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

Dosen Pembimbing:	Much Ibnu Subroto, Imam and Satrio Waluyo Poetro, Bagus | nidn0613037301, nidn1027118801
Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	17 Jul 2023 02:12
Last Modified:	17 Jul 2023 02:12
URI:	https://repository.unissula.ac.id/id/eprint/29660

Actions (login required)

View Item