Cover Image

Klasifikasi Citra Makanan Menggunakan Algoritme Learning Vector Quantization Berdasarkan Ekstraksi Fitur Color Histogram Dan Gray Level Co-Occurrence Matrix

Main Author: Simarmata, Sarah Yuli Evangelista
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2019
Subjects:
518.1 Algorithms
Online Access: http://repository.ub.ac.id/169163/1/Sarah%20Yuli%20Evangelista%20Simarmata%20%282%29.pdf
http://repository.ub.ac.id/169163/
ctrlnum 169163
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/169163/</relation><title>Klasifikasi Citra Makanan Menggunakan&#xD; Algoritme Learning Vector Quantization&#xD; Berdasarkan Ekstraksi Fitur Color Histogram Dan&#xD; Gray Level Co-Occurrence Matrix</title><creator>Simarmata, Sarah Yuli Evangelista</creator><subject>518.1 Algorithms</subject><description>Banyak foto makanan yang tersebar di media sosial namun terkadang kita lupa&#xD; bahkan tidak mengetahui nama makanan tersebut. Kemampuan manusia untuk&#xD; mengenali dan mengidentifikasi juga subjektif terhadap pengaruh eksternal,&#xD; seperti kelelahan, prasangka dan sebagainya. Komputer dapat membantu dengan&#xD; membuat sebuah sistem yang dapat mengenali dan mengidentifikasi makanan&#xD; melalui gambar. Penelitian telah dilakukan bahwa proses identifikasi dan&#xD; klasifikasi secara otomatis menggunakan komputer dapat menghemat waktu&#xD; dibandingkan harus mengidentifikasi secara manual. Citra pada makanan memiliki&#xD; warna dan tekstur yang berbeda-beda. Metode ekstraksi fitur warna yang&#xD; digunakan pada penelitian ini adalah Color Histogram dan ekstraksi fitur tekstur&#xD; menggunakan Gray Level Co-occurrence Matrix (GLCM). Total data citra yang&#xD; digunakan sebanyak 255 data yang terdiri dari 240 data latih dan 15 data uji.&#xD; Algoritme klasifikasi yang digunakan adalah algoritme Learning Vector&#xD; Quantization (LVQ), dengan parameter terbaik yang dapat digunakan yaitu nilai&#xD; learning rate (&#x3B1;) sebesar 0,1, penurunan learning rate sebesar 0,1, maksimum&#xD; epoch sebesar 2, nilai minimum learning rate sebesar 0,01 menghasilkan akurasi&#xD; sebesar 53,33%. Pengujian yang dilakukan menggunakan ekstraksi fitur warna dan&#xD; tekstur menghasilkan akurasi sebesar 53,33%. Penggunaan metode ekstraksi fitur&#xD; warna saja menghasilkan akurasi tertinggi yaitu sebesar 67,00%, dan penggunaan&#xD; metode ekstraksi fitur tekstur saja menghasilkan akurasi sebesar 53,33%.&#xD; Berdasarkan hasil tersebut dapat disimpulkan bahwa algoritme LVQ berdasarkan&#xD; ekstraksi fitur Color Histogram dan GLCM dapat digunakan untuk klasifikasi citra&#xD; makanan namun tidak menghasilkan akurasi yang sempurna</description><date>2019-01-02</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/169163/1/Sarah%20Yuli%20Evangelista%20Simarmata%20%282%29.pdf</identifier><identifier> Simarmata, Sarah Yuli Evangelista (2019) Klasifikasi Citra Makanan Menggunakan Algoritme Learning Vector Quantization Berdasarkan Ekstraksi Fitur Color Histogram Dan Gray Level Co-Occurrence Matrix. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FILKOM/2019/192/051902362</relation><recordID>169163</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Simarmata, Sarah Yuli Evangelista
title Klasifikasi Citra Makanan Menggunakan Algoritme Learning Vector Quantization Berdasarkan Ekstraksi Fitur Color Histogram Dan Gray Level Co-Occurrence Matrix
publishDate 2019
topic 518.1 Algorithms
url http://repository.ub.ac.id/169163/1/Sarah%20Yuli%20Evangelista%20Simarmata%20%282%29.pdf
http://repository.ub.ac.id/169163/
contents Banyak foto makanan yang tersebar di media sosial namun terkadang kita lupa bahkan tidak mengetahui nama makanan tersebut. Kemampuan manusia untuk mengenali dan mengidentifikasi juga subjektif terhadap pengaruh eksternal, seperti kelelahan, prasangka dan sebagainya. Komputer dapat membantu dengan membuat sebuah sistem yang dapat mengenali dan mengidentifikasi makanan melalui gambar. Penelitian telah dilakukan bahwa proses identifikasi dan klasifikasi secara otomatis menggunakan komputer dapat menghemat waktu dibandingkan harus mengidentifikasi secara manual. Citra pada makanan memiliki warna dan tekstur yang berbeda-beda. Metode ekstraksi fitur warna yang digunakan pada penelitian ini adalah Color Histogram dan ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM). Total data citra yang digunakan sebanyak 255 data yang terdiri dari 240 data latih dan 15 data uji. Algoritme klasifikasi yang digunakan adalah algoritme Learning Vector Quantization (LVQ), dengan parameter terbaik yang dapat digunakan yaitu nilai learning rate (α) sebesar 0,1, penurunan learning rate sebesar 0,1, maksimum epoch sebesar 2, nilai minimum learning rate sebesar 0,01 menghasilkan akurasi sebesar 53,33%. Pengujian yang dilakukan menggunakan ekstraksi fitur warna dan tekstur menghasilkan akurasi sebesar 53,33%. Penggunaan metode ekstraksi fitur warna saja menghasilkan akurasi tertinggi yaitu sebesar 67,00%, dan penggunaan metode ekstraksi fitur tekstur saja menghasilkan akurasi sebesar 53,33%. Berdasarkan hasil tersebut dapat disimpulkan bahwa algoritme LVQ berdasarkan ekstraksi fitur Color Histogram dan GLCM dapat digunakan untuk klasifikasi citra makanan namun tidak menghasilkan akurasi yang sempurna
id IOS4666.169163
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-28T06:53:34Z
last_indexed 2021-10-28T06:53:34Z
recordtype dc
_version_ 1751454138790576128
score 17.538404

Lihat Juga