Nadila, Nadila (2025) IDENTIFIKASI KEMATANGAN KACANG PANJANG BERDASARKAN CITRA MENGGUNAKAN METODE EXTREME GRADIENT BOOSTING (XGBOOST). S1 thesis, Universitas Malikussaleh.

	Text COVER NADILA.pdf Download (23kB)
	Text ABSTRAK NADILA.pdf Download (51kB)
	Text BAB 1 NADILA.pdf Download (80kB)
	Text DAPUS NADILA.pdf Download (135kB)
	Text TGA_210180016_Nadila.pdf Restricted to Registered users only Download (2MB)

Abstract

Kacang panjang (Vigna sinensis L.) merupakan salah satu komoditas hortikultura yang banyak dibudidayakan dan digunakan secara luas dalam konsumsi seharihari di Indonesia. Penentuan tingkat kematangan secara manual oleh petani sering kali tidak akurat akibat subjektivitas dan keterbatasan pengalaman. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi tingkat kematangan kacang panjang berdasarkan citra digital menggunakan metode Extreme Gradient Boosting (XGBoost). Dataset yang digunakan terdiri dari 800 citra kacang panjang yang terbagi ke dalam tiga kelas, yaitu muda, matang, dan tua, yang dikumpulkan langsung dari lahan pertanian di Desa Lesatri Dadi, Sumatera Utara. Setiap citra berisi satu objek kacang panjang (citra tunggal) guna memastikan hasil ekstraksi fitur warna dan tekstur merepresentasikan objek secara akurat. Selain itu, proses resize citra ke ukuran 128×128 piksel dilakukan untuk efisiensi komputasi, namun dapat memengaruhi tampilan warna objek sehingga memerlukan komposisi gambar yang seragam. Tahapan penelitian meliputi pengumpulan data citra, preprocessing, ekstraksi fitur warna menggunakan ruang warna HSV, ekstraksi fitur tekstur menggunakan metode Gray Level Cooccurrence Matrix (GLCM), normalisasi data, pelatihan model XGBoost, serta evaluasi kinerja model. Hasil penelitian ini menunjukkan bahwa model XGBoost mampu mengidentifikasikan tingkat kematangan kacang panjang dengan cukup baik, dengan akurasi sebesar 94%, presisi 95%, serta rata-rata recall dan F1-score sebesar 94%. Sistem identifikasi ini diimplementasikan dalam bentuk website untuk memudahkan pengguna dalam melakukan identifikasi secara otomatis. Penelitian ini diharapkan dapat menjadi solusi teknologi yang efektif dalam membantu petani menentukan waktu panen yang tepat, serta meningkatkan efisiensi dan kualitas hasil pertanian.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Nadila .
Date Deposited:	22 Aug 2025 08:57
Last Modified:	22 Aug 2025 08:57
URI:	https://rama.unimal.ac.id/id/eprint/14250

Actions (login required)

View Item