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.
|
Text
01. Halaman Pernyataan Orisinalitas (Keaslian).pdf Download (485kB) | Preview |
|
|
Text
02. Lembar Persetujuan Skripsi.pdf Download (864kB) | Preview |
|
|
Text
03. Lembar Pengesahan Skripsi.pdf Download (973kB) | Preview |
|
|
Text
04. Lembar Persetujuan Publikasi Karya Ilmiah.pdf Download (690kB) | Preview |
|
|
Text
05. Halaman Judul.pdf Download (16MB) | Preview |
|
|
Text
06. BAB 1.pdf Download (5MB) | Preview |
|
|
Text
07. BAB 2.pdf Download (15MB) | Preview |
|
|
Text
08. BAB 3.pdf Download (20MB) | Preview |
|
![]() |
Text
09. BAB 4.pdf Restricted to Repository staff only until 17 February 2030. Download (22MB) |
|
|
Text
10. BAB 5.pdf Download (2MB) | Preview |
|
|
Text
11. Daftar Pustaka.pdf Download (3MB) | 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 |