UPT Perpustakaan Universitas Handayani

Jl. Adhyaksa Baru No. 1 Lantai 5

  • Beranda
  • Informasi
  • Berita
  • Statistik Koleksi
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Klasifikasi Kesegaran Daging Kerbau Berdasarkan Ciri Warna Hue Saturation Value Dan Fitur Gray Level Co Occurrence Matrices Dengan Algortima K-Nearest Neighbour

Text

Klasifikasi Kesegaran Daging Kerbau Berdasarkan Ciri Warna Hue Saturation Value Dan Fitur Gray Level Co Occurrence Matrices Dengan Algortima K-Nearest Neighbour

Hermawan Juldfridman - Nama Orang;

Masyarakat sering menilai daging berdasarkan warna, dan bau untuk membedakan antara yang segar dan yang tidak layak dikonsumsi. Penelitian ini bertujuan Untuk Merancang Aplikasi yang dapat menentukan tingkat kesegaran daging kerbau dan mengimplementasi Hue Saturation Value (HSV), Grey Level Co-Occurrence Matrix (GLCM), dan k-Nearest Neighbour (KNN) dalam penentuan tingkat kesegaran daging kerbau. Penelitian ini fokus pada pengembangan sistem klasifikasi kesegaran daging kerbau menggunakan kombinasi ciri warna Hue, Saturation, Value, dan fitur Gray Level Co-Occurrence Matrices (GLCM), didukung oleh algoritma K-Nearest Neighbour (K-NN). Sistem yang dibangun menggunakan bahasa
pemrograman python, dan framework flask sebagai backend serta MySQL sebagai databasenya. Perancangan sistem menggunakan UML, Class Diagram, Sequence Diagram, dan Activity Diagam. Hasil perhitungan parameter dengan nilai k=5 menampilkan performa model dalam mengklasifikasikan tiga kategori daging kerbau Segar, Tidak Segar, dan Busuk. Untuk kelas Segar, presisi mencapai sekitar 79.65%, recall sebesar
75%, dan F1 Score sekitar 77.21%. Di sisi lain, kelas Tidak Segar menunjukkan presisi sekitar 72.41%, recall sebesar 70%, dan F1 Score sekitar 71.20%, sementara kelas Busuk mencapai presisi sekitar 73%, recall sebesar 81.11%, dan F1 Score sekitar 76.80%. Selain itu, berdasarkan pengujian sistem dengan total 1500 gambar daging kerbau, diperoleh akurasi sebesar 87%, yang merupakan hasil dari identifikasi yang benar terhadap 13 gambar dari total 15 gambar data uji


Ketersediaan
S250225SKR-2023 HER kPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
SKR-2023 HER k
Penerbit
Universitas Handayani Makassar : Universitas Handayani Makassar., 2023
Deskripsi Fisik
i + 122 hlm; 29 x 21 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SKR-2023 HER k
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. 1, Cet. 1
Subjek
Citra
Hue Saturation Value
Gray Level Co-Occurrence Matrices
K Nearest Neighbour
daging kerbau
Info Detail Spesifik
Skripsi Teknik Informatika
Pernyataan Tanggungjawab
Hermawan Juldfridman
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar

Anda harus login sebelum memberikan komentar

UPT Perpustakaan Universitas Handayani
  • Informasi
  • Perpanjang Mandiri
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan STMIK HANDAYANI terbentuk bersamaan dengan berdirinya STMIK HANDAYANI pada tahun 1996 sebagai sarana pen-dukung utama dalam penyelenggaraan pen-didikan dan pengajaran. Read more...

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Customized by Vinesia

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik