Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur
| Main Authors: | Widians, Joan Angelina, Pakpahan, Herman Santoso, Budiman, Edy, Haviluddin, Haviluddin, Soleha, Maratus |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Universitas Mulawarman
, 2019
|
| Subjects: | |
| Online Access: |
http://e-journals.unmul.ac.id/index.php/INF/article/view/3213 http://e-journals.unmul.ac.id/index.php/INF/article/view/3213/2187 |
| ctrlnum |
article-3213 |
|---|---|
| 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"><title lang="en-US">Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur</title><creator>Widians, Joan Angelina</creator><creator>Pakpahan, Herman Santoso</creator><creator>Budiman, Edy</creator><creator>Haviluddin, Haviluddin</creator><creator>Soleha, Maratus</creator><subject lang="en-US">Artficial Intelligent</subject><subject lang="en-US">Klasifikasi Bawang; Ekstraksi Fitur Bentuk; Ekstraksi Fitur Tekstur; K-Nearest Neighbor (KNN)</subject><subject lang="en-US">(JURTI) Jurnal Rekayasa Teknologi Informasi</subject><description lang="en-US">Bawang merupakan tumbuhan penting bagi manusia yang termasuk dalam Genus Allium. Umbi, daun, atau bunga bawang dimanfaatkan sebagai sayuran atau sebagai rempah-rempah, tergantung bagaimana kita memandangnya. Memilih jenis bawang berdasarkan ciri – ciri sangatlah mudah dilakukan oleh manusia tetapi tidak mudah dilakukan oleh komputer. Penelitian ini bertujuan untuk klasifikasi jenis bawang dengan menerapkan metode K-Nearest Neighbor (KNN) berdasarkan ekstraksi fitur bentuk dan tekstur. Dari ektrstraksi fitur bentuk menggunanakan parameter metric dan eccentricity. Pada ekstraksi fitur tekstur menggunakan parameter contrast, correlation, energy, dan homogeneity. Dari ekstraksi fitur tersebut akan didapatkan 6 parameter yang digunakan untuk proses klasifikasi. Data yang digunakan dalam penelitian ini ada 5 jenis bawang yaitu bawang dayak, bawang merah, bawang bombai, bawang putih, dan bawang lanang dengan masing-masing bawang 10 citra dan jumlah data keseluruhan adalah 50 citra. Hasil evaluasi pengujian sebanyak 5 kali secara keseluruhan dapat dilihat bahwa dengan pengujian 50% dari 50 citra bawang dihasilkan akurasi sebesar 84% dengan menggunakan k3, k5, dan k7. Rata-rata akurasi penggunaan nilai k  pada 5 kali pengujian yang terbaik yaitu pada k7 dengan akurasi 83.13%, sedangkan rata-rata akurasi berdasarkan 5 kali pengujian terbaik dan penggunaan k terbaik dihasilkan sebesar 83.56%. </description><publisher lang="en-US">Universitas Mulawarman</publisher><contributor lang="en-US"/><date>2019-12-20</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>File:application/pdf</type><identifier>http://e-journals.unmul.ac.id/index.php/INF/article/view/3213</identifier><identifier>10.30872/jurti.v3i2.3213</identifier><source lang="en-US">Jurnal Rekayasa Teknologi Informasi (JURTI); Vol 3, No 2 (2019): Jurnal Rekayasa Teknologi Informasi (JURTI); 139-146</source><source>2580-667X</source><source>2579-8790</source><source>10.30872/jurti.v3i2</source><language>eng</language><relation>http://e-journals.unmul.ac.id/index.php/INF/article/view/3213/2187</relation><rights lang="en-US">Copyright (c) 2020 Jurnal Rekayasa Teknologi Informasi (JURTI)</rights><rights lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</rights><recordID>article-3213</recordID></dc>
|
| language |
eng |
| format |
Journal:Article Journal Other:info:eu-repo/semantics/publishedVersion Other File:application/pdf File Journal:eJournal |
| author |
Widians, Joan Angelina Pakpahan, Herman Santoso Budiman, Edy Haviluddin, Haviluddin Soleha, Maratus |
| title |
Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan Ekstraksi Fitur Bentuk dan Tekstur |
| publisher |
Universitas Mulawarman |
| publishDate |
2019 |
| topic |
Artficial Intelligent Klasifikasi Bawang Ekstraksi Fitur Bentuk Ekstraksi Fitur Tekstur K-Nearest Neighbor (KNN) (JURTI) Jurnal Rekayasa Teknologi Informasi |
| url |
http://e-journals.unmul.ac.id/index.php/INF/article/view/3213 http://e-journals.unmul.ac.id/index.php/INF/article/view/3213/2187 |
| contents |
Bawang merupakan tumbuhan penting bagi manusia yang termasuk dalam Genus Allium. Umbi, daun, atau bunga bawang dimanfaatkan sebagai sayuran atau sebagai rempah-rempah, tergantung bagaimana kita memandangnya. Memilih jenis bawang berdasarkan ciri – ciri sangatlah mudah dilakukan oleh manusia tetapi tidak mudah dilakukan oleh komputer. Penelitian ini bertujuan untuk klasifikasi jenis bawang dengan menerapkan metode K-Nearest Neighbor (KNN) berdasarkan ekstraksi fitur bentuk dan tekstur. Dari ektrstraksi fitur bentuk menggunanakan parameter metric dan eccentricity. Pada ekstraksi fitur tekstur menggunakan parameter contrast, correlation, energy, dan homogeneity. Dari ekstraksi fitur tersebut akan didapatkan 6 parameter yang digunakan untuk proses klasifikasi. Data yang digunakan dalam penelitian ini ada 5 jenis bawang yaitu bawang dayak, bawang merah, bawang bombai, bawang putih, dan bawang lanang dengan masing-masing bawang 10 citra dan jumlah data keseluruhan adalah 50 citra. Hasil evaluasi pengujian sebanyak 5 kali secara keseluruhan dapat dilihat bahwa dengan pengujian 50% dari 50 citra bawang dihasilkan akurasi sebesar 84% dengan menggunakan k3, k5, dan k7. Rata-rata akurasi penggunaan nilai k pada 5 kali pengujian yang terbaik yaitu pada k7 dengan akurasi 83.13%, sedangkan rata-rata akurasi berdasarkan 5 kali pengujian terbaik dan penggunaan k terbaik dihasilkan sebesar 83.56%. |
| id |
IOS5890.article-3213 |
| institution |
Universitas Mulawarman |
| affiliation |
onesearch.perpusnas.go.id |
| institution_id |
188 |
| institution_type |
library:university library |
| library |
Fakultas Ilmu Komputer Dan Teknologi Informasi Universitas Mulawarman samarinda |
| library_id |
1099 |
| collection |
Jurnal Rekayasa Teknologi Informasi |
| repository_id |
5890 |
| subject_area |
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| city |
Samarinda |
| province |
KALIMANTAN TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS5890 |
| first_indexed |
2020-03-03T00:00:16Z |
| last_indexed |
2020-08-08T23:47:10Z |
| recordtype |
dc |
| _version_ |
1686402813911891968 |
| score |
17.538404 |