KLASIFIKASI JENIS IKAN CUPANG MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN)

Hasym, Imam Edwin (2020) KLASIFIKASI JENIS IKAN CUPANG MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN). Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img] Text (ABSTRAK)
ABSTRAK.pdf

Download (13kB)
[img] Text (BAB SATU)
BAB I.pdf

Download (16kB)
[img] Text (BAB DUA)
BAB II.pdf
Restricted to Repository staff only

Download (696kB) | Request a copy
[img] Text (BAB TIGA)
BAB III.pdf
Restricted to Repository staff only

Download (340kB) | Request a copy
[img] Text (BAB EMPAT)
BAB IV.pdf
Restricted to Repository staff only

Download (347kB) | Request a copy
[img] Text (BAB LIMA)
BAB V.pdf

Download (10kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf

Download (73kB)
[img] Text (LAMPIRAN)
LAMPIRAN.pdf
Restricted to Repository staff only

Download (313kB) | Request a copy
[img] Text (SKRIPSI)
SKRIPSI FULLTEXT.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Ikan cupang merupakan ikan air tawar asli Asia Tenggara yang memiliki warna yang menarik, sisik yang cemerlang dan indah, bentuk tubuh proporsional serta menawan, dan tergolong ikan yang agresif. Dalam penelitian kali ini saya menggunakan 3 jenis ikan cupang untuk melakukan klasifikasi dengan metode PCA dan KNN, semoga dengan adanya penelitian ini akan membantu pecinta ikan cupang dalam menentukan jenis ikan cupang. Penelitian ini dimulai dengan pengambilan sampel 3 jenis ikan cupang. Kemudian dilakukan cropping citra untuk menuju tahap proses selanjutnya yakni ekstraksi ciri, training dan testing. Masing-masing ikan di ambil 30 data citra .Total data pelatihan 45 data citra, dan 455 data citra digunakan sebagai data uji, total keseluruhan data 90 data citra. Pada proses ekstraksi ciri menggunakan ekstraksi ciri RGB,HSV dan area, Proses training dan testing menggunakan algoritma PCA dan klasifikasi menggunakan KNN. Hasil evaluasi pengenalan pola pada citra ikan cupang menggunakan klasifikasi K-NN berdasarkan ekstraksi ciri dengan PCA menghasilkan akurasi sebesar 93,33%.

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Perpustakaan UMBY Kampus 3
Uncontrolled Keywords: Ikan Cupang; K-Nearest Neighbors; Principal Component Analysis
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 21 Jun 2021 04:01
Last Modified: 21 Jun 2021 04:01
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/11511

Actions (login required)

View Item View Item