KLASIFIKASI CITRA KEMATANGAN BUAH MANGGA DENGAN EKSTRAKSI FITUR GRAY LEVEL CO - OCCURANCE MATRIX (GLCM) MENGGUNAKAN METODE BACKPROPAGATION

Sutrisnowati, Pratiwi (2024) KLASIFIKASI CITRA KEMATANGAN BUAH MANGGA DENGAN EKSTRAKSI FITUR GRAY LEVEL CO - OCCURANCE MATRIX (GLCM) MENGGUNAKAN METODE BACKPROPAGATION. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (259kB)
	Text COVER.pdf Download (299kB)
	Text DAFTAR ISI.pdf Download (520kB)
	Text DAFTAR PUSTAKA.pdf Download (690kB)
	Text PENGESAHAN PEMBIMBING .pdf Download (266kB)
	Text PENGESAHAN PENGUJI .pdf Download (268kB)
	Text SKRIPSI FULL_123180153_PRATIWI SUTRISNOWATI.pdf Restricted to Repository staff only Download (2MB)

Abstract

vi
ABSTRAK
Buah mangga merupakan buah dengan jumlah produksi terbanyak kedua di
Indonesia dan merupakan tanaman yang tumbuh subur. Namun pemilihan jenis mangga
sendiri masih dilakukan secara manual yakni dengan cara memilah jenis mangga dengan
membandingkan warna kulit, bentuk, dan ukuran sehingga diperlukan sebuah sistem untuk
mengklasifikasikan tingkat kematangan dari buah mangga melalui pengolahan citra.
Penelitian ini mengusulkan metode klasifikasi citra untuk menentukan tingkat kematangan
buah mangga dengan menggunakan implementasi kombinasi optimal parameter jaringan
syaraf tiruan backpropagation dan metode ekstraksi fitur gray level co – occurance matrix
(GLCM) yang dimana metode ini memanfatkaan informasi tekstur dari citra buah mangga
untuk mengidentifikasi tahapan kematangan buah.
Penelitian ini bertujuan untuk mengimplementasikan metode klasifikasi tingkat
kematangan buah mangga yang akurat berdasarkan warna kulit buah menggunakan
kombinasi optimal parameter jaringan syaraf tiruan Backpropagation dan metode ekstraksi
fitur Gray Level Co – Occurance Matrix (GLCM). Metode penelitian yang di gunakan
adalah metode kuantitatif yang di dasarkan pada pengujian sebuah teori yang terdiri dari
variabel – variabel yang di ukur dengan angka. Pengembangan sistem yang digunakan
metode prototype. Pengujian model yang dilakukan menggunakan k-fold validation dan
confusion matrix untuk menghitung nilai akurasi, precision dan recall. Pengumpulan data
dilakukan dengan studi literatur, setelah data diperoleh maka dilakukan pelabelan data,
processing data dan pengujian dengan jumlah data yang di gunakan sebanyak 300 data citra
buah mangga yang terdiri dari 150 data mangga matang dan 150 data mangga belum
matang.
Hasil dari pengujian tersebut menunjukkan bahwa penerapan kombinasi metode
esktraksi fitur gray level co-occurance matrix dan backpropagation sebagai metode
klasifikasi, dapat mengklasifikasikan tingkat kematangan buah mangga berdasarkan warna
kulit yaitu mangga matang dan mangga belum matang dengan akurat dibandingkan metode
klasifikasi lain. Dibuktikan dengan nilai akurasi terbaik berada pada nilai 99 %, nilai presisi
sebesar 98 % dan nilai recall sebesar 100 % pada pengujian dengan nilai K = 5 dan dari hasil
pengujian penggunaan brightness dan nilai resize yang berbeda dapat mempengaruhi nilai
akurasi. Penggunaan nilai resize 128 × 128 piksel dengan penambahan brightness 20%
dengan akurasi sebesar 100% dan penggunaan nilai resize 128 × 128 piksel dengan
pengurangan brightness 20% dengan akurasi sebesar 95%.
Kata kunci: Buah Mangga; Klasifikasi; Gray Level Co-ccurance Matrix; Backpropagation.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Buah Mangga; Klasifikasi; Gray Level Co-ccurance Matrix; Backpropagation.
Subjects:	H Social Sciences > HB Economic Theory
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	19 Aug 2024 02:08
Last Modified:	19 Aug 2024 02:08
URI:	http://eprints.upnyk.ac.id/id/eprint/40735

Actions (login required)

View Item