Klasifikasi Untuk Menentukan Tingkat Kematangan Buah Pisang Sunpride

Bere, Gracelia Adelaida; Tamtjita, Elizabeth Nurmiyati; Kusumaningrum, Anggraini

doi:10.28989/senatik.v2i0.61

Cited by 5 publications

(7 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian berikutnya menggunakan algoritme K Nearest Neighbors (KNN) dan ruang warna YIQ untuk menentukan tingkat kematangan buah pisang [4]. Namun, pada penelitian ini, tingkat kematangan hanya dibagi menjadi empat kelas, yaitu sangat matang, busuk, mentah, dan matang.…”

Section: Pendahuluanunclassified

“…Dari beberapa penelitian sebelumnya, untuk mengidentifikasi tingkat kematangan pisang, digunakan fitur ruang warna seperti HIS [2], CIELAB [3], YIQ [4], dan RGB [5]. Akan tetapi, penentuan kelas pada tingkat kematangan menjadi kompleks karena pendefinisian kelas menggunakan jangkauan (range) dari ruang warna.…”

Section: Pendahuluanunclassified

“…Fitur-fitur tersebut dapat dikenali karena beberapa objek mempunyai pola-pola tertentu, sehingga mudah dibedakan oleh manusia. Pada fitur warna, biasanya objek benda dikenali dengan adanya perbedaan warna di ruang warna tertentu, seperti ruang warna YIQ [4]. Selanjutnya, pada fitur bentuk, biasanya objek dikenali dengan adanya perbedaan bentuk pada suatu objek.…”

Section: B Ekstraksi Fiturunclassified

“…Descriptor energi adalah ukuran yang menyatakan distribusi intensitas piksel terhadap jangkauan aras keabuan. Rumus perhitungannya dituliskan pada (4).…”

Section: 𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑ (𝑖 − 𝜇) 3 𝑝(𝑖)unclassified

See 3 more Smart Citations

Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur dan Algoritme KNN

Kosasih

2021

JNTETI

View full text Add to dashboard Cite

Pisang merupakan buah yang memiliki kandungan vitamin, mineral, dan karbohidrat yang sangat besar. Tanaman pisang sering dibudidayakan karena memiliki banyak manfaat. Dalam membudidayakan tanaman pisang, perlu diperhatikan tingkat kematangan buah pisang tersebut. Hal ini berguna untuk menentukan mutu buah pisang tersebut saat dipanen. Tingkat kematangan pisang ini berhubungan dengan jangkauan pemasaran. Jika jangkauan pemasarannya jauh, sebaiknya pisang dipanen saat tingkat kematangan buah pisang masih cukup rendah. Oleh karena itu, dibutuhkan suatu sistem yang dapat mengklasifikasikan tingkat kematangan pisang. Tahapan pertama dalam pembuatan sistem adalah mengumpulkan data citra pisang sebanyak 45 citra, dengan komposisi 30 citra sebagai data latih dan 15 citra sebagai data uji. Selanjutnya, metode ekstraksi fitur tekstur digunakan untuk menentukan parameter yang berpengaruh terhadap tingkat kematangan buah pisang. Ekstraksi yang digunakan adalah ekstraksi fitur berdasarkan histogram. Pada ekstraksi fitur tekstur berdasarkan histogram ini dihasilkan beberapa parameter seperti rerata, skewness, descriptor energi, dan kehalusan pada citra. Tahapan selanjutnya adalah melakukan klasifikasi berdasarkan fitur yang telah diperoleh dengan menggunakan algoritme K Nearest Neighbor (KNN). Hasil yang diperoleh menunjukkan tingkat akurasi klasifikasi sebesar 88,89%.

show abstract

Section: Pendahuluanunclassified

Section: B Ekstraksi Fiturunclassified

“…Descriptor energi adalah ukuran yang menyatakan distribusi intensitas piksel terhadap jangkauan aras keabuan. Rumus perhitungannya dituliskan pada (4).…”

Section: 𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑ (𝑖 − 𝜇) 3 𝑝(𝑖)unclassified

See 2 more Smart Citations

Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur dan Algoritme KNN

Kosasih

2021

JNTETI

View full text Add to dashboard Cite

show abstract

“…Data kuesioner diolah dengan pendekatan clustering untuk mengelompokkan data untuk setiap komponen kuesioner. Clustering merupakan klasifikasi tanpa pengawasan dan merupakan proses partisi sekumpulan objek data dari satu set menjadi beberapa kelas [2].Teknik clustering hampir sama dengan teknik classification, dimana classification diterapkan dalam menentukan tingkat kematangan buah pisang sunpride [3], sentiment pada twitter [4], klasifikasi teks untuk menentukan komik [5] dan dapat diterapkan dalam sistem pendukung keputusan dalam mencari lokasi peternakan [6]. Kasus penerapan classification membutuhkan teknik pembelajaran yang diawasi yang digunakan untuk menetapkan tag yang telah ditentukan ke instance pada dasar fitur, sehingga tidak sesuai diterapkan dalam pengelompokkan data kuesioner.…”

Section: Pendahuluanunclassified

Application of Product Moment Correlation and Complete Linkage Clustering Methods in Analyzing the Results of the Lecturer Questionnaire

Agustian

2018

Senatik

View full text Add to dashboard Cite

The use of questionnaires is needed by a lecturer to make improvements in the implementation of the teaching process in the classroom, so that it can correct deficiencies in the teaching process that has taken place. The results of the questionnaire cannot show the variables that must be corrected by a lecturer based on the item questionnaire. So we need a grouping of data for each variable in the results of the questionnaire. The clustering approach model cannot directly group a variable into an object to be clustered. This study clustered the variables on a questionnaire with the approach of Complete Lingkage Clustering by calculating the distance of the matrix using the Product Moment Corelation to find correlations for each questionnaire variable, so the cluster results obtained were several optimal clusters with the membership of each cluster variables from the questionnaire. Clustering data for questionnaire variables can be applied properly by applying product moment correlation to calculate the distance matrix. The cluster results can show the components of the questionnaire variables that must be corrected by the lecturer.

show abstract

Perangkingan dan Pengelompokkan Perwira Calon Penerima Beasiswa S2 (Studi Kasus Perwira Profesi Informasi dan Pengolahan Data TNI Angkatan Laut)

Harmawan¹,

Supriyanto

2020

Angkasa

View full text Add to dashboard Cite

Klasifikasi Untuk Menentukan Tingkat Kematangan Buah Pisang Sunpride

Cited by 5 publications

References 1 publication

Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur dan Algoritme KNN

Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur dan Algoritme KNN

Application of Product Moment Correlation and Complete Linkage Clustering Methods in Analyzing the Results of the Lecturer Questionnaire

Perangkingan dan Pengelompokkan Perwira Calon Penerima Beasiswa S2 (Studi Kasus Perwira Profesi Informasi dan Pengolahan Data TNI Angkatan Laut)

Contact Info

Product

Resources

About