HAFIZH ZHAFRAN PARADA RAHAYU Primary Author mixed material bibliography Banda Aceh Fakultas Pertanian Teknik Pertanian (S1) 2024

Skripsi

Salah satu produk turunan kelapa yang populer di Aceh adalah u neulhe. Kualitas uneulhe sangat dipengaruhi oleh proses pengolahan, terutama suhu dan waktu penyangraian,yang saat ini masih dinilai secara subjektif oleh masyarakat setempat. Penelitian ini pentingdilakukan guna menghadirkan metode yang lebih objektif dan akurat dengan memanfaatkanteknologi pengolahan citra digital dan kecerdasan buatan untuk mengidentifikasi tingkatkematangan u neulhe. Penelitian ini bertujuan untuk menyelidiki implementasi dan potensipenggunaan software MVTech Halcon berbasis citra digital serta metode K-NearestNeighbor (K-NN) dalam menciptakan sistem yang mampu mengelompokkan tingkatkematangan u neulhe berdasarkan warna secara lebih efisien dan akurat.Penelitian ini dilakukan di Laboratorium Teknik Pasca Panen Universitas SyiahKuala. Sebanyak 450 sampel u neulheu disiapkan dari dua perlakuan utama, yaitu lamapengeringan (0, 2, dan 4 jam) serta lama penyangraian (3, 6, 9, 12, dan 15 menit). Sampelini dibagi menjadi data training (315 sampel) dan data testing (135 sampel) untuk pengujianmodel klasifikasi menggunakan metode K-NN. Proses penelitian melibatkan pembuatancitra digital u neulheu dengan bantuan perangkat keras dan perangkat lunak MVTechHalcon. Tahapan meliputi akuisisi citra menggunakan kamera dan ring light, pre-processingdengan image enhancement dan cropping, segmentasi citra menggunakan metode otsu, sertaekstraksi citra yang dikonversi dari model warna RGB ke Lab. Data citra digunakan dalamklasifikasi dengan algoritma K-NN yang membandingkan jarak Euclidean antara datatraining dan data testing. Pengujian hasil klasifikasi dilakukan dengan menghitung precision,recall, dan F-measure untuk mengevaluasi kinerja model klasifikasi.Hasil penelitian menunjukkan bahwa klasifikasi tingkat kematangan kelapa sangraidapat dilakukan dengan menggunakan pengolahan citra dengan metode K-NN. Tingkatakurasi data testing menggunakan metode K-Nearest Neighbor yang didapat pada penelitianini untuk undercook, best, dan overcook yaitu 82.22 %, 86,67 % dan 100%. Tingkatkeberasilan metode K-NN dalam mengklasifikasikan tingkat kematangan kelapa sangraiyaitu 89,63%. Untuk mencapai hasil klasifikasi yang lebih akurat, diperlukan analisis yanglebih mendalam dengan mempertimbangkan fitur-fitur lain seperti tekstur dan distribusiwarna, bukan hanya bergantung pada nilai warna RGB atau HSV. Penelitian tentangklasifikasi tingkat kematangan kelapa sangrai dapat dilakukan dengan menambahkan jumlahdata pelatihan dan pengujian guna mendukung peningkatan akurasi. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 137279 2024-10-09 11:06:12 2024-10-09 11:08:07 machine generated