Klasifikasi Jenis Citra Makanan Menggunakan Color Histogram Dan Gray Level Co-occurrence Matrix Dengan K-Nearest Neighbour
| Main Author: | Priambodo, Hafid Satrio |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171862/ |
Daftar Isi:
- Kebiasaan mengonsumsi makanan secara tidak teratur merupakan salah satu faktor meningkatnya resiko kesehatan. Salah satu solusi untuk memudahkan masyarakat dalam mengetahui, mencatat, dan memantau jenis-jenis makanan yang dikonsumsi adalah dengan membuat sistem cerdas. Selain itu, sistem cerdas ini juga berguna dalam membantu meningkatkan tingkat kesadaran seseorang dalam mengonsumsi makanan yang dimakan. Proses merekam jenis makanan yang akan dikonsumsi dapat menggunakan proses klasifikasi dari nilai yang dihasilkan oleh ekstraksi fitur warna dan tekstur. Proses pengenalan diawali dengan proses preproccessing gambar dan setelah itu dilakukan pengekstraksian fitur warna dan tekstur. Metode yang digunakan untuk mengekstraksi fitur warna adalah metode Color Histogram yang akan menghasilkan fitur mean, standard deviation, skew. Sedangkan untuk metode ekstraksi tekstur dapat menggunakan metode Gray Level Co-Occurrence Matrix yang akan menghasilkan fitur Contrast, Dissimiliarity, Homogenity, Angular Second Moment (ASM), Energy, dan Entropy. Metode yang diterapkan untuk mengklasifikasikan nilai dari hasil ekstraksi fitur dapat menggunakan adalah metode klasifikasi K-Nearest Neighbour. Pada pengujian berdasarkan jenis ekstraksi fitur yang digunakan, hasil akurasi yang dihasilkan dengan menggunakan metode Color Histogram menghasilkan sebesar 80% akurasi, sedangkan pada pengujian menggunakan metode Gray Level Co-Occurrence Matrix dan pengujian menggunakan ekstraksi fitur gabungan, menghasilkan akurasi sebesar 100%. Selanjutnya, pengujian menggunakan metode perhitungan manhattan distance pada klasifikasi K-Nearest Neighbour menghasilkan akurasi sebesar 100% pada jarak ketetanggaan bernilai 3, sedangkan pengujian menggunakan metode perhitungan euclidean distance pada klasifikasi K-Nearest Neighbour menghasilkan akurasi sebesar 93,33% pada jarak ketetanggaan bernilai 3. Berdasarkan hasil pengujian tersebut, dapat disimpulkan bahwa penggunaakn metode color histogram dan gray level co-occurrence matrix dengan metode klasifikasi k-nearest neighbour dapat mengklasifikasikan citra suatu makanan