SISTEM KLASIFIKASI KUALITAS BIJI KOPI PADA PENGOLAHAN CITRA DIGITAL MENGGUNAKAN FITUR GLCM (GRAY LEVEL CO-OCCURRENCE MATRIX)

Olo, Febiana (2023) SISTEM KLASIFIKASI KUALITAS BIJI KOPI PADA PENGOLAHAN CITRA DIGITAL MENGGUNAKAN FITUR GLCM (GRAY LEVEL CO-OCCURRENCE MATRIX). Undergraduate thesis, Universitas Timor.

[img] Text (ABSTRAK)
ABSTRAK.pdf

Download (493kB)
[img] Text (BAB I)
BAB I.pdf

Download (153kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (461kB) | Request a copy
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (159kB) | Request a copy
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (531kB) | Request a copy
[img] Text (BAB V)
BAB V.pdf

Download (155kB)
[img] Text (LAMPIRAN)
LAMPIRAN.pdf

Download (1MB)

Abstract

Febiana Olo” Sistem Klasifikasi Kualitas Biji Kopi Pada Pengolahan Citra Digital Menggunakan Fitur Glcm (Gray Level Co-Occurrence Matrix)” dibimbing oleh Yoseph P. K. Kelen, S.Kom., M.Kom dan Budiman Baso, S.Kom., M.Kom. Kualitas biji kopi adalah aspek penting yang mempengaruhi citarasa dan harga dari produk kopi. Untuk melakukan klasifikasi secara otomatis terhadap kualitas biji kopi dapat dilakukan dengan teknik pemrosesan citra dengan pembelajaran mesin. Dalam penelitian ini, kami menggunakan Fitur GLCM (Gray Level Co-Occurrence Matrix) kombinasi dengan SVM (Support Vector Machine) dengan membandingkan tiga kernel berbeda yaitu karnel Linear, RBF dan Polynomial. Kami melakukan eksperimen dengan berbagai kernel SVM untuk mengklasifikasikan biji kopi ke dalam dua kelas kualitas yang berbeda, seperti biji kopi berkualitas baik, dan kualitas rendah. Proses klasifikasi kualitas biji kopi dimulai dengan ekstraksi fitur yang menghasilkan matriks GLCM dari citra biji kopi, yang menggambarkan hubungan spasial antara nilai piksel dalam citra. Fitur GLCM ini mencakup sejumlah statistik yang mencerminkan tekstur citra biji kopi, yaitu kontras, korelasi, energi, dan homogenitas. Fitur-fitur ini kemudian digunakan sebagai input untuk SVM. Hasil eksperimen menunjukkan bahwa penggunaan SVM dengan fitur GLCM mampu memberikan klasifikasi kualitas biji kopi yang akurat.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: klasifikasi, biji kopi, GLCM, SVM
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: Fakultas Pertanian Sains Dan Kesehatan > Teknologi Informasi dan Komunikasi
Depositing User: Palmerya Alma Sau
Date Deposited: 29 May 2024 01:46
Last Modified: 29 May 2024 01:46
URI: http://repository.unimor.ac.id/id/eprint/957

Actions (login required)

View Item View Item