KLASIFIKASI JENIS DAN KUALITAS BIJI KOPI MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DAN K-NEAREST NEIGHBOR PADA PENGOLAHAN CITRA DIGITAL

FERNANDO, YONES (2022) KLASIFIKASI JENIS DAN KUALITAS BIJI KOPI MENGGUNAKAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DAN K-NEAREST NEIGHBOR PADA PENGOLAHAN CITRA DIGITAL. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (11kB)
	Text COVER.pdf Download (149kB)
	Text DAFTAR ISI.pdf Download (81kB)
	Text DAFTAR PUSTAKA.pdf Download (114kB)
	Text HALAMAN PENGESAHAN.pdf Download (485kB)
	Text SKRIPSI FULL_YONES FERNANDO_123180087.pdf Restricted to Repository staff only Download (3MB)

Abstract

Indonesia adalah salah satu negara produsen dan eksportir kopi paling besar di dunia.
Hasil produksi kopi Indonesia mayoritas adalah varietas robusta. Beberapa jenis kopi yang ada,
seperti robusta, arabika, liberika, dan excelsa memiliki karakter nya masing-masing. Jenis kopi
yang mayoritas digunakan oleh Masyarakat Indonesia adalah kopi jenis robusta dan arabika.
Gray Level Co-occurance Matrix (GLCM) adalah metode yang digunakan dalam
penelitian ini untuk mengekstraksi fitur tekstur dari biji kopi, dan penelitian ini menggunakan
metode K-Nearest Neighbour (KNN) untuk mengklasifikasikan jenis dan kualitas biji kopi
dengan menggunakan nilai - nilai yang didapat dari proses ekstraksi fitur tekstur dengan
metode GLCM. Perangkat lunak yang dirancang menggunakan bahasa pemrograman Python.
Jenis kopi yang diklasifikasikan jenis dan kualitasnya adalah jenis kopi robusta dan arabika.
Hasil penelitian Gray Level Co-occurance Matrix dan K-Nearest Neighbour dapat
mengklasifikasikan jenis pada biji kopi yaitu robusta dan arabika, serta dapat
mengklasifikasikan kualitas biji kopi yaitu grade satu dan dua. Berdasarkan 4 data testing yaitu
2 data biji kopi robusta dan 2 data biji kopi arabika menghasilkan akurasi sebesar 100%. Dalam
klasifikasi data testing tersebut juga system dapat mengklasifikasikan kualitas biji kopi yang
sesuai. Akurasi tersebut didapatkan dari perhitungan confusion matrix. Dari hasil pengujian
system tersebut, dapat disimpulkan bahwa system berjalan dengan baik dalam
mengklasifikasikan jenis dan kualitas dari biji kopi.
Kata Kunci : Biji Kopi, Robusta, Arabika, Gray Level Co-occurance Matrix, K-Nearest
Neighbour.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Biji Kopi, Robusta, Arabika, Gray Level Co-occurance Matrix, K-Nearest Neighbour.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	04 Oct 2022 08:36
Last Modified:	04 Oct 2022 08:36
URI:	http://eprints.upnyk.ac.id/id/eprint/31280

Actions (login required)

View Item