Dumadi, Risqi Wanasto Wahyu (2019) IDENTIFIKASI TEKSTUR CITRA BUBUK KOPI MENGGUNAKAN LVQ. Skripsi thesis, Universitas Mercu Buana Yogyakarta.
ABSTRAK.pdf
Download (7kB) | Preview
BAB I.pdf
Download (18kB) | Preview
BAB II.pdf
Restricted to Repository staff only
Download (857kB) | Request a copy
BAB III.pdf
Restricted to Repository staff only
Download (600kB) | Request a copy
BAB IV.pdf
Restricted to Repository staff only
Download (583kB) | Request a copy
BAB V.pdf
Download (8kB) | Preview
COVER DAN LAMPIRAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
LAPORAN SKRIPSI RISQI_WANASTO_WD_14111038.pdf
Restricted to Repository staff only
Download (7MB) | Request a copy
MANUAL BOOK.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
Source Code.rar
Restricted to Repository staff only
Download (87MB) | Request a copy
DATA KOPI.rar
Restricted to Repository staff only
Download (473MB) | Request a copy
Abstract
Kopi umumnya dikonsumsi oleh masyarakat dalam bentuk bubuk yang diseduh menggunakan air panas. Produksi kopi bubuk dimulai dari proses menyangrai dan diakhiri dengan pengecilan ukuran, dimana proses menyangrai kopi bertujuan untuk mengembangkan rasa, aroma, warna, dan kadar air. Untuk dapat mengenali jenis bubuk kopi yang sudah sesuai, maka perlu mengetahui ciri dari jenis bubuk kopi yang ingin diketahui. Seperti warnanya, teksturnya, aromanya, dan juga kualitas rasanya. Penelitian ini bertujuan untuk membuat perangkat lunak yang berfungsi untuk mengidentifikasi tekstur jenis bubuk kopi menggunakan Learning Vector Quantization dan alihragam gelombang singkat (Tranformation Wavelet). Jumlah data yang digunakan dalam penelitian ini terdiri dari 5 kelas, dan masing-masing kelas berjumlah 40 citra. Dari 20 citra bubuk kopi digunakan dalam pelatihan dan 20 citra bubuk kopi digunakan dalam pengujian. Dari proses pelatihan menggunakan parameter LVQ, terdapat presentase terbaik sebesar mencapai 90 % dari 100 data pengenalan dengan parameter alfa 0,00001 dan dec alfa 0,75 pada iterasi tercepat 2. Bobot akhir yang diperoleh dari parameter tersebut kemudian digunakan untuk melakukan pengenalan data uji. Unjuk kerja terbaik pengujian dengan presentase komulatif mencapai 91%, yaitu data presentase terbaik pengujian diperoleh dari data yang dikenali pada ((20 (kelas gayo) + 20 (kelas bajawa) + 19 (kelas palasari) + 20 (kelas lampung) + 12 (kelas temanggung)) / 100 (total data)) x 100%.
Kata kunci: Trasnformation Wavelet; Learning Vector Quantization; LVQ
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information/Lokasi Hardcopy: | Indah Susilawati, S.T., M.Eng |
Subjects: | Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Fakultas Teknologi Informasi > Program Studi Teknik Informatika |
Depositing User: | Teknik Informatika UMBY |
Date Deposited: | 04 Apr 2019 06:39 |
Last Modified: | 19 Aug 2022 03:45 |
URI: | http://eprints.mercubuana-yogya.ac.id/id/eprint/5325 |