IDENTIFIKASI CITRA SUSU FORMULA DENGAN JARINGAN SYARAF TIRUAN UNTUK MENGENALI SUSU BASI

Nandasari, Yulisda (2019) IDENTIFIKASI CITRA SUSU FORMULA DENGAN JARINGAN SYARAF TIRUAN UNTUK MENGENALI SUSU BASI. Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[thumbnail of ABSTRAK.pdf]
Preview
Text
ABSTRAK.pdf

Download (6kB) | Preview
[thumbnail of BAB I.pdf]
Preview
Text
BAB I.pdf

Download (115kB) | Preview
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Repository staff only

Download (420kB) | Request a copy
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Repository staff only

Download (555kB) | Request a copy
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Repository staff only

Download (598kB) | Request a copy
[thumbnail of BAB V.pdf]
Preview
Text
BAB V.pdf

Download (8kB) | Preview
[thumbnail of COVER DAN LAMPIRAN.pdf] Text
COVER DAN LAMPIRAN.pdf
Restricted to Repository staff only

Download (5MB) | Request a copy
[thumbnail of SKRIPSI FULL.pdf] Text
SKRIPSI FULL.pdf
Restricted to Repository staff only

Download (7MB) | Request a copy

Abstract

Susu merupakan sumber protein yang sangat dibutuhkan pada balita karena
mengandung nilai gizi yang tinggi. Saat ini secara perlahan terjadi perubahan pola
konsumsi masyarakat dari air susu ibu (ASI) ke susu formula. Beralihnya ke konsumsi
susu formula dikarenakan mudahnya dalam penyajian dan dapat diberikan kepada balita
di tempat umum. Penelitian ini bertujuan untuk mengembangkan algoritma yang dapat
mengidentifikasi susu formula kadaluarsa, menggunakan jaringan syaraf tiruan Learning
Vector Quantization (LVQ) dengan pendekatan warna. Ciri yang digunakan untuk
mengidentifikasi citra susu formula adalah rata-rata, varian dan standar deviasi.
Jumlah data pelatihan yang digunakan dalam penelitian ini ada 90 data terdiri
dari 3 kelas, dan masing-masing kelas berjumlah 30 data pelatihan untuk kelas pertama
adalah susu baru, kelas dua susu satu setengah jam dan kelas ketiga susu basi. Sedangkan
untuk data uji masing - masing kelas menggunakan 60 data terdiri dari 3 kelas,dan
masing- masing kelas berjumlah 20 data uji.
Pada proses pelatihan diperoleh unjuk kerja terbaik sebesar 97,77%, untuk kelas
satu 100% , kelas dua 96,66% dan kelas tiga 96,66% yaitu pada alfa 0,001 dengan dec
alfa 0,9 . Bobot akhir yang diperoleh dari pelatihan tersebut digunakan untuk pengenalan
data uji. Unjuk kerja terbaik dari 60 data uji dengan alfa 0,001 dan dec alfa 0,9 mencapai
96,66%.
Kata Kunci : Susu Formula, Learning Vactor Quantization (LVQ), Histogram.

Item Type: Thesis (Skripsi)
Additional Information/Lokasi Hardcopy: Supatman, S.T., M.T
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 03:53
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/5329

Actions (login required)

View Item
View Item