Klasifikasi Citra Makanan Menggunakan K-Nearest Neighbor dengan Fitur Bentuk Simple Morphological Shape Descriptors dan Fitur Warna Grayscale Histogram
| Main Author: | Setiawan, Muhammad Rizky |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168843/1/Muhammad%20Rizky%20Setiawan.pdf http://repository.ub.ac.id/168843/ |
Daftar Isi:
- Salah satu sumber energi yang diperlukan oleh masyarakat adalah makanan. Makanan yang dikonsumsi dapat berpengaruh terhadap daya tahan tubuh. Namun, masyarakat sulit mengenali jenis makanan yang dikonsumsi karena keanekaragaman makanan semakin banyak. Hal ini menyebabkan pola makan masyarakat menjadi tidak teratur. Diperlukannya suatu sistem yang dapat mengenali jenis makanan sehingga dapat mempermudah masyarakat dalam mengatur pola makan. Tahap pertama yang dilakukan adalah melakukan preprocessing untuk mendapatkan objek makanan pada citra. Selanjutnya dilakukan ekstraksi fitur bentuk Simple Morphological Shape Descriptors (SMSD) yang terdiri dari fitur length, width, area, rectangularity N, dan aspect ratio. Kemudian dilakukan ekstraksi fitur warna Grayscale Histogram yang menghasilkan fitur mean, standard deviation, dan skewness. Setelah didapatkan hasil ekstraksi fitur, dilakukan klasifikasi citra makanan menggunakan metode K-Nearest Neighbor (KNN). Berdasarkan pengujian yang telah dilakukan, ketika menggunakan rasio jumlah data 10:90 menghasilkan nilai akurasi sebesar 70,8%. Nilai k yang optimal pada penelitian ini yaitu k=1 dengan nilai akurasi sebesar 79,2%. Jika menggunakan metode Grayscale Histogram dan metode SMSD menghasilkan nilai akurasi sebesar 77,8%. Metode Grayscale Histogram dan metode SMSD dapat digunakan untuk klasifikasi citra makanan menggunakan metode klasifikasi KNN.