IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DALAM KLASIFIKASI JENIS JAMUR

MEILIAWATI, DILA AJENG (2023) IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE GRAY LEVEL CO-OCCURANCE MATRIX DALAM KLASIFIKASI JENIS JAMUR. Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRAK.pdf Download (11kB)
	Text COVER.pdf Download (150kB)
	Text DAFTAR ISI.pdf Download (92kB)
	Text DAFTAR PUSTAKA.pdf Download (86kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (437kB)
	Text SKRIPSI FULL_DILA AJENG.pdf Restricted to Repository staff only Download (1MB)

Abstract

ABSTRAK
Dalam pengolahan citra digtal, ekstraksi ciri merupakan satu hal yang penting untuk
dilakukan agar mendapat informasi penting mengenai karakteristik citra tersebut. Salah satu
ekstraksi ciri yang dapat dianalisis adalah ekstraksi ciri tekstur. Beberapa pendekatan yang
dapat dilakukan untuk menganalisis ciri tekstur yaitu dengan cara metode statistik, metode
struktur, metode berbasis model, dan metode berbasis transformasi. Grey level co-occurence
matrix (GLCM) adalah pendekatan dengan cara metode statistik yang sering digunakan dan
terbukti menjadi descriptor yang peling kuat untuk klasifikasi data. Ada banyak parameter
dalam GLCM yang dapat digunakan sebagai nilai ekstraksi ciri tekstur, namun ada beberapa
parameter yang sering digunakan dalam penelitian yaitu ASM, Contast, IDM, dan Correlation.
Penelitian ini akan mengkombinasikan beberapa parameter GLCM yang sering digunakan
tersebut dengan parameter Energy dan Dissimilarity. Kombinasi parameter GLCM tersebut
akan diimplementasikan untuk mengklasifikasi jenis jamur portabello dan shitake
menggunakan algoritma K-Nearest Neighbor (KNN) sebagai metode klasifikasi.
Implementasi metode Grey level co-occurence matrix (GLCM) dan algoritma K-
Nearest Neighbor (KNN) dilakukan dengan membangun 4 model dari kombinasi parameter
ASM, Contrast, IDM, Correlation, Energy, dan Dissimilarity. Dari model yang dibangun,
penelitian ini dapat menemukan performa terbaik dalam mengklasifikasikan jenis jamur
dengan kombinasi parameter yang digunakan. Berdasarkan beberapa model yang telah
dibangun, dihasilkan performa terbaik saat model dibangun dengan menggunakan 6 parameter
yang menghasilkan akurasi sebesar 97%. Akurasi tersebut didapatkan dengan pengujian sistem
menggunakan confusion matrix dengan beberapa percobaan berdasarkan model yang dibangun
dan nilai K yang telah ditentukan. Dari hasil pengujian sistem tersebut dapat disimpulkan
bahwa performa model terbaik dihasilkan saat menggunakan kombinasi 6 parameter dan sistem
dapat berjalan dengan baik dalam mengklasifikasi jenis jamur.
Kata Kunci : Grey level Co-occurence Matrix, K-Nearest Neighbor, Jamur, Confusion
Matrix.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Grey level Co-occurence Matrix, K-Nearest Neighbor, Jamur, Confusion Matrix.
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Chemistry
Depositing User:	Eko Yuli
Date Deposited:	16 Jun 2023 03:53
Last Modified:	16 Jun 2023 03:53
URI:	http://eprints.upnyk.ac.id/id/eprint/35971

Actions (login required)

View Item