DETEKSI KEMATANGAN BUAH MANGGIS BERDASARKAN CITRA WARNA MENGGUNAKAN CITRA RGB DAN HSV DENGAN ALGORITMA KNN

Firdhossiah, Shailatul (2024) DETEKSI KEMATANGAN BUAH MANGGIS BERDASARKAN CITRA WARNA MENGGUNAKAN CITRA RGB DAN HSV DENGAN ALGORITMA KNN. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (SURAT PERSETUJUAN UNGGAH KARYA) SURAT PERSETUJUAN UANGGAH KARYA.pdf Download (55kB)
	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf Download (977kB)
	Text (BAB I) BAB I.pdf Download (145kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only Download (273kB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (503kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (193kB)
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (188kB)
	Text (SKRIPSI FULL TEXT) SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (3MB)

Abstract

DETEKSI KEMATANGAN BUAH MANGGIS BERDASARKAN CITRA WARNA MENGGUNAKAN CITRA RGB DAN HSV DENGAN ALGORITMA KNN Shailatul Firdhossiah, Arief Rahman Yusuf, Angga Prasetyo Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Ponorogo e-mail: firdhshaila@gmail.com ABSTRAK Dalam proses pengamatan kematangan buah manggis, citra warna dapat menjadi indikator yang efektif dan efisien. Deteksi kematangan buah manggis penting karena mempengaruhi rasa, tekstur dan kualitas dari buah manggis tersebut. Algoritma KNN digunakan untuk mendeteksi kematangan buah manggis berdasarkan citra warna RGB dan HSV. Metode pembuatan sistem yang digunakan adalah metode prototype. Pengujian dilakukan dengan dua cara yaitu pengujian sistem dan pengujian algoritma KNN. Pengujian sistem mengguanakn algoritma blackbox menghasilkan bahwa sistem dapat menampilkan hasil sesuai dengan yang diinginkan. Pengujian algoritma KNN dilakukan dengan menghitung manual dan menggunakan sistem. Data yang digunakan dalam pengujian algoritma KNN berjumlah 80 yang terdiri dari 60 data sampel dan 20 data uji. Data sampel terdiri dari 15 citra setiap kategori kematangan dan data uji terdiri dari 5 citra setiap kategori kematangan. Hasil pengujian algoritma KNN dengan cara manual dan menggunakan sistem didapatkan 16 data benar sesuai dengan kategori kematangan dan 4 data salah tidak sesuai dengan kategori kematangan. Dari perhitungan KNN tersebut deteksi kematangan buah manggis berdasarkan citra warna menggunakan citra RGB dan HSV dengan algoritma KNN diperoleh akurasi sebesar 80%. Kata kunci: Deteksi, Manggis, RGB, HSV, KNN

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Kata kunci: Deteksi, Manggis, RGB, HSV, KNN
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	27 Aug 2024 02:04
Last Modified:	27 Aug 2024 02:04
URI:	http://eprints.umpo.ac.id/id/eprint/14679

Actions (login required)

View Item