dc.contributor.advisor | Sri Mulyati, S.Kom., M.Kom. | |
dc.contributor.author | HANUNG SETYO SAMBUDI | |
dc.date.accessioned | 2021-11-22T02:57:01Z | |
dc.date.available | 2021-11-22T02:57:01Z | |
dc.date.issued | 2021-06-17 | |
dc.identifier.uri | https://dspace.uii.ac.id/handle/123456789/34525 | |
dc.description.abstract | Kabupaten Boyolali merupakan produsen pepaya terbesar di Jawa Tengah dengan 268.043
kuintal di mana varietas unggulan adalah pepaya jenis California dan pepaya jenis Thailand.
Salah satu wilayah di Kabupaten Boyolali yaitu Desa Keposong rata-rata warga bekerja sebagai
petani dengan sistem lahan milik pribadi ataupun sewa lahan milik bengkok pemerintah desa.
Dengan luas lahan berkisar 1000M² memiliki hasil pepaya pasca panen yang cukup banyak
dengan berbagai kondisi pepaya yang ada maka pepaya harus dikelompokan menurut
kondisinya yaitu matang dan tidak matang untuk menghindari adanya kerugian baik untuk
pihak petani ataupun pihak pengepul dikarenakan pepaya dengan kondisi belum matang tidak
memiliki nilai jual. Selain pengelompokan hasil panen, perkiraan harga jual pepaya pasca
panen juga diperlukan oleh petani untuk mengetahui potensi hasil tanamnya dalam kurun
waktu tertentu. Sistem cerdas klasifikasi pepaya dapat membantu petani dalam
mengelompokkan hasil panen pepaya pasca panen sekaligus mengetahui prediksi harga jual
untuk setiap buahnya.
Metode klasifikasi Naive Bayes digunakan untuk mengklasifikasikan pepaya sesuai dengan
kondisinya ke dalam dua kelas yaitu matang dan belum matang. Ciri pepaya matang dan belum
matang diperoleh dari ekstraksi ciri nilai Gray Level Co-occurence Matrix (GLCM) untuk
setiap data set citra pepaya. Data pakar diperoleh pada saat tahap pengujian dengan
menggunakan 70 data set citra untuk pepaya Caliornia dan Thailand dengan kondisi matang
dan belum matang yang kemudian disimpan dalam database bernama Mdl. Data inilah yang
menjadi nilai pembanding untuk klasifikasi kelas baik untuk tahap pengujian ataupun pada
tahap program utama. Prediksi nilai jual diperoleh dari ekstraksi luas pepaya dengan
menghitung jumlah piksel yang ada di dalam obyek pepaya dimana untuk mengidentifikasi
batas antara obyek dengan latar belakang alas potret menggunakan metode deteksi tepi dengan
operator Prewitt. Hasil akhir dari sistem cerdas ini adalah hasil klasifikasi kematangan serta
prediksi nilai jual yang ditampilkan dalam bentuk tabel pada GUI MATLAB dengan nilai
akurasi program dihitung menggunakan metode Confusion Matrix pada tahap pelatihan sebesar
82% dan tahap uji sebesar 86% serta memproleh rata-rata nilai AUC dalam 6 kali percobaan
sebesar 0.87 untuk pelatihan dan 0.82 untuk pengujian sehingga metode Naive Bayes yang
digunakan masuk dalam kategori klasifikasi baik. | en_US |
dc.publisher | Universitas Islam Indonesia | en_US |
dc.subject | pepaya | en_US |
dc.subject | klasifikasi | en_US |
dc.subject | Naive Bayes | en_US |
dc.subject | GLCM | en_US |
dc.subject | Prewitt | en_US |
dc.title | Sistem Cerdas Klasifikasi Kematangan Dan Harga Buah Pepaya Berdasarkan Ekstraksi Fitur Gray Level Co-Occurence Matrix Dengan Metode Naive Bayes | en_US |
dc.Identifier.NIM | 15523104 | |