SISTEM KLASIFIKASI PEMILIHAN BENIH JAGUNG BERKUALITAS BERDASARKAN FITUR BENTUK DAN TEKSTUR DENGAN ALGORITMA K-NEAREST NEIGHBOR

Ari Wibowo, Dimas (2024) SISTEM KLASIFIKASI PEMILIHAN BENIH JAGUNG BERKUALITAS BERDASARKAN FITUR BENTUK DAN TEKSTUR DENGAN ALGORITMA K-NEAREST NEIGHBOR. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (Surat Persetujuan Unggah Karya Ilmiah) unggah karya.pdf Download (505kB)
	Text (Halaman Depan) halaman depan.pdf Download (666kB)
	Text (BAB I) BAB I.pdf Download (230kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only Download (444kB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (786kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (466kB)
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (188kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf Download (230kB)
	Text (Lampiran) LAMPIRAN.pdf Restricted to Repository staff only Download (4MB)
	Text (Skripsi Full Text) skripsifull_repo.pdf Restricted to Repository staff only Download (6MB)

Abstract

Benih jagung jenis hibrida memiliki harga yang mahal. Hasil produksi panen jagung kering hanya dihargai 4.000/kg. Biaya pembelian benih jagung dan perawatan tidak sebanding dengan hasil yang didapatkan petani. Pemanfaatan hasil produksi benih jagung dapat digunakan sebagai benih kembali. Klasifikasi pemilihan benih jagung bertujuan untuk memilih benih jagung yang berkualitas. Benih yang digunakan pada penelitian ini menggunakan varietas BISI-2, SIMENTAL, NK 212, dan PIONNER 27. Citra digital dalam proses klasifikasi pemilihan benih jagung menggunakan 1200 data latih dan 120 data pengujian. Pengambilan citra benih jagung dengan pengambilan objek benih jagung satu objek untuk satu citra menggunakan kamera handphone. Pada penelitian ini, penggunaan metode GLCM dan circularity untuk mendapatkan nilai ekstraksi ciri tekstur dan bentuk dari sebuah citra digital. Nilai ekstraksi citra meliputi correlation, contrast, homogeneity, energy, dan circularity sebagai variabel untuk mengklasifikasi. Pembuatan sistem klasifikasi menggunakan algoritma K-Nearst Neighbor (KNN). Berdasarakan pengujian yang telah dilakukan benih dengan varietas PIONNER 27 memiliki akurasi tertinggi yaitu 93,3%, BISI-2 memiliki akurasi 73,3%, SIMENTAL memiliki akurasi 80%, NK 212 memiliki akurasi 83,3%. Kesimpulan dari penelitian yang telah dilaksanakan, peforma algoritma K-Nearst Neighbor (KNN) memiiki akurasi 82,47%.

Item Type:	Thesis (Skripsi (S1))
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	28 Aug 2024 04:04
Last Modified:	28 Aug 2024 04:04
URI:	http://eprints.umpo.ac.id/id/eprint/14702

Actions (login required)

View Item