KLASIFIKASI KEMATANGAN TEBU BERDASARKAN TEKSTUR BATANG MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)

ZANUARDI, MUHAMAD (2018) KLASIFIKASI KEMATANGAN TEBU BERDASARKAN TEKSTUR BATANG MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN). undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text 7. ABSTRAK.pdf Download (53kB) | Preview
Preview	Text 7. BAB I ACC.pdf Download (86kB) | Preview
Preview	Text 8. BAB II ACC.pdf Download (557kB) | Preview
Preview	Text 9. BAB III ACC.pdf Download (559kB) | Preview
	Text 11.BAB IV ACC.pdf Restricted to Registered users only Download (1MB)
Preview	Text 17.BAB V ACC.pdf Download (52kB) | Preview

Abstract

Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Pada proses pengolahan citra ini memiliki ciri data masukan dan informasi keluaran yang berbentuk citra. Akan tetapi citra yang dihasilkan dari proses pengolahan citra ini memiliki kualitas yang lebih baik dibandingkan dengan citra pada aslinya. Klasifikasi adalah teknik data mining yang digunakan untuk memprediksi kategori dari objek yang belum memiliki kategori. Penelitian ini membuat sistem yang dapat membedakan citra batang tebu matang dengan citra batang tebu mentah. Mengklasifikasi citra batang tebu berdasarkan fitur tekstur menggunakan metode K-NN, Sistem ini membutuhkan beberapa proses perbaikan citra, antara lain : proses konversi RGB ke grayscale dan uji nilai co-occurance matrix. Dari 400 citra yang telah diidentifikasikan untuk menentukan kelompok citra batang tebu matang dengan citra batang tebu mentah berdasarkan tekstur menggunakan metode K-NN yang mencari nilai ketetanggan yang paling dekat dengan K dan menghasilkan akurasi dari tiap K adalah K=3(65%) K=5(62%) K=7(68%) K9=(68%).

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Shandy Rahma Ramadhan, S.IIP
Date Deposited:	06 Nov 2018 12:42
Last Modified:	08 Mar 2019 06:24
URI:	http://eprints.umg.ac.id/id/eprint/609

Actions (login required)

View Item