IDENTIFIKASI KEMATANGAN BUAH JERUK MEDAN MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) BERBASIS RED, GREEN, BLUE (RGB).

SURYATAMA JAYA PUTRA, ALLIEF (2023) IDENTIFIKASI KEMATANGAN BUAH JERUK MEDAN MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR) BERBASIS RED, GREEN, BLUE (RGB). Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32601800006_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32601800006_pernyataan_publikasi.pdf Restricted to Registered users only Download (138kB)

Abstract

Pesatnya kemajuan inovasi di bidang image processing menyebabkan semakin banyaknya aplikasi dan penjelasan tentang strategi image processing. Citra Digital memiliki sangat penting dalam berbagai aspek bidang ilmu informatika. Program pengolah gambar mengacu pada pengolah gambar yang mengacu pada konversi color. Dalam tugas akhir ini, metode konversi intensitas warna RGB fitur pemrosesan gambar mempermudah mengenali dan memproses intensitas dari gambar. Ruang warna adalah model matematika yang menggambarkan warna yang diwakili dalam model numerik. Pada tugas akhir ini, menghasilkan pengolahan citra jeruk Medan digunakan untuk mengenali jenis matang dengan mengubah ruang warna RGB. lalu mencari nilai ratarata dari setiap warna dasar yaitu merah, hijau, dan biru kemudian memberikan metode KNN algoritma yang sering digunakan dalam pembelajaran mesin. Algoritma ini bekerja dengan cara mencari objek yang paling mirip dengan objek yang ingin diprediksi kelasnya, lalu menggunakan kelas dari objek-objek tersebut untuk memprediksi kelas dari objek yang ingin diprediksi dari data latih dari 180 dataset dibagi menjadi 60 citra jeruk Medan pada masing-masing tipe kematangan, 60 sampel uji jeruk Medan matang, 60 sampel jeruk Medan setengah matang dan 60 sampel jeruk Medan mentah. Tingkat akurasi dari sistem deteksi tingkat kematangan jeruk ini mencapai 96,7% dengan jumlah K paling optimal adalah 3 berdasarkan data jeruk yang telah dilakukan pengujian. Kata Kunci : Identifikasi, Citra Jeruk Medan, RGB, KNN, Matlab

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	17 Jul 2023 02:12
Last Modified:	17 Jul 2023 02:12
URI:	http://repository.unissula.ac.id/id/eprint/29660

Actions (login required)

View Item