KLASTERISASI TINGKAT KEMATANGAN BUAH SAWO (MANILKARA ZAPOTA) BERDASARKAN WARNA DENGAN METODE SEGMENTASI K-MEANS CLUSTERING

Bayu Sumadika,Wayan (2023) KLASTERISASI TINGKAT KEMATANGAN BUAH SAWO (MANILKARA ZAPOTA) BERDASARKAN WARNA DENGAN METODE SEGMENTASI K-MEANS CLUSTERING. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2023.

[img] Text
SKRIPSI 2023 - wayan bayu.pdf

Download (3MB)

Abstract

Algoritma K-Means Clustering adalah algoritma yang mempartisi data ke dalam cluster-cluster sehingga data yang memiliki kesamaan berada pada satu kelas atau kelompok yang sama dan data yang memiliki ketidaksamaan berada pada satu kelas yang lain. Tujuan: : Untuk mengetahui hasil akurasi kematangan buah sawo berdasarkan penerapan Metode K-Means Clustering. Metode: Metode yang digunakan pada penelitian ini adalah K-Means Clustering dengan cara mengambil sampel atau data dari situs Kaggle, kemudian ditentukan nilai piksel setiap sampel lalu dihitung menggunakan aplikasi tambahan yaitu matlab, sehingga mendaptkan akurasi kematangan yang baik. Hasil: Dari 150 sampel data yang digunakan dalam penelitian ini, diantaraya 75 data sawo matang dan 75 data sawo mentah. Dari 75 data sawo matang terverifikiasi matang sebanyak 69 sampel yaitu 92,0% dan tidak matang 6 sampel yaitu 8,0% sedangkan dari 75 sampel data mentah terverifikasi mentah sebanyak 71 sampel yaitu 94,7% dan matang sebanyak 4 sampel yaitu 5,3%. Sehingaa diperoleh akumulasi yaitu data sawo matang 92,2% dan data sawo mentah 94,5%. Simpulan: K-Means Clustering merupakan algoritma sederhana yang mudah digunakan, terbukti dalam penelitian ini k-means mampu membagi 2 cluster dari 150 data buah sawo kedalam 2 label yaitu 75 data sawo matang dan 75 data sawo mentah dengan akurasi setiap labelnya yaitu 92,2% untuk sawo matang dan 94,5% untuk sawo matang.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: Big Data, Data Mining, K-means clustering.
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 07 Nov 2023 02:03
Last Modified: 07 Nov 2023 02:03
URI: http://repository.unism.ac.id/id/eprint/2984

Actions (login required)

View Item View Item