ATTAMIMI, PRIZE ISNAN KHAIRI (2025) KLASIFIKASI CITRA GUNUNG MERAPI BERDASARKAN EKSTRAKSI FITUR WARNA HSV dan EKSTRAKSI FITUR TEKSTUR LOCAL BINARY PATTERN MENGGUNAKAN METODE K-NEAREST NEIGHBORS. Skripsi thesis, UPN "Veteran" Yogyakarta.
|
Text
1.COVER_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (182kB) |
|
|
Text
2.ABSTRAK_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (105kB) |
|
|
Text
4.PENGESAHAN PEMBIMBING_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (283kB) |
|
|
Text
5.PENGESAHAN PENGUJI_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (231kB) |
|
|
Text
3.DAFTAR ISI_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (261kB) |
|
|
Text
6.DAFTAR PUSTAKA_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Download (127kB) |
|
|
Text
7.SKRIPSI FULL_123180154_PRIZE ISNAN KHAIRI ATTAMIMI.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Balai Penyelidikan dan Pengembangan Teknologi Kebencanaan Geologi (BPPTKG) secara
rutin memantau aktivitas Gunung Merapi melalui citra visual yang diambil dengan lensa
DSLR di sejumlah pos pengamatan. Namun, tidak semua citra yang terekam dapat
dimanfaatkan untuk analisis karena sering tertutup awan atau kabut. Kondisi ini tidak hanya
menyulitkan para ahli dalam memantau kondisi Merapi secara akurat, tetapi juga
mengurangi efisiensi penggunaan kapasitas penyimpanan data. Penelitian ini bertujuan
untuk mengetahui penerapan dari ekstraksi fitur warna HSV dan ekstraksi fitur tekstur LBP
serta metode K-Nearest Neighbor pada klasifikasi citra Gunung Merapi berdasarkan
ketampakan. Data yang digunakan adalah dataset citra Gunung Merapi yang diambil dari
pos pemantauan Tunggularum pada 1-10 Oktober 2023 dengan 6 kelas berdasarkan
ketampakan gunung. Proses preprocessing dilakukan dengan menggunakan cropping,
masking, dan image sharpening. Proses klasifikasi dilakukan menggunakan KNN dengan
variasi nilai k untuk mendapatkan hasil terbaik. Hasil penelitian menunjukkan bahwa
kombinasi ekstraksi fitur HSV dan LBP dengan algoritma KNN mampu mengklasifikasikan
citra secara efektif, dengan akurasi tertinggi sebesar 95% pada k = 1 dan akurasi terendah
sebesar 87% pada k = 9. Penelitian ini merupakan studi kasus klasifikasi citra Gunung
Merapi yang menggunakan kombinasi HSV dan LBP dengan algoritma KNN, yang
membedakannya dari penelitian terdahulu.
Kata Kunci: Gunung Merapi, Klasifikasi Citra, HSV, LBP, K-Nearest Neighbor.
| Item Type: | Tugas Akhir (Skripsi) |
|---|---|
| Additional Information: | PRIZE ISNAN KHAIRI ATTAMIMI (Penulis-123180154) ; Awang Hendrianto Pratomo (Pembimbing) |
| Uncontrolled Keywords: | Gunung Merapi, Klasifikasi Citra, HSV, LBP, K-Nearest Neighbor. |
| Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik Industri > (S1) Informatika |
| Depositing User: | A.Md Eko Suprapti |
| Date Deposited: | 01 Dec 2025 03:22 |
| Last Modified: | 01 Dec 2025 03:22 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/45906 |
Actions (login required)
![]() |
View Item |
