PENENTUAN KEMATANGAN TBS (TANDAN BUAH SEGAR) SAWIT SECARA NON-DESTRUCTIVE BERBASIS ANDROID

Nanda, Nurcholis (2018) PENENTUAN KEMATANGAN TBS (TANDAN BUAH SEGAR) SAWIT SECARA NON-DESTRUCTIVE BERBASIS ANDROID. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (617kB) | Preview
Preview	Text (Bab I) Bab I.pdf - Published Version Download (163kB) | Preview
Preview	Text (Bab V) BAB V.pdf - Published Version Download (85kB) | Preview
Preview	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (90kB) | Preview
	Text (Tugas Akhir Full) PENENTUAN KEMATANGAN TBS SAWIT SECARA NON DESTRUCTIVE BERBASIS ANDROID.pdf - Published Version Restricted to Repository staff only Download (4MB)

Abstract

Kelapa sawit merupakan tumbuhan yang berguna sebagai penghasil minyak masak, minyak industri, maupun bahan bakar. Untuk mendapatkan minyak dengan kualitas terbaik TBS (Tandan Buah Segar) harus dipanen pada waktu yang tepat. Untuk menentukan kematangan TBS Sawit dapat dilakukan secara manual, namun untuk tingkat kematangannya tidak dapat dipastikan secara manual, melainkan harus melalui uji labor. Uji laboratorium dapat menentukan tingkat kematangan secara pasti, namun selain biaya yang mahal uji laboratorium juga dapat merusak kandunga n minyak pada TBS sawit tersebut. Untuk mencegah permasalahan diatas, maka diperlukan suatu cara untuk menentukan kematangan TBS sawit tanpa harus merusak kandungan minyak pada TBS sawit tersebut. Kamera pada smartphone android dan pemograman android dapat dijadikan suatu media dalam menentukan kematanga n TBS sawit tanpa harus merusak kandungan minyak TBS sawit tersebut. Untuk mengklasifikasi kematangan TBS sawit, kamera pada smartphone android mengamb il citra lalu mengolah citra tersebut dengan mengekstrak data warna pada citra tersebut yang akan dijadikan sebagai data latih. Ekstrasi data warna pada citra TBS sawit dimasukkan dalam persamaan Indeks Vegetasi yang mana akan dijadikan persamaan dalam menentukan kematangan TBS sawit. Setelah dihitung menggunakan persamaan KNN (K-Nearest Neighbor) maka akan didapatkan hasil validasi data latih sebesar 98% dan validasi sistem terhadap sampel uji sebesar 93.33% serta waktu komputasi rata-rata selama 3.3 detik.

Actions (login required)

View Item