Author (Penulis)

Oki Mekarsari
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

11.1.03.02.0281

Abstract

Abstrak Oki Mekarsari : Klasifikasi Bunga Euphorbia Berdasarkan Kelopak Dengan Metode Principal Component Analysis, Skripsi, Teknik Informatika, Teknik Universitas Nusantara PGRI Kediri, 2016. Kata kunci : klasifikasi, bunga Euphorbia, Principal Component Analysis. Penelitian ini dilatar belakangi dari hasil pengamatan dan pengalaman peneliti, bahwa bunga Euphorbia adalah salah satu jenis tanaman yang digemari semua orang untuk menghiasi dan memperindah halaman rumah mereka. Bunga Euphorbia memiliki banyak jenisnya, akan tetapi masyarakat banyak yang belum mengetahui tentang jenis bunga Euphorbia tersebut. Mereka hanya mengetahui sekedar namanya saja bukan jenis bunga Euphorbia tersebut. Permasalahan penelitiann ini adalah (1) Bagaimana merancang dan membangun aplikasi klasifikasi bunga Euphorbia berdasarkan kelopak bunga tersebut?(2) Bagaimana gambar bunga dapat dijadikan inputan untuk pengklasifikasian bunga tersebut?(3) Bagaimana menerapkan metode PCA ke dalam pembuatan aplikasi klasifikasi bunga Euphorbia berdasarkan kelopak bunga?(4) Bagaimana mencari nilai antara data training dan testing menggunakan Euclidean Distance?. Penelitian ini menggunakan metode Principal Component Analysis (PCA) dengan objek penelitian bunga Euphorbia. Bunga Euphorbia yang digunakan adalah bunga Euphorbia Milli splendens, Euphorbia milli ch. des moulins, dan Euphorbia pulcherrima. Citra kelopak bunga Euphorbia akan dilakukan tahap pre-processing yang meliputi grayscale dan thresholding, kemudian diproses dengan metode PCA dan pengenalannya menggunakan euclidean distance. Penelitian dilaksanakan sesuai dengan jadwal penelitian yang sudah dibuat yaitu persiapan, observasi, wawancara, perancangan, desaian sistem, pengkodingan, implementasi aplikasi,maintance aplikasi. Kesimpulan dari penelitian ini adalah (1) metode PCA (Principal Component Analysis) telah berhasil untuk mengklasifikasikan macam-macam bunga Euphorbia. (2) PCA (Principal Component Analysis) memproyeksikan citra dari vektor yang berdimensi tinggi ke vektor yang mempunyai dimensi yang lebih rendah kemudian dicari nilai eigen vektor dan eigen value untuk melakukan ekstraksi ciri. (3) Euclidean Distance memperoleh nilai kedekatan antara data training dengan data testing yang akan digunakan untuk pengklasifikasian.(4) Prosentase akurasi yang didapat mencapai 90%, Besarnya tingkat akurasi dipengaruhi oleh banyaknya jumlah data training yang digunakan.

Keyword

a

Reference

PUBLISHED

2016-02-09

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Download PDF

Download PDF Kembali Home