SEGMENTASI UNSUR HARA MAKRO PRIMER PADA TUMBUHAN KEDELAI BERDASARKAN POLA DAUN DENGAN METODE K-MEANS.

PANDU EKA , WAHYUDHA (2012) SEGMENTASI UNSUR HARA MAKRO PRIMER PADA TUMBUHAN KEDELAI BERDASARKAN POLA DAUN DENGAN METODE K-MEANS. Undergraduate thesis, Faculty of Industrial Engineering.

[img]
Preview
PDF (Cover - Bab I)
Download (79Kb) | Preview
    [img] PDF (Bab II - Daftar Pustaka)
    Restricted to Repository staff only

    Download (4Mb)

      Abstract

      Teknik clustering digunakan untuk mencari kelompok yang cocok untuk sampel- sampel dari satu set data. Tidak ada pengetahuan apriori tentang data ini. Oleh karena itu, beberapa set sampel tidak dapat dianggap sebagai training set, dan teknik klasifikasi tidak dapat digunakan dalam kasus ini. Algoritma k-means adalah salah satu yang paling populer algoritma untuk clustering. Ini adalah salah satu algoritma yang sering digunakan untuk data mining, sebagaimana telah ditempatkan di antara 10 algoritma teratas untuk data mining. Dalam tugas akhir ini penulis melakukan segmentasi unsur hara berdasarkan pola daun dengan menggunakan metode K-means yang dapat mengetahui ciri – ciri kandungan unsur hara yang terdapat pada daun kedelai dengan melihat perubahan warna pada daun dengan hasil segmentasi citra yang kemudian diclusterisasi untuk mengetahui ciri – ciri kekurangan unsur nitrogen (N), fosfor (P), dan kalium (K) pada daun tersebut. Sehingga diharapkan aplikasi ini dapat memberikan kemudahan bagi peneliti untuk mengetahui dan mengenali ciri – ciri kekurangan unsur hara makro pada pertumbuhan tanaman kedelai supaya lebih cepat mengatasi gejala tersebut dan petani dapat meningkatkan hasil produksinya.

      Item Type: Thesis (Undergraduate)
      Subjects: Q Science > QA Mathematics > QA76.6 Computer programming
      Divisions: Faculty of Industrial Technology > Informatics Engineering
      Depositing User: Users 2 not found.
      Date Deposited: 10 Sep 2012 13:10
      Last Modified: 10 Sep 2012 13:11
      URI: http://eprints.upnjatim.ac.id/id/eprint/3724

      Actions (login required)

      View Item