Pakusadewa, Crisna Rio (2024) Ekstraksi Fitur LBP Dan Moment Invariant Untuk Identifikasi Jenis Kayu Menggunakan SVM. undergraduate thesis, Universitas Muhammadiyah Gresik.
|
Text
LEMBAR KEASLIAN.pdf Download (204kB) | Preview |
|
|
Text
LEMBAR PENGESAHAN.pdf Download (216kB) | Preview |
|
|
Text
Lembar Persetujuan Publikasi Tugas Akhir.pdf Download (265kB) | Preview |
|
|
Text
LEMBAR PERSETUJUAN.pdf Download (191kB) | Preview |
|
|
Text
Halaman Judul.pdf Download (2MB) | Preview |
|
|
Text
BAB 1.pdf Download (996kB) | Preview |
|
|
Text
BAB 2.pdf Download (701kB) | Preview |
|
|
Text
BAB 3.pdf Download (1MB) | Preview |
|
![[img]](http://eprints.umg.ac.id/style/images/fileicons/text.png) |
Text
BAB 4.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
BAB 5.pdf Download (595kB) | Preview |
|
|
Text
Daftar Pustaka.pdf Download (489kB) | Preview |
Abstract
Indonesia merupakan salah satu jenis negara penghasil berbagai macam sumber daya alam, termasuk sumber daya alam olahan kayu. Kayu di indonesia memiliki beraneka ragam jenisnya. Jenis kayu di indonesia tidak semua memiliki nilai jual dan ada juga yang memiliki nilai jual. Penelitian ini bertujuan untuk mengklasifikasikan jenis kayu meranti, keruing, dan agathis berdasarkan tekstur kayu dengan menggunakan pengolahan citra digital. Metode yang digunakan dalam penelitian ini meliputi ekstraksi fitur Local Binary Pattern (LBP) dan Moment Invariant serta klasifikasi menggunakan Support Vector Machine (SVM). Keuntungan metode LBP adalah invariansi terhadap perubahan skala abu-abu dan kompleksitas komputasi yang rendah. Sementara itu, metode Moment Invariant berguna untuk mengenali objek berdasarkan bentuk dengan memanfaatkan momen yang tidak berubah terhadap translasi, skala, dan rotasi. Penelitian ini menggunakan 270 citra sebagai data latih dan 60 citra sebagai data uji dengan resolusi 3000 x 4000 piksel. Hasil dari penelitian ini menunjukkan hasil pengenalan SVM menggunakan ekstraksi ciri LBP lebih tinggi dari pada Moment Invariant dengan akurasi 90% untuk LBP dan 77% untuk moment Invariant.
| Item Type: | Thesis (undergraduate) |
|---|---|
| Uncontrolled Keywords: | Local Binary Pattern, Moment Invariant, Support Vector Machine |
| Subjects: | Engineering > Informatics Engineering Engineering |
| Divisions: | Faculty of Engineering > Informatics Engineering Study Program |
| Depositing User: | Crisna Rio Pakusadewa |
| Date Deposited: | 15 Feb 2024 17:33 |
| Last Modified: | 18 Mar 2024 02:55 |
| URI: | http://eprints.umg.ac.id/id/eprint/11253 |
Actions (login required)
 |
View Item |
