Klasifikasi Kualitas Biji Kopi Robusta Menggunakan Metode Knearest Neighbor (K-NN) Dan Gray Co-Occurance Matrix (GLCM)

Mujidah, Muna (2023) Klasifikasi Kualitas Biji Kopi Robusta Menggunakan Metode Knearest Neighbor (K-NN) Dan Gray Co-Occurance Matrix (GLCM). undergraduate thesis, Universitas Muhammadiyah Gresik.

[img]
Preview
Text
HALAMAN PENYATAAN ORISINALITAS.pdf

Download (321kB) | Preview
[img]
Preview
Text
HALAMAN PENGESAHAN SKRIPSI.pdf

Download (258kB) | Preview
[img]
Preview
Text
LEMBAR PERSETUJUAN SKRIPSI.pdf

Download (198kB) | Preview
[img] Text
HALAMAN JUDUL FULL.pdf

Download (756kB)
[img]
Preview
Text
BAB 1.pdf

Download (238kB) | Preview
[img]
Preview
Text
BAB 2.pdf

Download (525kB) | Preview
[img]
Preview
Text
BAB 3.pdf

Download (552kB) | Preview
[img] Text
BAB 4.pdf
Restricted to Repository staff only

Download (755kB)
[img]
Preview
Text
BAB 5.pdf

Download (38kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (190kB) | Preview

Abstract

Kopi merupakan tumbuhan yang memiliki nilai komoditas yang sangat tinggi. Salah satu jenis kopi yang banyak ditemukan di Indonesia adalah jenis biji kopi Robusta. Penentuan kualitas pada biji kopi Robusta dan penyortiran biji kopi juga digunakan untuk menentukan atau sebagai tolak ukur kualitas biji kopi secara keseluruhan agar dapat mempermudah penentuan harga yang sesuai. Penelitian ini bertujuan untuk dapat membedakan kualitas biji kopi menjadi dua kategori yaitu: premium dan komersial dengan menggunakan metode K–Nearest Neighbor (KNN) sebagai proses klasifikasi dan Gray Level Co-Occurance Matrix (GLCM) untuk melakukan ekstraksi fitur. Dari ekstraksi fitur tersebut akan didapatkan 4 parameter yang digunakan untuk proses klasifikasi yaitu contrast, homogeneity, energy, dan energy. Jumlah data citra yang digunakan adalah 140 citra, 100 untuk data latih dan 40 untuk data uji. Nilai akurasinya menggunakan nilai k = 3 sebesar 92,5%, Nilai k = 5 sebesar 90%, k=7 sebesar 86,13%, dan k=9 sebesar 85%.

Item Type: Thesis (undergraduate)
Uncontrolled Keywords: Klasifikasi kopi, Ekstraksi Fitur GLCM, K-Nearest Neighbor (KNN)
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Muna Mujidah
Date Deposited: 13 Mar 2025 03:20
Last Modified: 13 Mar 2025 03:20
URI: http://eprints.umg.ac.id/id/eprint/12421

Actions (login required)

View Item View Item