangat digemari dan sering dikonsumsi oleh masyarakat, baik dari yang muda sampai yang tua. Apel juga mempunyai kandungan vitamin yang sangat dibutuhkan oleh tubuh manusia, antara lain vitamin A, B1, dan C. Bukan hanya buahnya saja yang bisa dikonsumsi tetapi kulit dari buah tersebut juga bisa dikonsumsi karena mengandung Quercetin atau zat antioksidan sehingga tubuh terasa lebih sehat dan mencegah berbagai penyakit (Jatmika & Purnamasari, 2014). Daun merupakan salah satu bagian penting dari tanaman yang biasanya digunakan untuk proses klasifikasi jenis tanaman. Proses pengenalan daun apel anna, apel manalagi dan apel rome beauty dilakukan berdasarkan deteksi tepi citra struktur tulang daun menggunakan metode Ant Colony Optimization (ACO), dan ekstraksi fitur menggunakan metode Moment Invariant. Dalam Tugas Akhir ini, dibuktikan penulis dapat membuat sebuah sistem untuk mengidentifikasi jenis tanaman apel menggunakan metode ACO, dan Moment Invariant, K-Nearest Neighbor (KNN). Dengan perolehan akurasi sebesar 83,33% pada nilai K = 7. Kata Kunci : Daun Apel, Ant Colony Optimization, Moment Invariant, K-Nearest Neighbor

Item Type:	Thesis (Other)
Subjects:	A Computer Science > Artificial Intelligence
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Ramadhan Nur Cholis Januar
Date Deposited:	08 Jan 2024 23:54
Last Modified:	08 Jan 2024 23:54
URI:	http://repota.jti.polinema.ac.id/id/eprint/815

Actions (login required)

View Item