671 research outputs found
Perancangan Aplikasi Belajar Hijaiyah pada Android Menggunakan Metode Rectangles Collision Detection
No full textNowadays, technology development on mobile device has growing rapidly, one of the
most popular technology is Android. Android is an open platform operating system
which designed for mobile device. As a technology, author uses Android to design a
learning hijaiyah application for 5 to 10 years child, so that Android can used as
learning media. This research uses Rectangles Collision Detection method to process
of learning to write Hijaiyah. This application expected can help parents to teach their
children how to read and write Hijaiyah letters quickly, easily, and practically.130 HalamanSkripsi Sarjan
Pembangkitan Korpus Data Wicara Bahasa Batak Toba Menggunakan Pendekatan Hidden Markov Model
No full textPada era kemajuan teknologi 4.0, keberlangsungan dalam berkomunikasi antar bahasa tidak sesulit sebelumnya sebab adanya konsep yang berbasis elektronik dimana tidak mengharuskan mencari kamus ataupun buku bahasa untuk dijadikan acuan berbahasa. Dengan kata lain, seseorang dapat dengan mudah menggunakan teknologi kebahasaan tersebut dengan cara cukup melakukan instalasi pada smartphone masing-masing. Salah satu teknologi kebahasaan yang familiar dijumpai yaitu sistem penerjemahan. Namun, dari kemudahan tersebut menghasilkan sebuah permasalahan serius dalam sistem penerjemahan, yaitu kurang kayanya sebuah data bahasa atau biasa disebut dengan corpus. Pada saat ini, corpus yang tersedia dalam Bahasa daerah di Indonesia hanya Bahasa Sunda dan Jawa saja dan tidak ada Bahasa Batak terutama Batak Toba. Oleh karena itu, penulis melakukan pembuatan speech corpus dengan tujuan utama untuk digunakan pada sebuah translasi yang dikhususkan pada bahasa batak toba dengan metode Hidden Markov Model. Metode Hidden Markov Model digunakan untuk memodelkan sekaligus memberikan akurasi kepada kata yang telah dimodelkan sehingga kata yang digunakan untuk proses terjemahan menjadi akurat. Metode ini juga dikombinasikan dengan Gaussian Mixture Model untuk membantu metode ini memodelkan kata yang digunakan menjadi lebih baik. Akurasi tertinggi yang didapatkan dengan kombinasi kedua metode tersebut sebesar 100% dan dengan nilai Mean Absolute Percentage Error sebesar 0% untuk evaluasi model dari data audio yang telah di latih serta untuk percobaan didapatkan 43,33% dari nilai Word Recognition Rate berdasarkan 10 narasumber yang berbeda.In the era of technological advancement 4.0, continuity in communicating between languages is not as difficult as before because there are electronic-based concepts which do not require looking for dictionaries or language books to be used as language references. In other words, one can easily use the language technology by simply installing it on their respective smartphones. One of the familiar language technologies found is the translation system. However, this convenience results in a serious problem in the translation system, namely the lack of rich language data or commonly known as corpus. At this time, the corpus available in regional languages in Indonesia is only Sundanese and Javanese and there is no Batak language, especially Toba Batak. Therefore, the author made a speech corpus with the main aim of being used in a translation that is devoted to the Batak Toba language with the Hidden Markov Model method. The Hidden Markov Model method is used to model as well as provide accuracy to the words that have been modeled so that the words used for the translation process are accurate. This method is also combined with the Gaussian Mixture Model to help this method model the words used to be better. The highest accuracy obtained by the combination of the two methods is 100% and the Mean Absolute Percentage Error value is 0% for the evaluation of the model from the audio data that has been trained and for the experiment, it was obtained 43.33% of the Word Recognition Rate value based on 10 different sources.64 HalamanSkripsi Sarjan
Penerapan Speech to Speech Translator Bahasa Batak Toba - Indonesia
No full textVernacular is a variation of language used by people in a particular area. Variation of language can be seen within the school of Culture and Language Statistics with a quantitative approach and ensured through sociolinguistic methodology. Large number of vernacular existed in Indonesia, it causes communication problems or challenges, the meaning behind communication received by the communicant is not well delivered or not the same as what the communicator wants to convey. The reason behind it are the differences in cultural backgrounds. Specifically in the case of the people of North Sumatra province, especially ethnic or Toba Batak people a miscommunication problem come to place. The Batak Toba ethnic is one of the six Batak’s sub-ethnic that occupied North Sumatra province. Sociolinguist explains that the difference in distance between districts can be one of the part factors of the Toba Batak ethnic dialect which has a significant difference, namely the way of conveying information. Therefore, the author makes a translation system, especially translation in the Toba Batak language. This