<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="99718">
 <titleInfo>
  <title>KLASIFIKASI KUALITAS FISIK KOPI BERAS ARABIKA MENGGUNAKAN PENGOLAHAN CITRA DENGAN METODE K-NEAREST NEIGHBOR (K-NN)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>RENI MARDISA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Pertanian (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak.  Proses sortasi pada biji kopi beras arabika umumnya masih dilakukan secara manual sehingga peran teknologi sangat dibutuhkan pada proses sortasi secara otomatis dengan menggunakan pengolahan citra digital dengan metode K-Nearest Neighbor (KNN). Penelitian ini bertujuan untuk mengetahui tingkat akurasi klasifikasi kualitas fisik kopi beras arabika berdasarkan citra biji normal, biji pecah, biji coklat, dan biji hitam sebagian dengan menggunakan pengolahan citra dengan metode K- Nearest Neighbor (K-NN). Perlakuan pengambilan citra pada penelitian ini ada dua yaitu secara terlungkup (Down) dan terbalik (Up). Rancangan penelitian ini menggunakan metode K-Nearest Neighbor (KNN) dan menggunakan Linear Discriminant Analysis (LDA) untuk mengetahui parameter yang memengaruhi pada klasifikasi biji kopi beras arabika. Hasil penelitian menunjukkan  bahwa dengan menggunakan nilai K=5 nilai rata-rata akurasi yaitu 78,625% sedangkan menggunakan K=3 dengan nilai rata-rata akurasi yaitu 58,000%. Perlakuan terbaik pada penelitian ini yaitu dengan posisi biji kopi terlungkung (Down) dengan akurasi yaitu 80,25%. Berdasarkan hasil klasifikasi menggunakan Linear Discriminant Analysis (LDA) parameter yang paling berpengaruh dalam klasifikasi biji kopi beras arabika adalah parameter area, perimeter, b, kontras, B, R, L, a, energi, korelasi, dan G.&#13;
&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>99718</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-04-11 21:29:36</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-04-12 10:26:53</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>