IMPLEMENTASI EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX DALAM KLASIFIKASI JENIS DAGING DENGAN K-NEAREST NEIGHBOR

Wahyuni, Ernisa Rahma (2024) IMPLEMENTASI EKSTRAKSI FITUR GRAY LEVEL CO-OCCURRENCE MATRIX DALAM KLASIFIKASI JENIS DAGING DENGAN K-NEAREST NEIGHBOR. Diploma thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (218kB)
	Text ABSTRAK.pdf Download (179kB)
	Text DAFTAR ISI.pdf Download (211kB)
	Text DAFTAR PUSTAKA.pdf Download (195kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (310kB)
	Text PENGESAHAN PENGUJI.pdf Download (319kB)
	Text SKRIPSI_FULL_ERNISA RAHMA WAHYUNI_123200003.pdf Restricted to Repository staff only Download (2MB)

Abstract

Daging merupakan sumber protein penting dalam pola makan manuasi, yang
berperan penting dalam meningkatkan daya pikir dan stamina. Namun, praktik penipuan
dalam perdagangan daging sering terjadi akibat perbedaan harga yang signifikan antara
daging sapi, daging babi, dan daging kuda. Identifikasi daging selama ini dilakukan secara
manual berdasarkan pengamatan visual dan penciuman, yang memiliki keterbatasan dalam
hal konsistensi dan subjektivitas.
Untuk mengatasi kelemahan ini, diperlukan solusi yang lebih akurat dan dapat andal
dalam membedakan jenis-jenis daging berdasarkan pola dan teksturnya dibutuhkan guna
mempermudah masyarakat dalam mengidentifikasi dan memastikan keaslian daging yang
dikonsumsi. Dalam pengolahan citra, ekstraksi ciri yang dapat dianalisis adalah ekstraksi
ciri tekstur. Salah satu ciri tekstur yang dapat digunakan adalah dengan menggunakan
metode Gray Level Co-Occurrence Matrix (GLCM). GLCM sudah banyak digunakan dan
hasil yang diperoleh dari matriks co-occurrence lebih baik dari metode diskriminasi tekstur
lainnya.
Parameter GLCM yang digunakan sebagai nilai ekstraksi tekstur penelitian ini yaitu
Angular Second Moment (ASM), contrast, energy, homogeneity, dissimilarity, dan
correlation, namun dari penelitian sebelumnya belum ada pembahasan terkait pengaruh
parameter terhadap hasil akurasi klasifikasi daging. Penelitian ini akan melakukan analisis
pengaruh fitur Contrast dan Correlation. Nilai GLCM akan diimplementasikan untuk
klasifikasi daging menggunakan algoritma K-NN. Berdasarkan beberapa model yang telah
dibangun dengan variasi nilai K dalam pengujian sistem dengan confusion matrix,
didapatkan akurasi tertinggi 92,75% ketika mengeliminasi Contrast dan akurasi terendah
82,61% saat mengeliminasi Correlation.
Kata kunci: Daging, Klasifikasi, Gray Level Co-occurrence Matrix (GLCM), K-Nearest
Neighbor (K-NN)

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Daging, Klasifikasi, Gray Level Co-occurrence Matrix (GLCM), K-Nearest Neighbor (K-NN)
Subjects:	Q Science > Q Science (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	25 Sep 2024 02:01
Last Modified:	25 Sep 2024 02:01
URI:	http://eprints.upnyk.ac.id/id/eprint/41281

Actions (login required)

View Item