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.

[img]
Preview
Text
COVER_123150015_Ahmad_Faisal.pdf

Download (376kB) | Preview
[img]
Preview
Text
ABSTRAK_123150015_Ahmad_Faisal.pdf

Download (147kB) | Preview
[img]
Preview
Text
DAFTAR ISI_123150015_Ahmad_Faisal.pdf

Download (402kB) | Preview
[img]
Preview
Text
LEMBAR PENGESAHAN PENGUJI.pdf

Download (487kB) | Preview
[img]
Preview
Text
LEMBAR PENGESAHAN PEMBIMBING.pdf

Download (459kB) | Preview
[img] 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)
Subjects: Q Science > Q Science (General)
Divisions: 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 View Item