Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika
TASYA FIKRIYAH BACHERAMSYAH
Universitas Telkom
Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengklasifikasian Grade Telur Ayam Negeri menggunakan Klasifikasi K-Nearest Neighbor berbasis Android NUR IBRAHIM; TASYA FIKRIYAH BACHERAMSYAH; BAMBANG HIDAYAT; SJAFRIL DARANA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 6, No 2 (2018): ELKOMIKA
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v6i2.288

Abstract

ABSTRAKTelur ayam negeri yang dibeli oleh masyarakat Indonesia di toko swalayan, pasar, ataupun di peternakan memiliki grade yang berbeda-beda. Pada penelitian sebelumnya, telah dilakukan pembuatan sistem pengklasifikasian telur ayam dengan berbasis Windows, namun belum dapat digunakan secara praktis oleh masyarakat. Penelitian ini dilakukan agar masyarakat dapat menggunakannya di lapangan dalam mengklasifikasikan grade telur ayam negeri, dimana pengklasifikasian grade pada telur ayam negeri ini menggunakan klasifikasi KNearest Neighbor (K-NN) yang berbasis android. Berdasarkan hasil pengujian, sistem ini dapat mengklasifikasikan grade telur ayam negeri dengan tingkat akurasi sebesar 80% (dibandingkan menggunakan Haugh Unit Micrometer) menggunakan parameter layer 4 (grayscale), metode penghitungan jarak cosine, dan nilai k=1 dimana jumlah tetangga yang dibandingkan pada algoritma K-NN adalah 1.Kata kunci: K-NN, telur ayam negeri, android.ABSTRACTChicken eggs purchased by Indonesian people in supermarkets, markets, or farms have different grades. In the previous research, the classification system of chicken eggs has been done in the windows platform, but it cannot be used practically by the people. This research was made so the people can use it on the field to classify chicken eggs grade, using the classification of K-Nearest Neighbor (K-NN) based on android. Based on testing results of this system, can classify eggs grade chicken with an accuracy of 80% (compared with Haugh Unit Micrometer) using layer 4 (grayscale), cosine distance method, and value of k=1 which is the total of compared neighborhood in K-NN algorithm is 1.Keywords: K-NN, chicken egg, android.
Co-Authors BAMBANG HIDAYAT Nur Ibrahim SJAFRIL DARANA