translation system is developed by using the Rule-Based Machine Translation method as a translator and Speech Synthesis as a text converter into audio and records are made using the Speech Recognition method. Data that being used in this translation system is based on the speech corpus that has been made in other studies using the Batak Toba language. This translation system was created with the aim of translating the Batak Toba language well so that there are no more mistakes in receiving the information. The results of implementation S2ST system obtained the average accuracy about 52%.Bahasa daerah merupakan suatu variasi bahasa yang digunakan oleh masyarakat pada daerah tertentu. Variasi bahasa dapat terlihat jelas pada penelitian Statistik Kebudayaan dan Bahasa dengan pendekatan kuantitatif serta tervalidasi melalui metodologi sosiolinguistik. Dengan banyaknya jumlah variasi bahasa daerah yang ada di Indonesia akan menimbulkan masalah atau tantangan komunikasi yaitu makna informasi yang diterima oleh komunikan tidak tersampaikan oleh komunikator karena terdapat perbedaan latar belakang budaya dalam kasus masyarakat provinsi Sumatera Utara, khususnya etnis atau suku bangsa Batak Toba. Etnis Batak Toba merupakan salah satu dari enam sub etnis Batak yang berada di provinsi Sumatera Utara. Ilmu sosiolinguistik menjelaskan perbedaan jarak antar kabupaten tersebut dapat menjadik salah satu faktor dialek etnis Batak Toba yang memiliki perbedaan secara signifikan, yaitu dari cara menyampaikan informasi sehingga timbul suatu masalah yakni miskomunikasi, khususnya pada saat masyarakat pendatang ingin berkomunikasi dengan etnis tersebut. Guna mengatasi masalah tersebut, penelitian ini mengusulkan penerapan sistem Speech To Speech Translation (S2ST) khususnya mentranslasikan dialek audio Bahasa Batak Toba menuju Bahasa Indonesia. Sistem translasi ini dibuat dengan landasan pada sistem Rule-Based Machine Translation (RBMT) sebagai penerjemah Bahasa Batak Toba menuju Bahasa Indonesia dan Speech Synthesis sebagai penggenerasian data teks menjadi audio serta record yang dibentuk menggunakan metode Speech Recognition. Hasil penerapan pada sistem S2ST tersebut mendapatkan total hasil rata – rata akurasi sebesar 52%.241 HalamanSkripsi Sarjan
Integrasi Kamus Multibahasa Menggunakan Semantic Web
No full textMachine translation is a computational linguistic technology used for understanding a
language. Currently, machine translation used is machine translation using monolingual
and bilingual lexical dictionary. Although lexical dictionary has been widely available,
lexical database generally translates only one to one destination language. In addition,
if the translated language is an uncommon language, e.g. local language, translation will
be done in two steps, such as the language will be translated to the nearest language
then retranslated into destination language. This process requires a lot of work in order
to get the translated language. Hence, an approach to perform integration of multiple
lexical dictionaries is needed to get multiple translations in one time. The approach
proposed by the author is the use of semantic web to integrate multiple online
dictionaries for making a multilingual dictionaries system. In this experiment, the
lexical dictionaries used are Indonesian, English, and Bataknese dictionaries in which
the dictionary data will be crawled from the web source using JSoup. For lexical
database building, words, definitions, and synonyms will be built using a semiautomatic
approach. Then, the translation relation between languages will be linked and
saved to SPARQL server in RDF format. This experiment shows that semantic web is
able to perform the integration of multilingual dictionaries. In addition, the proposed
system shows optimal performance in term of information processing and almost all
displayed information match the source dictionary. Factors affecting data discrepancy
between system and dataset are error during crawling and linking word ID.Translasi mesin merupakan teknologi komputasi linguistik yang digunakan untuk
memahami suatu bahasa. Translasi mesin yang digunakan saat ini adalah translasi mesin
menggunakan kamus leksikal monolingual dan bilingual. Walaupun kamus leksikal
telah banyak tersedia, kamus leksikal umumnya hanya melakukan translasi dari satu
bahasa sumber ke satu bahasa tujuan. Selain itu, jika bahasa translasi merupakan bahasa
yang tidak umum, misalnya bahasa daerah, pentranslasian akan dilakukan dua tahap,
yakni pentranslasian ke bahasa yang terdekat kemudian diterjemahkan lagi ke dalam
bahasa tujuan. Proses ini membutuhkan waktu yang lama untuk mendapatkan hasil
translasi. Oleh karena itu, diperlukan sebuah pendekatan yang mampu melakukan
pengintegrasian beberapa kamus leksikal sehingga dapat menghasilkan beberapa
bahasa tujuan dalam satu waktu. Pendekatan yang diajukan oleh penulis adalah
pendekatan menggunakan semantic web untuk mengintegrasikan beberapa kamus
online sehingga menghasilkan sebuah sistem kamus multibahasa. Pada penelitian ini,
kamus leksikal yang akan dibangun adalah kamus bahasa Indonesia, Inggris, dan Batak
dimana data pada kamus akan dicrawling dari sumber web kamus menggunakan JSoup.
