KLASIFIKASI JENIS DAUN MENGGUNAKAN METODE KNEAREST NEIGHBOURS (KNN) BERBASIS FREKUENSI, TEKSTUR, DAN BENTUK CITRA DAUN
| Main Author: | MURDANI, EDO PRASETYO |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://eprints.umg.ac.id/2013/1/Abstrak.pdf http://eprints.umg.ac.id/2013/2/BAB%20I.pdf http://eprints.umg.ac.id/2013/3/BAB%20II.pdf http://eprints.umg.ac.id/2013/4/BAB%20III.pdf http://eprints.umg.ac.id/2013/5/BAB%20IV.pdf http://eprints.umg.ac.id/2013/6/BAB%20V.pdf http://eprints.umg.ac.id/2013/7/Daftar%20Pustaka.pdf http://eprints.umg.ac.id/2013/ |
Daftar Isi:
- Setiap daun memiliki nama dan ciri yang berbeda-beda antara satu dengan yang lainnya. Dari segi ciri beberapa diantaranya yaitu ciri frekuensi, tekstur dan bentuk. Permasalahan yang dihadapi adalah terjadinya kesulitan dalam mengidentifikasi nama citra daun yang ingin diketahui nama citra daun tersebut. Seiring dengan berkembangnya teknologi dan metode saat ini, maka diperlukan suatu sistem yang dapat membantu mengklasifikasi nama citra daun dengan mengacu pada ciri frekuensi, tekstur dan bentuk serta K-Nearest Neighbor (KNN) sebagai metodenya. Data citra daun yang digunakan berjumlah 171 data dan terbagi dalam 15 kelas nama citra yang berbeda-beda. Dari hasil pengujian sistem, dengan penggunaan metode K-NN Eulidean didapatkan hasil terbaik pada perbandingan 80 persen untuk data latih dan 20 persen untuk data uji dari total jumlah data dengan nilai K=3.