KLASIFIKASI MINERAL ASAM ATAU BASA PADA BATUAN BEKU MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DAN KNEAREST NEIGHBOR PADA PENGOLAHAN CITRA DIGITAL MIKROSKOPIS

Faisal, Ahmad (2019) KLASIFIKASI MINERAL ASAM ATAU BASA PADA BATUAN BEKU MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DAN KNEAREST NEIGHBOR PADA PENGOLAHAN CITRA DIGITAL MIKROSKOPIS. Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

Preview	Text COVER_123150015_Ahmad_Faisal.pdf Download (376kB) | Preview
Preview	Text ABSTRAK_123150015_Ahmad_Faisal.pdf Download (147kB) | Preview
Preview	Text DAFTAR ISI_123150015_Ahmad_Faisal.pdf Download (402kB) | Preview
Preview	Text LEMBAR PENGESAHAN PENGUJI.pdf Download (487kB) | Preview
Preview	Text LEMBAR PENGESAHAN PEMBIMBING.pdf Download (459kB) | Preview
	Text Skripsi_Full_123150015_Ahmad_Faisal.pdf Restricted to Repository staff only Download (3MB)

Abstract

Batuan merupakan salah satu sumber daya alam yang banyak ada di Indonesia,
berbagai macam jenis batuan dapat ditemukan di berbagai daerah di Indonesia. Secara umum
terdapat tiga jenis batuan di permukaan bumi, yaitu batuan beku, batuan sedimen, dan
batuan metamorf. Batuan beku menurut komposisi kimianya terbagi menjadi 4, yaitu batuan
beku asam, basa, intermediet, dan ultrabasa.
Metode Gray Level Co-occurance Matrix (GLCM) digunakan untuk mengekstraksi
ciri fitur kandungan mineral asam atau basa pada batuan beku, dan metode K-Nearest
Neighbor (KNN) untuk mengklasifikasikan kandungan mineral asam atau basa pada batuan
beku dengan menggunakan nilai - nilai hasil dari ekstraksi ciri fitur GLCM dan dibuat
menggunakan bahasa pemograman Python. Terdapat 2 kelas kandungan mineral pada batuan
beku yang digunakan, yaitu asam dan basa
Hasil dari penelitian Gray Level Co-occurance Matrix dan K-Nearest Neigbor dapat
mengklasifikasi kandungan mineral asam atau basa pada batuan beku. Dari 4 data testing
dengan rincian 2 batuan beku yang mengandung asam dan 2 batuan beku yang mengandung
basa dihasilkan akurasi sebesar 100%. Hasil pengujian tersebut diperoleh berdasarkan
perhitungan confusion matrix dengan Binary Class. Berdasarkan pengujian tersebut, maka
dapat disimpulkan bahwa sistem telah cukup baik dalam mengklasifikasikan kandungan
mineral asam atau basa pada batuan beku.
Katakunci : Batuan Beku, Asam, Basa, Gray Level Co-occurance Matrix, K-Nearest
Neighbor

Item Type:	Thesis (Other)
Subjek:	Q Science > Q Science (General)
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Eny Suparny
Date Deposited:	28 Jan 2020 08:21
Last Modified:	28 Jan 2020 08:21
URI:	http://eprints.upnyk.ac.id/id/eprint/22342

Actions (login required)

View Item