PENERAPAN HISTOGRAM EQUALIZATION UNTUK PERBAIKAN CITRA PADA KLASIFIKASI REMPAH RIMPANG MENGGUNAKAN K-NEAREST NEIGHBOR

Safrizal, Busroni Ahmad (2024) PENERAPAN HISTOGRAM EQUALIZATION UNTUK PERBAIKAN CITRA PADA KLASIFIKASI REMPAH RIMPANG MENGGUNAKAN K-NEAREST NEIGHBOR. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text SKRIPSI FULL-Skripsi_123190147.pdf Restricted to Repository staff only Download (3MB)
	Text ABSTRAC.pdf Download (24kB)
	Text COVER.pdf Download (168kB)
	Text DAFTAR ISI.pdf Download (265kB)
	Text DAFTAR PUSTAKA.pdf Download (88kB)
	Text HALAMAN PEMBIMBING.pdf Download (773kB)
	Text HALAMAN PENGUJI.pdf Download (359kB)

Abstract

Rempah rimpang merupakan bagian tumbuhan yang memiliki aroma kuat yang biasa
digunakan sebagai bahan penyedap atau perisa dalam masakan. Rempah rimpang ada
banyak jenisnya, beberapa rempah rimpang memiliki bentuk yang sekilas terlihat mirip jika
tidak mengenali ciri-ciri bentuknya dengan pasti. Disisi lain rempah memiliki rasa khas dan
juga khasiat yang berbeda-beda. Beberapa rimpang yang populer dimanfaatkan seperti
lengkuas, jahe, kunyit, dan kencur. Sehingga dengan demikian perancangan sistem yang
dapat mengklasifikasikan jenis rempah rimpang diperlukan agar masyarakat yang belum
mengenali rempah menjadi tahu jenis rempah yang ingin pilih atau dimanfaatkan dengan
tepat tidak keliru dengan rempah rimpang yang lain. Pada penelitian ini akan menerapkan
Histogram Equalization (HE) pada tahap preprocessing untuk meningkatkan kualitas citra
pada klasifikasi dengan metode K-Nearest Neighbor (KNN).
K-Nearest Neighbor (KNN) merupakan metode klasifikasi supervised learning yang
melakukan klasifikasi dengan ciri dari data latih dan ditentukan hasilnya berdasarkan jumlah
tetangga terdekat. KNN dapat melakukan klasifikasi objek secara baik dan dapat
memberikan hasil yang semakin baik apabila parameter klasifikasi dipebanyak. Penggunaan
Histogram Equalization pada klasifikasi dinilai efektif dalam meningkatkan kualitas citra
sehingga citra yang diproses menjadi lebih jelas, selain itu penggunaan Histogram
Equalization dapat mengatasi masalah feature engineering citra sehingga citra yang diproses
dapat distandarkan baik saturasi, kontras, ataupun kecerahannya.
Hasil penerapan Histogram Equalization pada tahap preprocessing citra dapat
meningkatkan hasil klasifikasi yang dilakukan menggunakan metode KNN. Hasil ini dilihat
berdasarkan evaluasi yang berupa nilai akurasi. Nilai akurasi klasifikasi KNN yang
dihasilkan dari klasifikasi KNN tanpa menerapkan preprocessing Histogram Equalization
yaitu 73.8%. Sedangkan hasil akurasi yang didapatkan dari klasifikasi KNN dengan
menerapkan preprocessing Histogram Equalization mengalami peningkatan hasil yaitu
menjadi 76.1%. Dari kedua hasil tersebut menunjukkan bahwa Histogram Equalization
dapat memberikan pengaruh positif dalam meningkatkan akurasi klasifikasi rempah
rimpang menjadi semakin baik.
Kata Kunci : KNN, Histogram Equalization, Rempah Rimpang, Citra

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	KNN, Histogram Equalization, Rempah Rimpang, Citra
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	22 Mar 2024 03:39
Last Modified:	22 Mar 2024 03:39
URI:	http://eprints.upnyk.ac.id/id/eprint/39139

Actions (login required)

View Item