IKHSANI, MUHAMMAD AUWALI (2025) KLASIFIKASI JENIS RAS KUCING MENGGUNAKAN METODE K NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR GRAY LEVEL CO-OCCURENCE MATRIX. Skripsi thesis, UPN Veteran Yogyakarta.
![[thumbnail of 1_Skripsi full_123190127_Muhammad Auwali Ikhsani.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
1_Skripsi full_123190127_Muhammad Auwali Ikhsani.pdf Restricted to Repository staff only Download (3MB) |
|
Text
2_Cover_123190127_Muhammad Auwali Ikhsani.pdf Download (171kB) |
|
Text
3_abstrak_123190127_Muhammad Auwali Ikhsani.pdf Download (10kB) |
|
Text
4_Halaman Pengesahan_123190127_Muhammad Auwali Ikhsani.pdf Download (763kB) |
|
Text
5_Daftar Isi_123190127_Muhammad Auwali Ikhsani.pdf Download (46kB) |
|
Text
6_Daftar Pustaka_123190127_Muhammad Auwali Ikhsani.pdf Download (73kB) |
Abstract
Penelitian ini berfokus pada klasifikasi jenis ras kucing yang meliputi tiga kategori
utama, yaitu ras Domestik, Persia, dan Turkish Angora. Ketiga ras kucing tersebut memiliki
karakteristik visual yang berbeda, khususnya pada pola dan tekstur bulu, sehingga menjadi
objek yang menarik untuk diklasifikasikan secara otomatis menggunakan citra digital.
Identifikasi ras kucing secara manual sering kali memerlukan keahlian khusus dan rentan
terhadap kesalahan, sehingga diperlukan metode yang dapat membantu proses klasifikasi
dengan lebih cepat dan objektif.
Metode yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (K-NN)
sebagai algoritma klasifikasi, yang dipadukan dengan ekstraksi fitur menggunakan Gray
Level Co-Occurrence Matrix (GLCM) untuk menangkap informasi tekstur dari citra kucing.
GLCM digunakan untuk menghasilkan fitur tekstur yang merepresentasikan pola intensitas
piksel pada gambar, yang kemudian menjadi input bagi algoritma K-NN untuk menentukan
kelas ras kucing berdasarkan kedekatan fitur dengan data latih. Pendekatan ini diharapkan
dapat mengoptimalkan proses klasifikasi dengan mempertimbangkan perbedaan tekstur
antar ras.
Hasil pengujian sistem menunjukkan bahwa metode K-NN dengan fitur GLCM
mampu mengklasifikasikan ketiga jenis ras kucing tersebut dengan tingkat akurasi mencapai
75%. Angka ini menunjukkan bahwa pendekatan yang diterapkan cukup efektif dalam
membedakan ras Domestik, Persia, dan Turkish Angora berdasarkan citra digital, meskipun
masih ada peluang untuk pengembangan lebih lanjut guna meningkatkan performa
klasifikasi, seperti dengan penambahan data atau teknik ekstraksi fitur yang lebih kompleks.
Kata Kunci: Klasifikasi, K-Nearest Neighbors, Gray Level Co-Occurrence Matrix, Ras
Kucing
| Item Type: | Tugas Akhir (Skripsi) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi, K-Nearest Neighbors, Gray Level Co-Occurrence Matrix, Ras Kucing |
| Subjek: | Q Science > Q Science (General) |
| Divisions: | Fakultas Teknik Industri > (S1) Informatika |
| Depositing User: | Eny Suparny |
| Date Deposited: | 23 Oct 2025 10:27 |
| Last Modified: | 23 Oct 2025 10:27 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/44904 |
Actions (login required)
 |
View Item |