Deteksi Kualitas Telur Bebek Berdasarkan Warna menggunakan Metode Modified K-Nearest Neighbor
PAVITA SHERINTAMA GIANTORO

Informasi Umum

Kode

24.04.1273

Klasifikasi

001 - Knowledge, history, description, critical appraisal of intellectual activity in general, discussion of ideas from many fields

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Teknologi Informasi, Ta,

Dilihat

20 kali

Informasi Lainnya

Abstraksi

Telur bebek merupakan salah satu makanan penghasil protein tertinggi yang membuat permintaan pasar terhadap produksi telur bebek juga ikut tinggi. Dalam membedakan telur bebek yang baik dan buruk produsen telur bebek banyak yang masih menggunakan cara manual (candling). Berdasarkan permasalahan tersebut, maka perlu sebuah sistem untuk membantu mendeteksi kualitas telur bebek yang lebih akurat. Pada penelitian ini penulis membuat sistem dengan bantuan website dan LCD untuk menampilkan hasil prediksi metode M-KNN. Data citra warna yang digunakan untuk menentukan kualitas telur bebek baik dan buruk diambil sendiri oleh penulis dari umur telur bebek hari 1 hingga hari 40. Citra warna yang telah melewati tahap ekstraksi fitur (resize dan HSV), pre-processing (Standard Scaler), dan processing (PCA) selanjutnya dilatih menggunakan M-KNN. Akurasi yang didapatkan pada tahap pengujian validasi dengan K optimal 6 yaitu 95%, Presisi 93%, Recall 92%, dan F-1 Score yaitu 93% untuk data baik dan akurasi yang didapatkan saat pengujian data baru yaitu 84% dengan Presisi 83%, Recall 82%, dan F-1 Score yaitu 83% untuk data baik. Hasil yang diharapkan adalah sistem ini dapat membantu produsen untuk mengecek telur yang akan dijual dalam menentukan kualitas telur bebek yang baik.

Kata Kunci: Citra Warna, M-KNN, Precision, Recall, Telur Bebek

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook