UMM Institutional Repository

KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING BERDASARKAN EKSTRAKSI CIRI ORDE KE-1

Nursyahbani. M, Muhammad Kurniawan (2022) KLASIFIKASI JENIS BIJI KOPI ROBUSTA DAMPIT DAN ARABIKA KARANGPLOSO MENGGUNAKAN MACHINE LEARNING BERDASARKAN EKSTRAKSI CIRI ORDE KE-1. Undergraduate (S1) thesis, Universitas Muhammadiyah Malang.

[img]
Preview
Text
1. Pendahuluan.pdf

Download (694kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (461kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (894kB) | Preview
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (818kB) | Request a copy
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (428kB) | Request a copy
[img] Text
Poster.pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Penelitian ini membahas tentang membedakan kopi berdasarkan dari perkebunan asalnya (single origin) atau jenisnya. Banyak pecinta kopi yang belum mengetahui cara untuk membedakannya. Dalam hal ini dapat disolusikan dengan melakukan pemodelan yang mengidentifikasiakan jenis biji kopi. Salah satu metode yang digunakan ialah pencitraan. Dalam penelitian ini untuk klasifikasi biji kopi menggunakan metode algoritma Support Vector Machine berdasarkan ciri orde ke-1. Tujuan dari penelitian ini adalah untuk mengetahui nilai akurasi pada kalsifikasi jenis kopi mengguankan Multi Support Vector Machine berdasarkan ciri orde ke-1. Metode yang digunakan pada penelitian ini terdiri dari citra biji kopi, preprocessing, dan klasifikasi data menggunakan Multi Support Vector Machine. Tahap pada penelitian ini terbagi menjadi 4 (empat) tahap yaitu input data, preprocessing, training dan identifikasi. Tahap pertama data akan di input, data yang di input berjumlah 140 data. Kemudian citra yang semula RGB diubah menjadi greyscalling (citra abu). Selanjutnya citra yang telah diubah dilakukan tahap ektraksi ciri orde ke-1 untuk mendapatkan parameter sebagai masukan untuk training. Setelah dilakukannya training maka data akan di uji dengan 22 data citra biji kopi 11 robusta Dampit dan arabika Karangploso denga nilai akurasi sebesar 86.36%.

Item Type: Thesis (Undergraduate (S1))
Student ID: 201610130311070
Thesis Advisors: Lailis Syafa'ah (0721106301), Amrul Faruq (0718028601)
Keywords: Citra, Biji Kopi, Ektraksi ciri orde ke-1, Multi SVM
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Faculty of Engineering > Department of Electrical Engineering (20201)
Depositing User: 201610130311070 muhammadkurniawannursyahbani.m
Date Deposited: 21 Jan 2022 01:13
Last Modified: 21 Jan 2022 01:13
URI : http://eprints.umm.ac.id/id/eprint/83513

Actions (login required)

View Item View Item
UMM Official

© 2008 UMM Library. All Rights Reserved.
Jl. Raya Tlogomas No 246 Malang East Java Indonesia - Phone +62341464318 ext. 150, 151 - Fax +62341464101
E-Mail : repository@umm.ac.id - Website : https://lib.umm.ac.id - Online Catalog : https://laser.umm.ac.id - Repository : https://eprints.umm.ac.id

Web Analytics

UMM Institutional Repository is powered by :
EPrints Logo