DETEKSI JENIS CABAI DENGAN METODE LEARNING VECTOR QUANTIZATION DAN EUCLIDEAN DISTANCE (Studi Kasus : Desa Kerik Kabupaten Magetan)

Husein Sukamdani, Ahmad (2021) DETEKSI JENIS CABAI DENGAN METODE LEARNING VECTOR QUANTIZATION DAN EUCLIDEAN DISTANCE (Studi Kasus : Desa Kerik Kabupaten Magetan). Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

[img] Text (surat keputusan unggah karya ilmiah)
Surat Persetujuan Unggah Karya Ilmiah.pdf

Download (59kB)
[img] Text (Halaman Depan)
halaman depan.pdf

Download (1MB)
[img] Text (Bab 1)
Bab 1.pdf

Download (122kB)
[img] Text (Bab 2)
Bab 2.pdf

Download (538kB)
[img] Text (Bab 3)
Bab 3.pdf
Restricted to Repository staff only

Download (769kB)
[img] Text (Bab 4)
Bab 4.pdf
Restricted to Repository staff only

Download (655kB)
[img] Text (Bab 5)
Bab 5.pdf
Restricted to Repository staff only

Download (100kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf

Download (161kB)
[img] Text (Lampiran)
Lampiran.pdf

Download (254kB)

Abstract

Di Indonesia terdapat salah satu wilayah yang masyarakatnya melakukan pertanian cabai, seperti masyarakat di Desa Kerik Kabupaten Magetan. Sebagai seorang petani cabai harus memiliki kemampuan dalam membedakan cabai. Hal ini bertujuan supaya apabila ada konsumen yang akan membeli jenis cabai tertentu, petani tidak salah dalam memberikan pelayanan. Karena konsumen terkadang tidak memahami jenis-jenis cabai. Maka dari itu peneliti akan membuat sistem yang dapat mendeteksi jenis cabai secara otomatis, masyarakat akan sangat terbantu. Sistem deteksi dapat dibangun dengan metode jaringan saraf tiruan, salah satunya adalah Learning Vector Quantization (LVQ) digabungkan dengan Euclidean Distance. Dengan penerapan Metode LVQ dan Euclidean Distance di Desa Kerik Kabupaten Magetan, system ini dapat mendeteksi cabai dapat digunakan oleh petani cabai dan masyarakat dalam memilih jenis buah cabai dan Akurasi sistem juga didapatkan dari proses pengenalan menggunakan data testing diantaranya sebesar 85% dengan hasil bobot hasil 1000 iterasi, 70% dengan hasil bobot hasil 750 iterasi, dan 55% dengan hasil bobot 500 iterasi.

Item Type: Thesis (Skripsi (S1))
Uncontrolled Keywords: Learning Vector Quantization, Euclidean Distance.
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatic Engineering
Depositing User: ft . userft
Date Deposited: 08 Sep 2021 03:32
Last Modified: 02 Nov 2021 02:26
URI: http://eprints.umpo.ac.id/id/eprint/7776

Actions (login required)

View Item View Item