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.
|
Text
1. COVER.pdf Download (294kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (374kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (330kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (317kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (344kB) | Preview |
|
|
Text
6. BAB I.pdf Download (389kB) | Preview |
|
|
Text
7. BAB II.pdf Download (1MB) | Preview |
|
|
Text
8. BAB III.pdf Download (357kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (1MB) | Preview |
|
Text
10. BAB V.pdf Restricted to Repository staff only Download (1MB) |
||
|
Text
11. BAB VI.pdf Download (302kB) | 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.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | 000 Karya Umum |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | Ms. Nilam Badriyah |
Date Deposited: | 30 Aug 2019 02:18 |
Last Modified: | 30 Aug 2019 02:18 |
URI: | http://repository.uin-suska.ac.id/id/eprint/18674 |
Actions (login required)
View Item |