PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK MENINGKATKAN KLASIFIKASI JENIS KELAPA DENGAN FITUR AUDIO

YUSUF NIKO FITRANTO, . (2024) PENERAPAN INDEPENDENT COMPONENT ANALYSIS (ICA) UNTUK MENINGKATKAN KLASIFIKASI JENIS KELAPA DENGAN FITUR AUDIO. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (989kB)
	Text BAB 1.pdf Download (199kB)
	Text BAB 2.pdf Restricted to Registered users only Download (642kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (409kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (122kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (209kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Cocos Nucifera (kelapa) merupakan jenis pangan buah yang populer dan memiliki kandungan gizi tinggi. Buah kelapa yang dikirim dari petani umumnya memiliki variasi kematangan yang berbeda-beda. Konsumsi buah kelapa umumnya dibagi menjadi kelapa muda dan kelapa tua. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi jenis kelapa dengan memanfaatkan fitur audio menggunakan metode Independent Component Analysis (ICA). Kelapa memiliki jenis yang beragam, dan masing-masing jenis dapat diidentifikasi melalui karakteristik suara yang dihasilkan saat diketuk. Penelitian melibatkan 40 sampel kelapa dan perekaman suara ketukan buah kelapa dilakukan dengan dengan mengetuk kelapa sebanyak tiga kali dari masing-masing sampel kelapa menggunakan alat pengetuk kelapa di ruang terbuka. Data suara yang diperoleh kemudian diproses dengan metode pra-pemrosesan dan di ekstraksi menjadi beberapa fitur audio, termasuk Mel-Frequency Cepstral Coefficient (MFCC), Power Normalized Cepstral Coefficients (PNCC), Amplitude Envelope, RMS Energy, dan Zero Crossing Rate. Selanjutnya, metode Principal Component Analysis (PCA) diterapkan pada data suara asli untuk reduksi dimensi. Setelah itu, metode ICA diterapkan untuk memisahkan komponen independen dari sinyal suara. Hasil dari ICA kemudian kembali diterapkan PCA sebelum dilakukan klasifikasi menggunakan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa penerapan ICA pada data suara kelapa secara signifikan meningkatkan akurasi klasifikasi dibandingkan dengan data suara asli tanpa ICA. Akurasi diperoleh sebesar sebesar 91,67% dengan nilai precision, recall dan F1-score sebesar 91% pada data test. ***** Cocos Nucifera (coconut) is a popular fruit crop with high nutritional content. Coconuts delivered from farmers generally exhibit varying degrees of maturity. The consumption of coconuts is typically divided into young and mature coconuts. This study aims to enhance the accuracy of coconut classification by utilizing audio features through the Independent Component Analysis (ICA) method. Coconuts come in diverse types, each identifiable by the sound characteristics produced when tapped. The research involved 40 coconut samples, with coconut tapping sounds recorded by tapping each coconut three times using a coconut tapping tool in an open space. The obtained sound data were preprocessed and extracted into several audio features, including Mel-Frequency Cepstral Coefficient (MFCC), Power Normalized Cepstral Coefficients (PNCC), Amplitude Envelope, RMS Energy, and Zero Crossing Rate. Subsequently, Principal Component Analysis (PCA) was applied to the original sound data for dimensionality reduction. Then, the ICA method was applied to separate independent components from the sound signals. The results of ICA were then reapplied to PCA before classification using Support Vector Machine (SVM). The research findings indicate that the application of ICA to coconut sound data significantly improves classification accuracy compared to original sound data without ICA. An accuracy of 91.67% was achieved with precision, recall, and F1- score values of 91% on the test data.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr.rer.nat. Bambang Heru Iswanto, M.Si. ; 2). Haris Suhendar, M.Sc.
Subjects:	Sains > Sains, Ilmu Pengetahuan Alam Sains > Fisika Teknologi dan Ilmu Terapan > Teknologi (umum)
Divisions:	FMIPA > S1 Fisika
Depositing User:	Users 24075 not found.
Date Deposited:	31 Jul 2024 01:22
Last Modified:	31 Jul 2024 01:22
URI:	http://repository.unj.ac.id/id/eprint/47431

Actions (login required)

View Item