KLASIFIKASI JENIS DAUN MENGGUNAKAN METODE KNEAREST NEIGHBOURS (KNN) BERBASIS FREKUENSI, TEKSTUR, DAN BENTUK CITRA DAUN

MURDANI, EDO PRASETYO (2017) KLASIFIKASI JENIS DAUN MENGGUNAKAN METODE KNEAREST NEIGHBOURS (KNN) BERBASIS FREKUENSI, TEKSTUR, DAN BENTUK CITRA DAUN. undergraduate thesis, Universitas Muhammadiyah Gresik.

[img]
Preview
Text
Abstrak.pdf

Download (7kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (18kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (652kB) | Preview
[img]
Preview
Text
BAB III.pdf

Download (121kB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
Text
BAB V.pdf

Download (87kB) | Preview
[img]
Preview
Text
Daftar Pustaka.pdf

Download (165kB) | Preview

Abstract

Setiap daun memiliki nama dan ciri yang berbeda-beda antara satu dengan yang lainnya. Dari segi ciri beberapa diantaranya yaitu ciri frekuensi, tekstur dan bentuk. Permasalahan yang dihadapi adalah terjadinya kesulitan dalam mengidentifikasi nama citra daun yang ingin diketahui nama citra daun tersebut. Seiring dengan berkembangnya teknologi dan metode saat ini, maka diperlukan suatu sistem yang dapat membantu mengklasifikasi nama citra daun dengan mengacu pada ciri frekuensi, tekstur dan bentuk serta K-Nearest Neighbor (KNN) sebagai metodenya. Data citra daun yang digunakan berjumlah 171 data dan terbagi dalam 15 kelas nama citra yang berbeda-beda. Dari hasil pengujian sistem, dengan penggunaan metode K-NN Eulidean didapatkan hasil terbaik pada perbandingan 80 persen untuk data latih dan 20 persen untuk data uji dari total jumlah data dengan nilai K=3.

Item Type: Thesis (undergraduate)
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: tri risdianto saifullah
Date Deposited: 15 Jul 2019 13:04
Last Modified: 15 Jul 2019 13:04
URI: http://eprints.umg.ac.id/id/eprint/2013

Actions (login required)

View Item View Item