Klasifikasi Jenis Warna Dokumen Berdasarkan Momen Warna Menggunakan Metode K-Nearest Neighbours (KNN)(“Studi Kasus Pusaka Himatif”)

Chozami, Muhammad (2024) Klasifikasi Jenis Warna Dokumen Berdasarkan Momen Warna Menggunakan Metode K-Nearest Neighbours (KNN)(“Studi Kasus Pusaka Himatif”). undergraduate thesis, Universitas Muhammadiyah Gresik.

[img]
Preview
Text
01. Halaman Pernyataan Orisinalitas (Keaslian).pdf

Download (485kB) | Preview
[img]
Preview
Text
02. Lembar Persetujuan Skripsi.pdf

Download (864kB) | Preview
[img]
Preview
Text
03. Lembar Pengesahan Skripsi.pdf

Download (973kB) | Preview
[img]
Preview
Text
04. Lembar Persetujuan Publikasi Karya Ilmiah.pdf

Download (690kB) | Preview
[img]
Preview
Text
05. Halaman Judul.pdf

Download (16MB) | Preview
[img]
Preview
Text
06. BAB 1.pdf

Download (5MB) | Preview
[img]
Preview
Text
07. BAB 2.pdf

Download (15MB) | Preview
[img]
Preview
Text
08. BAB 3.pdf

Download (20MB) | Preview
[img] Text
09. BAB 4.pdf
Restricted to Repository staff only until 17 February 2030.

Download (22MB)
[img]
Preview
Text
10. BAB 5.pdf

Download (2MB) | Preview
[img]
Preview
Text
11. Daftar Pustaka.pdf

Download (3MB) | Preview
[img]
Preview
Text
12. Lampiran.pdf

Download (41MB) | Preview

Abstract

Mencetak dokumen fisik masih menjadi kebutuhan penting dalam berbagai kegiatan meskipun era digital terus berkembang. Pusaka Himatif menghadapi tantangan dalam proses manual pengecekan warna dokumen yang tidak efisien dan rentan terhadap human error. Warna dokumen dibedakan menjadi "Hitam Putih", "Warna Rendah", atau "Warna Tinggi", yang masing-masing memiliki perbedaan intensitas warna di dalamnya. Penelitian ini mengusulkan solusi teknologi pengolahan citra digital untuk mengklasifikasikan jenis warna dokumen berdasarkan momen warna menggunakan metode K-Nearest Neighbours (KNN). Metode ekstraksi fitur warna yang digunakan meliputi momen warna mean, standar deviasi, dan skewness dalam ruang warna RGB, HSV, dan YCbCr. Data warna yang diekstraksi kemudian diklasifikasikan menggunakan metode KNN. Evaluasi dilakukan menggunakan kfold cross validation untuk menentukan model terbaik dalam klasifikasi jenis warna dokumen. Hasil penelitian menunjukkan bahwa metode ekstraksi fitur momen warna pada ruang warna RGB, HSV, dan YCbCr efektif dalam menganalisis citra dokumen berdasarkan warnanya. Metode KNN berhasil mengklasifikasikan jenis warna dokumen dengan tingkat akurasi yang memuaskan. Model dengan kombinasi fitur HSV+YCbCr memberikan performa terbaik dengan akurasi rata-rata 94,67%, sensitivitas 95,07%, spesifisitas 97,54%, dan F1-Score 93,97%.

Item Type: Thesis (undergraduate)
Uncontrolled Keywords: Klasifikasi warna dokumen, momen warna, K-Nearest Neighbours, RGB, HSV, YCbCr
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Muhammad Chozami
Date Deposited: 17 Feb 2025 07:20
Last Modified: 17 Feb 2025 07:20
URI: http://eprints.umg.ac.id/id/eprint/12312

Actions (login required)

View Item View Item