KLASIFIKASI KADAR DAGING SAPI PADA OLAHAN BAKSO MENGGUNAKAN METODE KNN DAN GLCM

Putra Mansyah, M. Bemby (2023) KLASIFIKASI KADAR DAGING SAPI PADA OLAHAN BAKSO MENGGUNAKAN METODE KNN DAN GLCM. Diploma thesis, Universitas Multi Data Palembang.

[img] Text
M. Bemby Putra Mansyah 1620250069.pdf

Download (1MB)

Abstract

Daging sapi merupakan salah satu sumber protein hewani, salah satu olahan yang berasal dari daging sapi adalah bakso. Bakso adalah olahan daging sapi yang digiling halus kemudian dicampurkan tepung sagu dan beberapa bumbu penyedap untuk memberikan rasa lalu selanjutnya adonan dibentuk bulat dan direbus hingga matang. Bakso merupakan makanan yang mudah untuk ditemui, namun bakso yang dijual antar pedagang berbeda baik dari tekstur kekenyalan dan rasa. Perbandingan adonan yang berbeda beda. Namun sebagai orang awam biasanya mengetahui melalui rasa dan kekenyalannya, tetapi dapat juga diketahui melalui kecerdasan buatan. Penelitian ini dilakukan untuk mengetahui perbandingan kadar daging sapi pada bakso dengan empat jenis kadar perbandingan yakni kadar pertama terdiri dari 1.5 daging 1 tepung (1.5:1), kadar kedua terdiri dari 1 daging 1 tepung (1:1), kadar ketiga terdiri dari 1 daging 2 tepung (1:2), dan kadar keempat terdiri dari 2 daging 1 tepung (2:1). Metode pengenalan yang digunakan adalah K-Nearest Neighbors (KNN) dengan ekstraksi fitur Gray Level Co-occurrence Matrix (GLCM), dengan menggunakan dua tetangga yang berbeda yakni 3 tetangga dan 5 tetangga didapatkan hasil akurasi bahwa nilai akurasi dari 3 tetangga sedikit lebih tinggi yakni 77.5 % dengan selisih 1.25% dari 5 tetangga yakni 76.25%, dapat disimpulkan bahwa menggunakan klasifikasi K-Nearest Neighbors (KNN) 3 tetangga lebih baik daripada 5 tetangga.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Bakso, Daging, GLCM, KNN , Sapi
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Ilmu Komputer dan Rekayasa > Informatika
Depositing User: Nur Saadah
Date Deposited: 08 Apr 2023 09:28
Last Modified: 08 Apr 2023 09:28
URI: http://rama.mdp.ac.id:84/id/eprint/357

Actions (login required)

View Item View Item