Penerapan Algoritma Grey Level Co-Occurence Matrix (GLCM) Dengan Metode K-Nearest Neighbour Untuk Klasifikasi Beras Berdasarkan Tekstur
| Main Author: | Aris |
|---|---|
| Format: | Thesis PeerReviewed |
| Terbitan: |
Universitas Komputer Indonesia
, 2015
|
| Subjects: | |
| Online Access: |
http://repository.unikom.ac.id/23635/ http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-arisnim101-33231 |
Daftar Isi:
- Pengolahan citra merupakan ilmu dasar identifikasi citra berdasarkan ciri salah satunya ciri tekstur. Ciri tekstur pada citra jika terjadi pola citra yang berulang memenuhi semua bidang citra. Ciri-ciri inilah yang menjadi dasar dalam klasifikasi citra berdasarkan tekstur. Terdapat beberapa metode untuk memperoleh ciri-ciri tekstur dalam suatu citra, Salah satu metode untuk memperoleh ciri-ciri citra tekstur adalah matriks co-occurrence. Ciri-ciri tekstur yang didapat dari metode matriks co-occurrence diantaranya adalah entropi, kontras, homogenitas, energi dan dissimilarity. Hasil dari ciri tersebut selanjutnya digunakan untuk klasifikasi menggunakan metode KNN yang menentukan hasil klasifikasi dari jarak K terdekat. Objek yang diuji adalah citra beras.Berdasarkan penelitian yang telah dilakukan dapat disimpulkan sebagai berikut : metode KNN dapat digunakan untuk klasifikasi citra beras dengan hasil ekstrkasi ciri Co-occurrence Matriks. Karena data hasil ekstrkasi ciri dapat langsung digunakan untuk klasifikasi berdasarkan kelas dan nilai K yang telah ditentukan.Berdasarkan hasil pengujian, kesimpulan yang didapatkan adalah metode KNN dapat mengklasifikasi citra dengan baik, dikarenakan data hasil ekstraksi ciri tekstur beras dengan baik dengan tingkat akurasi 100% pada citra yang ada pada basis data dan 97.% dengan citra yang tidak terdapat pada basis data. Untuk citra beras KW 2 dan KW 3 tingkat akurasi