KLASIFIKASI KUALITAS BUNGA CENGKEH UNTUK MENINGKATKAN MUTU DENGAN PEMANFAATAN CIRI GRAY LEVEL CO-OCCURENCE MATRIX (GLCM)

Yaspin, Yayak Nuri and WIDODO, DANANG WAHYU and SETIAWAN, AHMAD BAGUS (2020) KLASIFIKASI KUALITAS BUNGA CENGKEH UNTUK MENINGKATKAN MUTU DENGAN PEMANFAATAN CIRI GRAY LEVEL CO-OCCURENCE MATRIX (GLCM). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_ 55201_16103020048.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (519kB) | Request a copy
	Text (similarity) RAMA_ 55201_16103020048_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (459kB)
	Text (References) RAMA_ 55201_16103020048_0720117501_0703018704_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (158kB)

Abstract

Pengolahan citra digital sangat membantu pekerjaan manusia termasuk dalam penanganan pasca panen produksi pertanian yaitu dengan mengklasifikasikan jenis dan mutu tanaman sesuai dengan kriteria bukan hanya berdasarkan penilaian objektif dari petani. Pengklasifikasian mutu cengkeh menggunakan citra digital merupakan sistem yang dapat membantu petani dalam menentukan kualitas cengkeh. pada penelitan ini pengklasifikasian mutu cengkeh dilakukan berdasarkan hasil deteksi ukuran dan warna cengkeh. Proses untuk mendeteksi ukuran dan warna cengkeh menggunakan metode GLCM yaitu dengan membandingkan nilai threshold dari citra kulit cengkeh yang berwarna coklat untuk deteksi ukuran dan citra berwarna putih untuk deteksi warna cengkeh dengan sampel uji cengkeh. thershold yang digunakan untuk mendeteksi ukuran cengkeh yang baik adalah nilai dari 0.01 sampai 0.07 dan nilai 0.01 sampai 0.6. Sedangkan threshold untuk mendeteksi warna putih yang terdapat pada cengkeh yaitu nilai dari 0.6 sampai 1 dan nilai 0 sampai 0.15. Keakuratan sistem penilaian mutu cengkeh menggunakan citra digital bernilai 92.50% dengan jumlah benar 29 sampel dari 32 sampel cengkeh.

Actions (login required)

View Item