Dalam pembangunan kamus leksikal, kata, definisi, dan sinonim akan dibangun terlebih
dahulu menggunakan metode semi otomatis. Kemudian, hubungan translasi antar
bahasa akan dibangun dan data leksikal akan disimpan ke dalam SPARQL server dalam
format RDF. Hasil dari penelitian ini menunjukkan bahwa metode semantic web
mampu mengintegrasikan kamus multibahasa dengan baik. Selain itu, sistem yang
dibangun menunjukkan performa yang optimal dalam hal pemrosesan informasi dan
hampir semua informasi yang ditampilkan sesuai dengan sumber kamus. Adapun hal
yang mempengaruhi ketidaksesuaian data sistem dengan dataset yang digunakan adalah
kesalahan pada saat crawling dan penghubungan ID kata.Skripsi Sarjan
Identifikasi Penyakit DBD (Demam Berdarah Dengue) pada Anak Menggunakan Metode Artificialneural Networks
No full textDemam berdarah dengue atau dengue hemorrhagic fever (DBD) merupakan komplikasi dari demam dengue (dengue fever) yang memburuk.Penelitian ini bertujuan mengidentifikasi penyakit DBD (demam berdarah dengue) pada anak menggunakan metode artificial neural networks untuk hasil identifikasi awal pada penyakit DBD (demam berdarah dengue).Tahapan Studi Literatur dengan mengumpulkan referensi dan analisis permasalahan terkait dengan demam berdarah, khususnya terhadap gambar (image) ruam dari gigitan Nyamuk. Lalu melakukan perancanganperangkat lunak yang akan digunakan untuk mengetahui apakah teridentifikasi atau tidak teridentifikasi Demam berdarah berdasarkan Gambar (image) dari data yang di input. Aplikasi ini dilakukan pengujian terhadap masyarakat dengan menyusun laporan pengumpulan data (image) yang akan di proses dalam aplikasi.Hasil data gambar (image) yang berupa gambar yang telah dianalisis terlebih dahulu untuk tahap training (pembelajaran) dengan GLCM (Gray Level Co-Occurrence Matrix, meskipun tidak semua gambar (image) dapat dijangkau oleh aplikasi ini, tetapi cukup banyak gambar (image) yang diperoleh sehingga dapat dilakukan analisis untuk mengambil titik tertentu pada gambar (image) yang dapat ditentukan sebagai acuan untuk pengambilan keputusan. Hasil dari 50 percobaan diperoleh 45 citra berhasil, 5 citra gagal, sehingga akurasi 90 % dalam waktu 3 – 5 detik.Dengue hemorrhagic fever or dengue hemorrhagic fever (DHF) is a complication of dengue fever (dengue fever) that worsens. This study aims to identify dengue (dengue hemorrhagic fever) in children using methods of artificial neural networks for the initial identification of dengue (dengue hemorrhagic fever).Stages of Literature Study by collecting references and analysis of problems related to dengue fever, especially to the image of the rash from mosquito bites. Then do the software design that will be used to determine whether it is identified or not identified Dengue fever based on the image (image) of the data input. This application is tested by the community by compiling a report on data collection (image) that will be processed in the application.The results of image data in the form of images that have been analyzed in advance for the training stage (learning) with LCM (Gray Level Co-Occurrence Matrix, although not all images (images) can be reached by this application, but quite a lot of images (images) are obtained so that analysis can be taken to take the point certain image (image) that can be determined as a reference for decision making.The results of 50 experiments obtained 45 successful images, 5 images failed, resulting in 90% accuracy in 3 – 5seconds.71 HalamanSkripsi Sarjan
Implementasi Face Recognition untuk Presensi Kelas Menggunakan Metode Local Binary Patterns Histogram (LBPH)
No full textDunia pendidikan tidak terlepas dari penggunaan teknologi, salah satunya pada sistem
presensi. Teknologi yang sering digunakan dalam sistem presensi yaitu dengan
menggunakan ID Card dan fingerprint. Sistem yang menggunakan dua teknologi
tersebut masih dapat dimanipulasi dan memiliki kekurangan, oleh karena itu teknologi
face recognition dapat dijadikan sebagai solusi untuk permasalahan ini. Penggunaan
face recognition mampu mengidenfikasi wajah setiap orang dengan struktur wajah yang
