NUZARMAN (2018) IDENTIFIKASI KESEGARAN IKAN BERDASARKAN WARNA MATA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018481TIF.pdf Download (181kB) | Preview |
|
|
Text
2. PENGESAHAN_2018481TIF.pdf Download (943kB) | Preview |
|
|
Text
3. ABSTRAK_2018481TIF.pdf Download (92kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018481TIF.pdf Download (287kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018481TIF.pdf Download (105kB) | Preview |
|
|
Text
6. BAB I_2018481TIF.pdf Download (452kB) | Preview |
|
|
Text
7. BAB II_2018481TIF.pdf Download (716kB) | Preview |
|
|
Text
8. BAB III_2018481TIF.pdf Download (288kB) | Preview |
|
|
Text
9. BAB IV_2018481TIF.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018481TIF.pdf Restricted to Repository staff only Download (2MB) |
|
|
Text
11. BAB VI_2018481TIF.pdf Download (95kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018481TIF.pdf Download (353kB) | Preview |
Abstract
ndonesia memiliki potensi yang cukup besar dalam perikanan, hal ini dikarenakan 2/3 luas wilayah Indonesia merupakan perairan. Seiring meningkatnya akan konsumsi ikan segar oleh masyarakat, membuat banyak orang memanfaatkan situasi tersebut. Dengan menjual ikan yang tidak layak konsumsi seperti ikan tidak segar, ikan busuk dan ikan berformalin. Untuk mengurangi kecurangan yang dilakukan sekelompok orang tersebut, maka penulis membuat sebuah sistem identifikasi kesegaran ikan menggunakan metode Learning Vektor Quantization (LVQ) menggunakan citra warna RGB dan HSV berdasarkan warna mata pada ikan. Dengan menggunakan 4 jenis ikan yaitu ikan Patin, ikan Nila, ikan Lele dan ikan Mas. Dengan memakai tools Matlab R2014a dan klasifikasi metode LVQ tersebut bisa mengurangi tingkat kecurangan yang dilakukan penjual dan bahkan bisa menambah daya produksi dan konsumsi ikan tersebut.Metode LVQ dapat membantu penjual dan pembeli dalam menentukan ikan yang layak untuk dikonsumsi, ikan berkualitas dan ikan yang masih segar.Penjual akan mudah menmbedakan ikan segar, ikan kurang segar dan ikan Tidak segar. Akurasi pengujian tertinggi yang mencapai 88,88% pada pembagian data uji 100% dengan nilai Learning rate0.2 dan MN learning rate0.1 dan ciri warna RGB dan HSV dapat digunakan sebagai parameter masukan dalam pengklasifikasian kesegaran pada mata ikan. Kata Kunci :HSV, learning rate, Learning Vektor Quantization(LVQ), Matlab R2014a,over fising,dan RGB.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 500 Ilmu-ilmu Alam dan Matematika |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 23 Jul 2019 05:37 |
| Last Modified: | 23 Jul 2019 05:37 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16614 |
Actions (login required)
 |
View Item |