Klasifikasi kualitas biji kedelai berdasarkan pengolahan citra fitur tekstur menggunakan metode decision tree C4.5 / Mahdiyyatul Fauziyyah

Fauziyyah, Mahdiyyatul (2019) Klasifikasi kualitas biji kedelai berdasarkan pengolahan citra fitur tekstur menggunakan metode decision tree C4.5 / Mahdiyyatul Fauziyyah. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Fauziyyah, Mahdiyyatul. 2019. Klasifikasi Kualitas Biji Kedelai Berdasarkan Pengolahan Citra Fitur Tekstur Menggunakan Metode Decision Tree C4.5. Skripsi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing : (I) Heru Wahyu Herwanto, S.T., M.Kom., (II) Ilham Ari Elbaith Zaeni, S.T., M.T., Ph.D. Kata Kunci : Decision Tree C4.5, GLCM, Kedelai, Pengolahan Citra Kedelai merupakan salah satu komoditas pangan yang banyak digunakan di Indonesia, seperti untuk pembuatan tempe, tahu dan susu. Akan tetapi, jumlah kebutuhan kedelai di Indonesia tidak seimbang dengan jumlah produksi kedelai yang dihasilkan oleh petani, kondisi tersebut menyebabkan Indonesia harus mengimpor kedelai sekitar 2 juta ton setiap tahunnya. Pemilihan kualitas benih kedelai tentunya sangat berpengaruh terhadap pertumbuhan tanaman kedelai dan hasil panennya. Biji kedelai yang baik adalah biji yang berwarna kuning kecokelatan yang merata, berbentuk bulat utuh, tidak keriput atau pecah, kulit biji tidak terkelupas dan tidak ada bercak. Sedangkan biji yang buruk memiliki kondisi fisik yaitu warna biji tidak merata, keriput atau pecah, kulit ari terkelupas serta terinfeksi jamur atau penyakit. Pada penelitian ini akan dilakukan automasi pemilihan biji kedelai menggunakan sistem komputer. Identifikasi kualitas biji kedelai dilakukan dengan mengolah citra digital biji kedelai menggunakan fitur tekstur untuk mengetahui kondisi fisiknya. Pada ekstraksi fitur tekstur digunakan metode Gray Level Co-occurrence Matrix (GLCM) dan fitur tekstur yang digunakan adalah energi, homogenitas dan entropi. Metode klasifikasi yang digunakan adalah metode Decision Tree C4.5 yang akan diklasifikasikan ke dalam 2 kelas yaitu biji baik dan biji buruk. Pengujian dengan k-fold cross validation dilakukan sebanyak 10 kali dan didapatkan didapatkan nilai akurasi dari metode Decision Tree C4.5 adalah 91%, presisi sebesar 0,927 atau 92,7% dan recall sebesar 0,89 atau 89%. Sehingga dari hasil evaluasi tersebut, algoritma Decision Tree C4.5 memiliki performa baik dalam melakukan klasifikasi terhadap biji kedelai.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 12 Dec 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/99060

Actions (login required)

View Item View Item