berbeda-beda sehingga proses presensi tidak dapat dimanipulasi. Metode yang
digunakan dalam penilitian ini yaitu Local Binary Patterns Histogram (LBPH). Sistem
ini dibangun berbasis mobile (Android) yang sudah dimiliki orang pada umumnya. Citra
wajah yang diambil dari kamera akan melalui proses pre-processing kemudian hasilnya
akan diproses oleh Local Binary Patterns Histogram sehingga wajah mahasiswa dapat
diidentifikasi. Setelah dilakukan pengujian pada 2000 data traning dan 100 data testing,
diperoleh kesimpulan bahwa metode yang diajukan memiliki kemampuan
mengidentifikasi wajah mahasiswa dengan akurasi sebesar 95%.The education world can’t be separated from the use of technology, one of them used
in the attendance system. ID Card and fingerprint are technology that often used in
attendance system. Both of that systems can still be manipulated and have
shortcomings, therefore the face recognition technology can serve as a solution to fix
this problem. The use of face recognition is able to identify the faces of each person
with different facial structures so that the absence process can’t be manipulated. The
used method in this research is Local Binary Patterns Histogram (LBPH). This system
is built based on mobile device (Android) that already owned by people in general. The
taken face images that captured using camera will go through pre-processing step then
the result will be processed by Local Binary Patterns Histogram, so the students faces
can be identified. After testing on 2000 data traning and 100 data testing, it is concluded
that the proposed method has the ability to identify the students’ faces with accuracy of
95%.Skripsi Sarjan
Implementasi Bayesian Model Averaging pada Aplikasi Forecasting Data Cuaca Memanfaatkan Open Weather Map
No full textCuaca merupakan suatu kondisi udara di suatu tempat pada waktu yang relatif singkat, yang dinyatakan dengan nilai berbagai parameter seperti suhu, tekanan udara, kecepatan angin, kelembaban udara, dan berbagai fenomena atmosfer lainnya. Pada kenyatannya, dampak pemanasan global mengakibatkan terjadinya cuaca ekstrim yang akan memunculkan musim kering, banjir, angin topan dan gejala cuaca lain yang mempunyai dampak langsung pada kehidupan sosial dan ekonomi manusia. Oleh karena itu dibutuhkan teknik peramalan yang dapat memprediksi cuaca dengan output berbeda berupa pemetaan berbasis GIS dimana setiap koordinat wilayah berisi informasi mengenai status cuaca pada saat itu juga dan dapat melakukan peramalan sampai tujuh hari kedepan. Data yang digunakan diambil secara real time dari server openweathermap dan BMKG. Untuk mendapatkan error peramalan yang rendah serta tingkat akurasi peramalan yang tinggi, penulis menggunakan metode Bayesian Model Averaging (BMA). Dari hasil penelitian, terbukti bahwa metode ini memiliki tingkat akurasi yang baik, dengan nilai error peramalan yang dihitung dengan mean square error (MSE) sebesar 0,28 untuk suhu minimum, 0.15 untuk suhu maksimum, 0.38 untuk kelembapan minimum, 0.04 untuk kelembapan maksimum dan 0.076 untuk kecepatan angin. Semakin rendahnya nilai error peramalan menunjukkan peramalan memiliki tingkat akurasi yang lebih optimal.Weather is a condition of air in a certain region at a relatively short period of time, measured by various parameter such as temperature, air preasure, wind velocity, humidity and other atmosphere phenomenon. In fact, global warming result in extreme weather will lead to drought, flood, hurricane and other form of weather occasion, which affect social and economy environment directly. Hence, a forecasting technique to predict weather with distinct output, specifically mapping process based on GIS with information about current weather status in each region coordinate and can do forecasting for seven days ahead. Used data retrieved in real time from the server openweathermap and BMKG. To obtain a low forecasting error and high accuracy of forecasting, the authors use the method of Bayesian Model Averaging (BMA). The result showed that the BMA method has good accuracy, forecasting error value calculated by mean square error (MSE) 0.28 for the minimum temperature, 0.15 for the maximum temperature, 0.38 for minimum humidity, 0.04 for maximum humidity and 0.076 for wind speed. The lower the value of forecasting error, then the forecasting accuracy will be optimized.84 HalamanSkripsi Sarjan
