IMPLEMENTASI PEMILIHAN HANPHONE DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Nama Mahasiswa/I : Muhammad Ariadi NIM : 19615053 Dosen Pembimbing I : Mulyanto, S.Kom., M.Cs Dosen Pembimbing II : Achmad Fanany Onnilita Gaffar, ST., MT. ABSTRAK Meningkatnya penjualan produk handphone membuat semakin sulit konsumen menentukan kriteria handphone yang di inginkan. Kasus-kasus yang ditemukan saat pengguna handphone salah ketika memilih handphone karena tidak mengetahui handphone yang tepat dan sesuai dengan kebutuhan mereka. Tujuan dari penelitian ini adalah untuk memberikan rekomendasi handphone yang mempermudah konsumen dalam pemilihan handphone yang tepat sesuai kebutuhan dengan menerapkan metode SAW (Simple Additive Weighting) yang berdasarkan perhitungan dari bobot kriteria yang telah ditentukan. Kriteria yang digunakan dalam menentukan handphone yang terbaik adalah kriteria harga, RAM, memori internal, baterai dan kamera. Berdasarkan data hasil perhitungan maka handphone dengan jenis oppo f9 pro, xiaomi 11t, dan samsung galaxy m51 memiliki peringkat tertinggi. Kata Kunci: Kriteria, Pemilihan Handphone, Simple Additive Weighting (SAW) IMPLEMENTATION OF HANDPHONE SELECTION USING SIMPLE ADDITIVE WEIGHTING (SAW) METHOD Name : Muhammad Ariadi Student ID Number : 19615053 Advisor I : Mulyanto, S.Kom., M.Cs Advisor II : Achmad Fanany Onnilita Gaffar, ST., MT. ABSTRACT The increasing sales of cellphone products makes it increasingly difficult for consumers to determine the criteria for the cellphone they want. Cases that are found when cellphone users are wrong when choosing a cellphone because they don't know the right cellphone and according to their needs. The purpose of this study is to provide recommendations for mobile phones that make it easier for consumers to choose the right cellphone according to their needs by applying the SAW (Simple Additive Weighting) method based on the calculation of the weight of the predetermined criteria. The criteria used in determining the best mobile phone are price criteria, RAM, internal memory, battery and camera. Based on the calculated data, the oppo f9 pro, xiaomi 11t, and samsung galaxy m51 types have the highest ranking. Keywords: Criteria, Cellphone Selection, Simple Additive Weighting (SAW) --

iii
IDENTIFIKASI PENYAKIT DAUN MANGGA
BERDASARKAN EKSTRASI FITUR BENTUK, TEKSTUR
DAN WARNA MENGGUNAKAN METODEK-NEAREST
NEIGHBOR
Nama Mahasiswa/I : Nur Aulia
NIM :19615057
Dosen Pembimbing I : Wahyuni Eka Sari, S.Kom., M.Eng. Dosen
Dosen Pembimbing II : Bedi Suprapty, S.Kom., M.Kom.
ABSTRAK
Pengenalan penyakit pada daun mangga secara otomatis diperlukan untuk
mengatasi masalah pengenalan penyakit pada daun mangga secara manual serta
mempersingkat waktu identifikasi penyakit daun, oleh sebab itu dibutuhkan
sebuah teknologi yang dapat mengidentifikasi penyakit bercak daun dan penyakit
busuk daun secara otomatis dan akurat. Fitur yang digunakan untuk
mempresentasikan keadaan daun dan menjadi pembeda antara jenis daun. Pada
penelitian ini fitur yang digunakan untuk pengenalan daun mangga adalah fitur
bentuk. Metode identifikasi dilakukan untuk mengidentifikasikan bentuk, warna
dan tekstur daun. Tujuan dari penelitian ini adalah untuk menerapkan metode K-
Nearest Neighbor pada proses identifikasi penyakit pada daun mangga
berdasarkan ekstraksi fitur bentuk,tekstur dan warna dari citra daun mangga.
Tahapan penelitian ini terdiri proses akuisisi citra, pre-processing (perbaikan
kualitas citra, resizing dan segmentasi), ekstraksi fitur bentuk, tekstur dan warna
yang kemudian akan diidentifikasi menggunakan metode K-NN. Data yang
digunakan terdiri dari 3 jenis daun mangga yaitu 50 citra bercak
daun(Colletotrichum), 50 citra busuk daun (diplodia sp), dan 50 daun sehat
sehingga total citra yang digunakan sebanyak 150 citra. Pengujian menggunakan
jumlah k=1 menghasilkan tingkat akurasi sebesar 100%, K=3 menghasilkan
tingkat akurasi sebesar 96,67%, K=5 sebesar 90,00% dan K=7 sebesar 70,00%.
Rata-rata tingkat akurasi identifikasi daun mangga menggunakan metode K-
Nearest Neighbor sebesar 89,00%.
Kata kunci: Penyakit daun mangga, Pengolahan Citra, Ekstraksi Fitur, K-
Nearest Neighbor, Confussion Matrix Multiclass, Identifikasi.