IDENTIFIKASI CITRA TOMAT YANG MENGANDUNG PESTISIDA DENGAN LEARNING VECTOR QUANTIZATION (LVQ)

Sumarsono, Ade (2020) IDENTIFIKASI CITRA TOMAT YANG MENGANDUNG PESTISIDA DENGAN LEARNING VECTOR QUANTIZATION (LVQ). Skripsi thesis, Universitas Mercu Buana Yogyakarta.

Preview	Text (ABSTRAK) Abstrak.pdf Download (378kB) | Preview
Preview	Text (BAB SATU) BAB I.pdf Download (14kB) | Preview
	Text (BAB DUA) BAB II.pdf Restricted to Repository staff only Download (406kB) | Request a copy
	Text (BAB TIGA) BAB III.pdf Restricted to Repository staff only Download (595kB) | Request a copy
	Text (BAB EMPAT) BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
Preview	Text (BAB LIMA) BAB V.pdf Download (8kB) | Preview
Preview	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Download (120kB) | Preview
	Text (LAMPIRAN) Lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (SKRIPSI LENGKAP) SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Archive (SOURCE CODE) Citra Tomat.zip Restricted to Repository staff only Download (1MB) | Request a copy
	Text (README) Readme.pdf Restricted to Repository staff only Download (430kB) | Request a copy

Abstract

Tomat termasuk sayuran yang banyak dikomsumsi oleh rumah tangga, baik dalam keadaan segar maupun sebagai bumbu. Tomat merupakan jenis sayuran yang berpeluang mengandung residu pestisida melebihi batas maksimum residu (BMR) karena buah disemprot pestisida secara langsung selama proses produksi. Residu pestisida yang terdapat dalam produk pertanian menimbulkan efek yang bersifat tidak langsung terhadap konsumen, namun dalam jangka panjang dapat menyebabkan gangguan kesehatan diantaranya berupa gangguan pada syaraf dan metabolisme enzim. Dalam penelitian ini menggunakan dua sampel tomat, yaitu tomat yang mengandung pestisida dan tomat yang tidak mengandung pestisida. Tujuan dalam penelitian ini adalah menghasilkan algoritma untuk mengidentifikasi tomat berpestisida dan tomat tanpa pestisida menggunakan Learning Vector Quantization (LVQ). Ciri yang digunakan untuk mengidentifikasi citra tomat adalah rata-rata, varian, standar deviasi. Penelitian ini terdiri dari 2 kelas dan menggunakan 40 data citra pelatihan dan 40 data citra uji untuk masing-masing kelas. Pada proses pelatihan menggunakan parameter LVQ terdapat presentase terbaik sebesar 98.75% pada alfa 0.001 dan decalfa 0.9 dengan iterasi terendah 3. Bobot akhir yang diperoleh dari parameter tersebut kemudian digunakan untuk melakukan pengenalan data uji. Unjuk kerja terbaik dari data uji adalah dengan alfa 0.001 dengan decalfa 0.9 dan mencapai 97.5%.

Item Type:	Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy:	Perpustakaan Kampus 3
Uncontrolled Keywords:	Histogram, Learning Vector Quantization (LVQ), Tomat
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User:	Teknik Informatika UMBY
Date Deposited:	29 Dec 2021 03:11
Last Modified:	29 Dec 2021 03:11
URI:	http://eprints.mercubuana-yogya.ac.id/id/eprint/8366

Actions (login required)

View Item