Identifikasi Osteoporosis Menggunakan Extreme Learning Machine
No full textOsteoporosis adalah kondisi dimana tulang kehilangan kekuatan dan rentan mengalami patah tulang. Osteoporosis tidak menunjukkan gejala di luar dan tanda pertama osteoporosis seringkali merupakan tulang yang rusak. Tulang yang rusak dan patah adalah hal yang sama. Tulang yang paling sering patah akibat osteoporosis adalah pergelangan tangan, pinggul dan tulang belakang. Penyakit osteoporosis tidak dapat dilihat secara kasat mata. Pada penelitian ini identifikasi osteoporosis menggunakan citra hasil x-ray (bone radiograph). Adapun metode yang digunakan untuk mengidentifikasi adalah extreme learning machine yang pada sebelumnya nilai ciri pada citra diambil menggunakan ekstraksi fitur invariant moment. Nilai ciri dari citra bone radiograph akan melalui tahap klasifikasi menggunakan elm, lalu akan didapatkan hasil citra normal atau osteoporosis. Pada penelitian ini menggunakan 86 citra sebagai data training dan 30 citra sebagai data testing. Pengujian citra akan menggunakan beberapa parameter seperti epoch 1000, hidden node 50, threshold 170, dan learning rate 0,2 memiliki kemampuan dalam mengidentifikasi osteoporosis mendapatkan hasil akurasi sistem sebesar 90%.Osteoporosis is a condition in which bones lose it strength and prone to fractures. Osteoporosis doesn‟t present obvious symptoms and the first sign of osteoporosis is a broken bone. A broken bone and a fractured bone is the same condition. People with osteoporosis most often break bones in the spine, hip and backbone. Osteoporosis is invisible. In this study, an x-ray image (bone radiograph) is used to identification the disease of osteoporosis. The method that used to identification is extreme learning machine and the feature value of the image was taken /using/ feature extraction based on invariant moment. Chracteristic values from the bone radiograph images will go through classification stage using Extreme learning machine method, then the normal or osteoporosis image will be obtained. This study used 86 images for training data and 30 images for testing data. Image testing will be using several parameters such as epoch 1000, hidden node 50, threshold 170, and learning rate 0.2 and the result of accuration system in identifying osteoporosis was 90%.71 HalamanSkripsi Sarjan
Pengenalan Wajah Secara Real Time dengan Fisherface Menggunakan Satu Gambar Per Orang dalam Android
No full textRapid development in technology, especially in multimedia provides feature to visualize data. In this research, author choose to visualize student data which can be obtained from student directory. For better visualization, face recognition would ease users. But face recognition needs a lot of train data before recognizing people. This would be a problem as in student directory, each student only have one image. To implement face recognition, the system needs a method where face recognition system could be trained with one single image per person. With Fisherface Methods, it is possible to have face recognition with only one image per person. A pre-processing technique is applied in this system as it increase the accuracy of face recognition. This system is developed in mainstream mobile operating system, Android. This research result concludes that Fisherface Methods with student directory data achieved 85% in accuracy.Perkembangan pesat dalam dunia teknologi, terutama di bidang multimedia dapat dimanfaatkan untuk memvisualisasikan data. Dalam penelitian ini, peneliti memilih memvisualisasikan data mahasiswa.yang didapatkan pada direktori mahasiswa. Untuk memudahkan visualisasi ini, maka sistem menggunakan pengenalan wajah. Namun pengenalan wajah memerlukan banyak data dalam melatih sistem