Trisnawati, Enny (2017) Implementasi Metode Artificial Bee Colony – Kmeans (ABCKM) Untuk Pengelompokan Biji Wijen Berdasarkan Sifat Warna Cangkang Biji. Sarjana thesis, Universitas Brawijaya.
Abstract
Wijen merupakan salah satu penghasil minyak nabati yang tingkat konsumsi di dunia diperkirakan akan terus meningkat seiring dengan banyaknya manfaat dan kegunaannya. Harga jual wijen ditentukan oleh kualitas wijen. Indikator yang dapat digunakan sebagai petunjuk kualitas wijen adalah warna pada cangkang biji. Usaha untuk menghasilkan wijen kualitas terbaik salah satunya dengan cara persilangan antar kultivar. Hasil persilangan antar kultivar ini menghasilkan warna biji wijen yang beragam sehingga perlu dikelompokan berdasarkan kedekatan warnanya. Beberapa cara yang sudah dilakukan peneliti terdahulu untuk mengelompokan biji wijen seperti metode kualitatif dan kuantitatif. Kualitatif yaitu dengan pengamatan langsung oleh ahli dan kuantitatif yaitu dengan bantuan chromameter yang menghasilkan data warna berformat CIELAB (atribut L*, a* dan b*). Saat ini, ada 3 model metode kuantitatif untuk pengelompokan biji wijen yaitu metode IWOKM, PSO-K-Means dan GA-KMeans yang hasil pengelompokan datanya cukup baik. Pada penelitian ini digunakan metode ABCKM yang merupakan gabungan dari metode KMeans (KM) sebagai metode clustering dan Artificial Bee Colony (ABC) sebagai metode optimasi. Performa dari ABCKM selanjutnya akan dibandingkan dengan metode KM, IWOKM, PSO-K-Means dan GA-KMeans. Berdasarkan hasil pengujian perbandingan metode, metode ABCKM terbukti lebih baik daripada metode KM dan metode sebelumnya: IWOKM, GA-KMEANS dan PSO-K-Means dalam mengelompokan data wijen. Hal ini terbukti dengan nilai rata-rata MSE apabila menggunakan metode ABCKM hanya mencapai 10,1310 dengan nilai kekompakan kelompok sebesar 0,7717 dibandingkan metode KM dengan nilai MSE sebesar 10,4262 dan nilai kekompakan kelompok sebesar 0,7660. Sedangkan metode IWOKM untuk nilai MSE sebesar 10,1461 dan nilai kekompakan kelompok sebesar 0,7714. Metode GA-KMeans untuk nilai MSE sebesar 10,2084 dan nilai kekompakan kelompok sebesar 0,7701. Metode PSO-K-Means untuk nilai MSE sebesar 10,4136 dan nilai kekompakan kelompok sebesar 0,7686. Hasil pengelompokan metode ABCKM sama dengan metode sebelumnya yaitu C1: C2 = 233 : 58, sehingga dapat menjadi metode alternatif untuk mengelompokkan biji wijen berdasarkan sifat warna cangkang biji.
English Abstract
Sesame is one of the vegetable oil producers which consumption level in the world is expected to continue to increase, along with the many benefits and uses. The selling price of sesame is determined by the quality of the sesame. The indicator that can be used as a hint of the quality of sesame is the color on the seed shell. One of the efforts to produce the best quality sesame is by crossbreeding between cultivars. The crosses result between these cultivars is the color of the sesame seeds that vary, so it needs to be grouped by the closeness in color. Several ways that previous researchers have done to classify sesame seeds such as qualitative and quantitative methods. Qualitative is by direct observation by experts and quantitative with the help of chromameter tool that produces color data in CIELAB format (attribute L *, a * and b *). Currently, there are 3 models of quantitative methods for the sesame seeds grouping which are IWOKM method, PSO-K-Means and GA-KMeans which the result of data grouping is quite good. ABCKM method that were used in this research which is the combination of KMeans method (KM) as clustering method and Artificial Bee Colony (ABC) as an optimization method. The performance of ABCKM will then be compared with KM, IWOKM, PSO-K-Means and GA-KMeans methods. Based on the result of comparison test of method, ABCKM method proved better than KM method and the previous method: IWOKM, GA-KMEANS and PSO-K-Means in grouping the sesame data. This result proved by the average value of MSE when using ABCKM method, only reached 10.1310 with a group cohesiveness of 0.7717 when compared to KM method with MSE value of 10,4262 and group cohesiveness value equal to 0,7660. While IWOKM method for MSE value of 10,1461 and group cohesion value equal to 0,7714. GA-KMeans method for MSE value of 10,2084 and group cohesiveness value equal to 0,7701. PSO-K-Means method for MSE value of 10.4136 and group cohesiveness value of 0.7686. The result of the ABCKM method grouping is the same as the previous method C1: C2 = 233: 58, so method in this study can be used as an alternative method for sesame seed grouping based on color of seed shell.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/549/051707870 |
| Uncontrolled Keywords: | Warna Cangkang Biji, Pengelompokan, Artificial Bee Colony-Kmeans |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 29 Aug 2017 06:57 |
| Last Modified: | 13 Nov 2020 14:10 |
| URI: | http://repository.ub.ac.id/id/eprint/1858 |
Preview |
Text
Enny Trisnawati.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |