Text
Deteksi Cacat Biji Kopi Menggunakan Gray Level Co-Occurrence Matrix (Glcm) Dan K-Nearest Neighbour (K-NN) Pada Program Pengolah Citra Berbasis Website
Cacat pada biji kopi dapat berpengaruh besar terhadap kualitas produksi kopi, Sehingga cacat pada biji kopi mengakibatkan
menurunya tingkat produksi kopi. Tujuan dari penelitian ini adalah untuk Merancang sebuah website menggunakan metode
GLCM (gray-level co-occurence matrix) dan metode K-NN (k-nearest neighbor) dalam pengolahan citra untuk mendeteksi
cacat biji kopi dan untuk mengimplementasikan metode GLCM (gray-level co-occurence matrix) dan metode K-NN (k-nearest
neighbor) pada program berbasi web. Penelitian ini mengunakan algoritma GLCM dalam melakukan ekstraksi ciri nilai dari
gambar sampel kopi yang kemudian akan dilakukan klasifikasi tingkat kecacatan menggunakan algoritma K-NN.
Pengembangan sistem yang digunakan yaitu UML (Unified Modeling Language). Sedangkan pembuatan perangkat lunak ini,
menggunakan struktur pemrograman PHP, HTML, CSS, Java script, dengan Mozilla Firefox sebagai browser untuk
menjalankan program berbasis website dan untuk sistem manajemen basis data menggunakan MySql. Sistem memberikan hasil
berupa klasifikasi tingkat kecacatan dari gambar biji kopi yang diunggah pada sistem, akurasi terhadap penilaian cacat biji kopi
yang sistem berikan sebesar 80%. Sistem ini dapat digunakan untuk membantu para petani kopi dalam mengetahui tingkat
kecacatan dari biji kopi hasil produksinya hanya dengan menggunakan gambar.
S210012 | SKR - 2021 WAH d | Perpustakaan Universitas Handayani Makassar (Teknik Informatika) | Tersedia namun tidak untuk dipinjamkan - No Loan |
Tidak tersedia versi lain