sebelum mengenali wajah. Hal ini merupakan masalah utama karena pada direktori mahasiswa, setiap mahasiswa hanya memiliki sebuah gambar. Untuk menerapkan pengenalan wajah, sistem memerlukan sebuah metode dimana sistem pengenalan wajah dapat dilatih hanya dengan satu gambar per orang. Dengan metode Fisherface, pengenalan wajah menggunakan satu gambar per orang memungkinkan. Teknik pre-processing pun digunakan dalam sistem ini karena mampu meningkatkan akurasi pengenalan wajah. Sistem ini dibangun untuk perangkat mobile yang sering digunakan orang, Android. Hasil penelitian ini menunjukkan metode Fisherface dengan data direktori mahasiswa memberikan akurasi hingga 85%.Skripsi Sarjan
Klasifikasi Kematangan Buah Mangrove Menggunakan Metode Deep Convolutional Neural Network
No full textMangrove is a community of plants that live between the sea and land which is affected by tides. Indonesia has the largest mangrove forest in the world and also has the largest biodiversity and most varied structure. In general, mangrove plants have several benefits, such as preventing coastal erosion, preventing seepage of seawater to land which can cause groundwater turns into turbid condition, as a place to live and a source of food for several species of animals. Mangrove plants consist of several parts, from the stem of the tree leaves, flowers and fruit. To get the optimal mangrove plants, it is necessary to have fruit which is optimal based on the ripeness level. In general, by assessing the ripeness of mangroves is only by looking manually with the eyes, so that the accuracy of mangrove fruit ripeness valuations isn't high because of they only see with eyes. Many mangrove farmers think that mangrove want to plant in case of rehabilitation, already have a good level of ripeness, but after replanted, the result isn't appropriate. To overcome this case, this study utilizes digital image processing using the Deep Convolutional Neural Network method to help the communities and farmers in recognizing the ripeness level of mangrove fruit. The image processing techniques used in this study are Grayscaling, Adaptive Threshold, Sharpening, and Smoothing. After tested in this study, it was concluded that the method applied can determine the ripeness of mangroves well and the accuracy obtained is equal to 99.1%.Mangrove adalah komunitas tumbuhan yang hidup diantara laut dan daratan yang dipengaruhi oleh pasang surut. Indonesia memiliki hutan mangrove yang terluas di dunia dan juga memiliki keragaman hayati yang terbesar serta strukturnya paling bervariasi. Umumnya, tumbuhan mangrove memiliki beberapa manfaat, seperti mencegah erosi pantai, mencegah perembesan air laut ke tanah daratan yang dapat menyebabkan air tanah menjadi payau, sebagai tempat hidup dan sumber makanan bagi beberapa jenis satwa. Tumbuhan mangrove terdiri dari beberapa bagian, mulai dari batang pohon, daun, bunga dan juga buah. Untuk mendapatkan tumbuhan mangrove yang optimal maka diperlukan buah yang tingkat kematangannya optimal pula. Pada umumnya sekarang untuk menilai kematangan buah mangrove hanya dilakukan secara manual dengan melihat secara kasat mata saja, sehingga akurasi penilaian tingkat kematangan buah mangrove pun menjadi tidak tinggi dikarenakan hanya melihat saja dengan kasat mata. Banyak petani mangrove yang mengira buah mangrove yang ingin ditanam dalam kasus rehabilitas, sudah memiliki tingkat kematangan yang sudah baik, akan tetapi setelah melakukan replanting, hasil yang didapat tidaklah sesuai. Untuk mengatasi hal tersebut, penelitian ini memanfaatkan pengolahan citra digital dengan menggunakan metode Deep Convolutional Neural Network untuk membantu masyarakat dan petani dalam mengenali tingkat kematangan buah mangrove. Teknik pengolahan citra yang digunakan dalam penelitian ini yaitu Grayscaling, Adaptive Threshold, Sharpening, dan Smoothing. Setelah dilakukan pengujian pada penelitian ini, didapat kesimpulan bahwa metode yang diterapkan dapat mengetahui kematangan buah mangrove dengan baik dan akurasi yang diperoleh yaitu sebesar 99,1%.76 HalamanSkripsi Sarjan
- …
