IDENTIFIKASI BATU KAPUR BERDASARKAN TEKSTUR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Margareta, Sonya Novella (2017) IDENTIFIKASI BATU KAPUR BERDASARKAN TEKSTUR MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img]
Preview
Text
BAB I.pdf

Download (167kB) | Preview
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (433kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (610kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (939kB)
[img]
Preview
Text
BAB V.pdf

Download (83kB) | Preview
[img] Text
COVER DAN LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
SKRIPSI FULLTEXT.pdf
Restricted to Repository staff only

Download (3MB)

Abstract

ABSTRAK Batu kapur merupakan salah satu batuan yang banyak terdapat di Indonesia. Pegunungan kapur di Indonesia menyebar dari barat ke timur mulai dari pegunungan di Jawa Tengah hingga ke Jawa Timur, Madura, Sumatra dan Irian Jaya. Tingginya potensi batuan kapur dan penambangan yang dilakukan secara besar-besaran kurang diikuti dengan perhatian yang lebih terhadap dampak lingkungan sekitar dan juga rendahnya nilai jual batuan kapur yang ditambang tidak meningkatkan taraf hidup masyarakat sekitar. Karena setiap batu kapur mempunyai jenis, fungsi dan harga yang berbeda. Ada batuan kapur yang teksturnya kasar dan ada juga batuan kapur yang halus. Walaupun pada akhirnya juga masih akan diolah lagi. Penelitian ini bertujuan untuk membuat perangkat lunak yang berfungsi untuk mengidentifikasi batu kapur menggunakan Learning Vector Quantization yang dilihat dari teksturnya. Jumlah data pelatihan yang digunakan dalam penelitian ini terdiri dari 2 kelas, dan masing-masing kelas berjumlah 20 data pelatihan, jadi total data berjumlah 40 data pelatihan. Pada proses pelatihan menggunakan parameter LVQ terdapat 4 persentase terbaik sebesar 97%, yaitu pada alfa 0,001 dengan dec alfa 0,1, alfa 0,01 dengan dec alfa 0,25, alfa 0,01 dengan dec alfa 0,50, serta pada alfa 0,01 dengan dec alfa 0,75. Bobot akhir yang diperoleh dari parameter tersebut kemudian digunakan untuk melakukan pengenalan data uji. Pengenalan yang dilakukan dengan bobot akhir dari alfa 0,001 dan dec alfa 0,1 memiliki tingkat akurasi 95%, bobot akhir dari alfa 0,01 dan dec alfa 0,25 memiliki tingkat akurasi 97,5%, bobot akhir dari alfa 0,01 dan dec alfa 0,50 memiliki tingkat akurasi 95%, dan bobot akhir dari alfa 0,01 dan dec alfa 0,75 memiliki tingkat akurasi 95%. Unjuk kerja terbaik dari 40 data uji menggunakan perangkat lunak ini adalah dengan alfa 0,01 dan dec alfa 0,25 yang mencapai 97,5%. Kata Kunci : Citra batu, Learning Vector Quantization (LVQ), Tekstur

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Indah Susilawati, S.T., M.Eng
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 29 Sep 2017 07:05
Last Modified: 19 Aug 2022 04:10
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/704

Actions (login required)

View Item View Item