Perancangan sistem identifikasi pisang cavendish, mas, dan tanduk menggunakan klasifikasi SVM

Pamungkas, Aji (2023) Perancangan sistem identifikasi pisang cavendish, mas, dan tanduk menggunakan klasifikasi SVM. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900022002_JUDUL__231023021830.pdf Download (2MB)
	Text (BAB I) T1_1900022002_BAB_I__231019114805.pdf Download (18kB)
	Text (BAB II) T1_1900022002_BAB_II__231019114805.pdf Restricted to Registered users only Download (6MB) | Request a copy
	Text (BAB III) T1_1900022002_BAB_III__231019114805.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) T1_1900022002_BAB_IV__231019114805.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text (BAB V) T1_1900022002_BAB_V__231019114805.pdf Restricted to Registered users only Download (75kB) | Request a copy
	Text (Daftar Pustaka) T1_1900022002_DAFTAR_PUSTAKA__231019114805.pdf Restricted to Registered users only Download (618kB) | Request a copy
	Text (Lampiran) T1_1900022002_LAMPIRAN__231019114805.pdf Restricted to Registered users only Download (118kB) | Request a copy

Abstract

Perkembangan teknologi memainkan peran krusial dalam meningkatkan
efisiensi di sektor pertanian, termasuk dalam pengolahan buah pisang. Produksi
pisang di Indonesia terus meningkat, menunjukkan popularitas dan permintaan
yang tinggi. Namun, pengolahan pisang masih tidak seimbang. Tujuan penelitian
ini adalah mengembangkan solusi berbasis pembelajaran mesin untuk pemilihan
jenis pisang secara otomatis. Diharapkan solusi ini dapat meningkatkan efisiensi
dan efektivitas industri pengolahan pisang, serta memberikan solusi yang praktis
dan berkelanjutan dalam menghadapi masalah pemilihan jenis pisang secara
manual yang membutuhkan banyak karyawan.
Sistem pengidentifikasi jenis pisang dilakukan dengan mengambil sample
gambar pisang menggunakan kamera mikroskopis dengan tiga jenis berbeda, yaitu
Pisang Cavendish, Mas, dan Tanduk sebanyak 100 gambar tiap jenis. Data gambar
pisang dilakukan proses ekstraksi ciri menggunakan ciri RGB dan GLCM
kemudian dilatih dengan rasio 80�ta latih dan 20�ta uji menggunakan
algoritma SVM. Hasil model identifikasi kemudian diimplementasikan ke dalam
GUI.
Hasil pengujian yang sudah dibuat dan mengimplementasikan model
pelatihan SVM dilakukan pengujian terhadap 20% data uji. Didapatkan nilai
akurasi sebesar 86,7%, presisi 87,7%, dan error 13,3% dengan menggunakan
parameter SVM C adalah 1000 dan kernel linear.

Item Type:	Thesis (S1)
Keyword:	Pisang, RGB, GLCM, SVM
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Electrical Engineering (S1-Teknik Elektro)
Depositing User:	userperpus2 userperpus2
Date Deposited:	12 Oct 2024 04:49
Last Modified:	12 Oct 2024 04:49
URI:	http://eprints.uad.ac.id/id/eprint/76335

Actions (login required)

View Item