SIGIT PRASETIO ADI GUNA (2017) RANCANG BANGUN APLIKASI TINGKAT KEMATANGAN STEAK DAGING SAPI MENGGUNAKAN JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION NEURAL NETWORK NEURAL NETWORK (BPNN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER.pdf Download (294kB) | Preview
Preview	Text 2. PENGESAHAN.pdf Download (374kB) | Preview
Preview	Text 3. ABSTRAK.pdf Download (330kB) | Preview
Preview	Text 4. KATA PENGANTAR.pdf Download (317kB) | Preview
Preview	Text 5. DAFTAR ISI.pdf Download (344kB) | Preview
Preview	Text 6. BAB I.pdf Download (389kB) | Preview
Preview	Text 7. BAB II.pdf Download (1MB) | Preview
Preview	Text 8. BAB III.pdf Download (357kB) | Preview
Preview	Text 9. BAB IV.pdf Download (1MB) | Preview
	Text 10. BAB V.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI.pdf Download (302kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA.pdf Download (387kB) | Preview

Abstract

Steakmerupakan salah satu jenis daging olahan yang sering disajikan dalam keadaan mentah atau setengah matang. Dikarenakan bentuk fisik tingkat kematangan steakdaging sapi sukar untuk dibedakan, makaperlu dilakukan penelitian untuk merancang bangun aplikasiyang mampu mengidentifikasi tingkat kematangan steakdaging sapi. Untuk membangun aplikasitersebut,dilakukan dengan sistem jaringan syaraf tiruan backpropagation neural network. Proses yang dilakukan yaitu dengan menganalisa dan mengklasifikasikan perbedaan antara citra steakdaging sapi mentah, setengah matang dan matangberdasarkan ciriwarna dan tekstur.Langkah-langkah penelitian diawali dengan proses ekstraksi ciriwarna menggunakan HSVdan proses ekstraksi ciritekstur menggunakanstatistik histogram. Jaringanbackpropagation neural networkdilatihpadasaatmendapatkan nilai ciri warna dan tekstur.Jumlah data uji dan data latih dibagi berdasarkan variasi pengujian, yaitu (10%:90%) dari 120 citra, (30%:70%) dari 120 citra dan (50%:50%) dari 120 citra. Outputdari aplikasiberupa informasi klasifikasi mengenai tingkat kematangan steak daging sapi. Dari berbagai variasi pengujian aplikasi yang dilakukan, aplikasi mampu mengidentifikasi dengan hasil akurasi rata-rata tertinggi 80,06%.Faktor-faktor yang sangat mempengaruhi tingkat akurasi adalah jumlah data latih dan pemilihan fungsi aktivasi.Jadi dapat disimpulkan bahwa penerapan jaringan backpropagation neural networkdapat memberikan hasil yang baik.Kata kunci:Backpropagation Neural Network, Ekstraksi Ciri, Jaringan Syaraf Tiruan, Klasifikasi, Pelatihan.

Actions (login required)

View Item