Sebagai Syarat Untuk Melanjutkan Tugas Akhir Pada Program Studi Ilmu
Komputer
Disusun Oleh:
FAKULTAS TEKNIK
KUPANG
2022
HALAMAN PENGESAHAN
PEMETAAN LOKASI PENCURIAN DI WILAYAH
HUKUM POLSEK LENDEWACHU
OLEH:
Fakultas Teknik
2023
ii
A. JUDUL PROPOSAL: PEMETAAN LOKASI PENCURIAN DI WILAYAH
HUKUM POLSEK LENDEWACHU
B. LATAR BELAKANG
C. RUMUSAN MASALAH
D. BATASAN MASALAH
E. TUJUAN PENELITIAN
3
F. MENFAAT PENULISAN
1. Bagi Penulis
a. Menerapkan ilmu – ilmu yang diperoleh selama dibangku kuliah.
b. Untuk memenuhi salah satu syarat kelulusan (S1) di Program Studi
Ilmu Komputer Fakultas Teknik Universitas Katolik Widya Mandira
Kupang.
2. Bagi Pembaca
Memberikan wawasan bagi pembaca tentang pengklasifikasi citra
penyakit buah jeruk berbasis SqueezeNet dan k-NN dan menjadi
refrensi dalam menentukan topik untuk melakukan peneliti
selanjutnya.
3. Bagi Peneliti
Penelitian ini akan meningkatkan wawasan dan pengetahuan
mengenai data mining dengan pengklasifikasi tradisional k-NN.
G. KONTRIBUSI PENELITIAN
Kontribusi Teoritis:
4
Kontribusi Praktis:
H. TINJAUAN PUSTAKA
Penelitian dilakukan oleh Andi Yulia Muniar pada tahun 2019 dengan
judul “Klasifikasi Tanaman Jeruk Berdasarkan Fitur Tekstur Daun
Menggunakan Metode K-Nearest Neighbor”. Sistem klasifikasi yang
dibangun merupakan sistem yang bertujuan untuk mempermudah proses
identifikasi atau pengenalan tanaman jeruk yang beragam berdasarkan ciri-
ciri atau fitur yang terdapat pada daun jeruk. Untuk proses identifikasi
dilakukan dengan mengambil gambar dari daun jeruk kemudian diproses
dengan menggunakan Algoritma k-Nearest Neighbor (k-NN) dengan
5
perhitungan euclidean distance berdasarkan fitur tekstur daun sehingga
menghasilkan kesimpulan jenis tanaman jeruk.
6
masukkan adalah citra jeruk yang diekstraksi, parameter yang digunakan
adalah hasil ektraksi warna RGB pada kulit buah jeruk. Pengambilan citra
dilakukan dengan menggunakan kamera smartphone. Citra yang diambil akan
dijadikan sebagai data pelatihan dan data pengujian. Data terdiri 120 buah
jeruk yang memiliki rasa manis, asam dan tawar, 90 buah jeruk dijadikan
data pelatihan dan 30 buah jeruk sebagai data pengujian. Proses klasifikasi
rasa buah jeruk dilakukan dengan menggunakan Algortima K-Nearest
Neighbor yang diterapkan pada sistem operasi android. Berdasarkan hasil
pengujian dari 30 buah jeruk didapatkan nilai k terbaik adalah k = 11 dengan
akurasi sebesar 80%.
7
I. METEODOLOGI PENELITIAN
1. Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data primer yang
diambil dengan menggunakan kamera android dan memfoto buah jeruk
sehat dan sakit dengan jumlah data gambar sebanyak 200 gambar buah
jeruk yang sehat dan sakit.
2. Pemrosesan Awal
8
Tabel 2.1. Jumlah dataset setiap kelas
Kelas Jumlah
sakit.
9
testing menggunakan 2 – fold cross validation dan pengklasifikasian k-NN
dengan k = 1, jarak Eclidean dan bobot Uniform, dalam proses test dan
score membutuhkan tiga masukan yaitu dataset, data training 66% dan
data sisanya data test.
7. Confusion Matrix
Pada proses confusion matrix ini menampilkan hasil prediksi dari
beberapa kelas.
1
0
DAFTAR PUSTAKA
Paramita, C., Hari Rachmawanto, E., Atika Sari, C., & Ignatius Moses Setiadi, D.
R. (2019). Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah
Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor. Jurnal Informatika:
Jurnal Pengembangan IT, 4(1), 1–6. https://doi.org/10.30591/jpit.v4i1.1267
Silva, M., Ferreira da Silva, J., & Oliveira, R. (2021). IDiSSC: Edge-computing-
based Intelligent Diagnosis Support System for Citrus Inspection. 1(Iceis), 685–
692. https://doi.org/10.5220/0010444106850692
Iandola, F. N., Han, S., Moskewicz, M. W., Ashraf, K., Dally, W. J., & Keutzer,
K. (2016). SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and
<0.5MB model size. 1–13. http://arxiv.org/abs/1602.07360
Enggar Pawening, R., Ja, W., & Shudiq, F. (2020). KLASIFIKASI KUALITAS
JERUK LOKAL BERDASARKAN TEKSTUR DAN BENTUK
MENGGUNAKAN METODE k-NEAREST NEIGHBOR (k-NN). COREAI:
Jurnal Kecedasan Buatan, Komputasi Dan Teknologi Informasi, 1(1), 10–17.