Pengelompokan Biji Wijen Berdasarkan Sifat Warna Cangkang Biji Menggunakan Metode "GA-KMEANS"

Maulida, Hanum (2017) Pengelompokan Biji Wijen Berdasarkan Sifat Warna Cangkang Biji Menggunakan Metode "GA-KMEANS". Sarjana thesis, Universitas Brawijaya.

Abstract

Di beberapa negara, biji wijen digunakan sebagai bahan campuran untuk membuat anggur (wine) dan kue sedangkan minyak wijen dapat digunakan untuk bahan memasak, obat-obatan, dan kosmetik. Wijen menduduki peringkat kedelapan dalam produksi biji minyak nabati dunia yang memiliki kandungan minyak yang lebih tinggi (sekitar 50%) dari sebagian besar minyak sayur meskipun produksinya jauh lebih sedikit daripada minyak nabati lainnya seperti kedelai. Atribut yang paling penting untuk mengenali biji wijen di pasar salah satunya adalah warna biji. Karena pentingnya sifat ini, maka warna biji adalah pusat target dalam program pemuliaan wijen. Penelitian dalam program pemuliaan wijen yang telah dilakukan sebelumnya yaitu mengukur warna cangkang biji wijen dengan metode kualitatif dan metode kuantitatif dari hasil pewarisan sifat wijen. Tetapi belum ada metode yang digunakan dalam pengelompokan warna cangkang biji wijen. Sebuah solusi untuk mengatasi masalah tersebut salah satunya yaitu pengambilan keputusan pengelompokan biji wijen berdasarkan sifat warna cangkang biji wijen dapat dilakukan dengan menggunakan metode GA-KMeans. Penelitian ini menggunakan data sekunder hasil penelitian Thesis dari pihak Balai Penelitian Tanaman Pemanis dan Serat (BALITTAS). Data berupa data kuantitatif hasil pengukuran warna cangkang biji wijen menggunakan chromameter yang terdiri dari 3 atribut yaitu L*, a*, b*. Hasil rata-rata Mean Square Error (MSE) dari metode GA-KMeans yaitu 10.1793 sedangkan metode K-Means yaitu 10.4262. Hasil rata-rata Silhouette Coefficient dari metode GA-KMeans yaitu 0.7701 sedangkan metode K-Means yaitu 0.7660. Sehingga dapat disimpulkan bahwa metode GA-KMeans jauh lebih baik digunakan dalam metode pengelompokan dibandingkan dengan metode K-Means.

English Abstract

In some countries, sesame seeds were used as an ingredient for making wine and cakes, while sesame oil can be used for cooking materials, pharmaceuticals, and cosmetics. Sesame is number eight in the world production of vegetable oil seeds which have a higher oil content (about 50%) from most vegetable oils, although production is lower than other vegetable oils such as soybean. One of the most important attribute to introduce the sesame seeds on the market is the color of the seeds. Because of the importance of these properties, then the seed color is being main the target in sesame breeding program. Research in sesame breeding program that has been done before that measure the color sesame seed coat with qualitative methods and quantitative methods from the inheritance sesame. But there has been no method used in sesame seed coat color grouping. One of the solution to overcome this problem is a decision-making of the sesame seeds grouping based of sesame seed coat color with using GA-KMeans method. This study used secondary data of Balai Penelitian Tanaman Pemanis dan Serat (BALITTAS) thesis. The form of these data are quantitative data of color measurement results using chromameter sesame seed shell consisting of three attributes, L *, a *, b *. The average of Mean Square Error (MSE) of the GA-KMeans method is 10.1793, while the K-Means method is 10.4262. The average of Silhouette Coefficient of GA-Kmeans method is 0.7701, while the K-Means method is 0.7660. So it can be concluded that the GA-KMeans method much better used in grouping method than K-Means method.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/49/051701145
Subjects:	000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Kustati
Date Deposited:	14 Feb 2017 08:28
Last Modified:	17 May 2022 06:26
URI:	http://repository.ub.ac.id/id/eprint/147479

Text 125150201111042_HANUM_MAULIDA_DOKUMEN.pdf Download (4MB)

Actions (login required)

View Item