Devi, ArdanaPrakasita (2017) Pengelompokan Biji Wijen Berdasarkan Sifat Warna Cangkang Biji Dengan Menggunakan Metode PSO – K-MEANS. Sarjana thesis, Universitas Brawijaya.
Abstract
Wijen adalah salah satu makanan tradisional yang dikonsumsi dalam bentuk minyak dan biji. Di dunia, permintaan wijen semakin tinggi sehingga memunculkan usaha untuk mendapatkan wijen kualitas yang baik dengan melakukan persilangan antara kultivar yang satu dengan kultivar yang lain. Pengamatan kualitatif tentang pewarisan warna cangkang telah dilakukan dan ada beberapa penelitian yang juga menggunakan metode kuantitatif, tetapi hanya menggunakan penghitungan warna secara manual dan tidak ada metode khusus pengelompokan. Sehingga, dibutuhkannya sebuah sistem yang tidak hanya dapat mengelompokan data secara otomatis namun juga mampu menghasilkan pengelompokan lebih baik dengan waktu yang lebih efisien. Pengelompokan merupakan salah satu teknik dalam data mining yang dapat digunakan untuk menentukan jumlah pengelompokan data ke dalam beberapa kelompok. Metode yang akan digunakan adalah Particle Swarm Optimization K-Means (PSO-K-Means). Kinerja metode K-Means ini sangat bergantung pada pemilihan titik pusat kelompok awal sehingga solusi yang dihasilkan sangat rentan pada daerah optimum lokal. Salah satu metode pendekatan yang dapat digunakan untuk mengatasi permasalahan ini adalah dengan menerapkan metode PSO. Metode PSO ini akan menemukan nilai titik pusat kelompok yang optimum berdasarkan nilai fitness disetiap partikelnya. Data yang digunakan dalam penelitian ini sebanyak 291 data dengan atribut L*, a*,b* yang didapatkan dari Balai Penelitian Tanaman Pemanis dan Serat Malang (Balittas). Pada penelitian yang sebelumnya menghasilkan pengelompokan anggota setiap kelompok 231 berbanding 60 pada metode kuantitatif dan 237 berbanding 54 pada metode kualitatif, sedangkan pada pengelompokan dengan menggunakan metode PSO – K-Means adalah 233 berbanding 54. Perbedaan hasil pengelompokan menunjukkan bahwa pengelompokan antara penelitian sebelumnya dengan metode PSO – K-Means hasilnya tidak siginifikan. Hasil penghitungan nilai eror dengan menggunakan nilai MSE dan nilai kekompakan kelompok dengan menggunakan Silhouette Coeficient. Pada hasil pengelompokan juga menunjukkan nilai yang cukup bagus, sehingga dapat disimpulkan bahwa metode PSO – K-Means dapat digunakan sebagai metode alternatif.
English Abstract
Sesame is one of the traditional food consumed in the form of oil and seeds. The demand for higher sesame giving rise to efforts to get better quality of sesame by doing cross between cultivars. Colors of sesame seeds are white, yellow, gray, red, brown, and black. Some colors define the composition of sesame seeds like amino acids, antioxidants, oil, biochemistry, and level of disease resistance. Observations about seed coat color inheritance has been done and on qualitatif and quantitative methods, 2nd method usually manual counting color value and there are no special methods of grouping. It is necessary for a system that not only can categorize data automatically but also able to produce better grouping efficiently. Technique that is used to cross sesame seed shell color is grouping. Grouping is one of data mining technique which can be used to determine the amount of grouping data into several groups. The methods used in this research are Particle Swarm Optimization - K-Means (PSO-K-Means). K-Means method is highly dependent on the selection of the initial kelompok center point so that the resulting solutions are particularly vulnerable in the area of local optimum. One approach that can be used to overcome this problem is by applying PSO. The PSO method will find the center point value based kelompok optimum fitness value in each of particles. The data used in this study were 291 data by attribute L *, a *, b * obtained from Balai Penelitian Tanaman Pemanis dan Serat Malang (Balittas). In previous studiy resulted in grouping 231 members of each group versus 60 in quantitative methods and 237 versus 54 in qualitative methods, while the grouping by using PSO - K-Means is 233 versus 54. The difference results between the groupings show that the grouping of previous research methods PSO - K-Means the results were not significant. The results of the error values calculated using MSE value and the value of the kelompok cohesiveness using Coeficient Silhouette. In the grouping results also showed a good value, so it can be concluded that the method of PSO - K-Means can be used as an alternative method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/39/051701135 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 17 Feb 2017 14:26 |
| Last Modified: | 22 Oct 2021 06:16 |
| URI: | http://repository.ub.ac.id/id/eprint/147468 |
Preview |
Text
125150207111024_Ardana_Prakasita_Devi_Dokumen.pdf Download (4MB) | Preview |
Preview |
Text
125150207111024_Ardana_Prakasita_Devi_Paper.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |