Nugraha, Panji (2015) KLASIFIKASI TINGKAT KEMATANGAN PISANG RAJA ULI (MUSA PARADISIACA L) DENGAN PERBANDINGAN KADAR WARNA (RGB) MENGGUNAKAN METODE K - MEANS CLUSTERING. S1 thesis, Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
KLASIFIKASI TINGKAT KEMATANGAN PISANG RAJA ULI.pdf - Published Version Restricted to Registered users only until 2015. Download (5MB) |
Abstract
Level of maturity in the banana is very influential on the texture and flavor of the banana itself. Quality for manually classification level of maturity of banana are inconsistent. In this study, the selection of banana as the object is because bananas as one of the food which is the source of energy (carbohydrates) and minerals, especially potassium. At this time the classification process is still done manually, for it is this research tries to classify the level of maturity of banana automatically using RGB color features using the K-Means Clustering.. The use of K-Means Clustering for being able to classify the degree of maturity of banana, because the data will be grouped berdsarkan similar value. Classification bananas include bananas scale 3, 4, 5, 6, and 7 by using Semple each as much as 35 bananas. Image data acquisition process is done with a digital camera, then the data on segmentation and preprocessing stage where it does standardize the image to a size of 50x50 pixels. Feature extraction produces RGB values later in the classification by K-Means Clustering into three classes. From the results, the value of accuracy for bananas scale 3 is 78.22% for bananas scale 4 was 78.22% for bananas scale of 5 was 78.22% for bananas scale 6 is 78.22% and for bananas scale 7 is 78.22%. and error on each - each trial amounted to 18.67% in trial 1 to trial 2 by 18.67% and amounted to 29.33% 3 trial results were greatly from K- Means Clustering method is very satisfactory. From the results of research conducted is expected to be beneficial to producers and consumers Keywords: Banana, image processing, RGB, K-Means Clustering
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Tingkat kematangan pada buah pisang sangat berpengaruh pada tekstur dan rasa dari buah pisang itu sendiri. Proses klasifikasi secara manual menghasilkan kualitas pada tingkat kematangan pisang yang tidak konsisten. Dalam penelitian ini pemilihan pisang sebagai objek disebabkan karena pisang sebagai salah satu bahan pangan yang menjadi sumber energi (karbohidrat) dan mineral, terutama kalium. Pada saat ini proses pengklasifikasian masih dilakukan secara manual, untuk itu maka penelitian ini mencoba mengklasifikasi tingkat kematangan pisang secara otomatis menggunakan fitur warna RGB dengan menggunakan metode K-Means Clustering. Penggunaan K-Means Clustering karena dianggap mampu mengklasifikasi tingkat kematangan pisang, karena data akan dikelompokan berdsarkan nilai yang sejenis. Klasifikasi pisang meliputi pisang skala 3, 4, 5, 6, dan 7 dengan menggunakan semple masing-masing sebanyak 35 pisang. Proses akuisisi data citra dilakukan dengan kamera digital, kemudian data di segementasi dan preprocessing dimana tahap dilakukannya standarisasi citra menjadi ukuran 50x50 pixel. Ekstraksi fitur menghasilkan nilai RGB yang kemudian di klasifikasi dengan K-Means Clustering menjadi tiga kelas. Dari hasil penelitian didapatkan nilai akurasi untuk pisang skala 3 adalah 78.22% untuk pisang skala 4 adalah 78.22%untuk pisang skala 5 adalah 78.22% untuk pisang skala 6 adalah 78.22% dan untuk pisang skala 7 adalah 78.22%. dan error pada masing – masing percobaan sebesar 18,67% pada percobaan 1 untuk percobaan 2 sebesar 18,67% dan untuk percobaan 3 sebesar 29,33% Hasil yang didapat sangat dari metode K-Means Clustering sangat memuaskan. Dari hasil penelitian yang dilakukan diharapkan dapat bermanfaat bagi produsen dan konsumen Kata Kunci: Pisang, Pengolahan citra, RGB, K-Means Clustering | |||||||||
| Uncontrolled Keywords: | Kata Kunci: Pisang, Pengolahan citra, RGB, K-Means Clustering Keywords: Banana, image processing, RGB, K-Means Clustering | |||||||||
| Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
|||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Perpustakaan Pusat | |||||||||
| Date Deposited: | 03 Dec 2021 14:27 | |||||||||
| Last Modified: | 03 Dec 2021 14:27 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/9381 |
Actions (login required)
 |
View Item |