KLASIFIKASI SPESIES KUPU-KUPU MENGGUNAKAN FITUR EKSTRASI GLCM DENGAN ALGORITMA KLASIFIKASI K-NN

GUNAWAN, PURNOMO ARISTYA (2015) KLASIFIKASI SPESIES KUPU-KUPU MENGGUNAKAN FITUR EKSTRASI GLCM DENGAN ALGORITMA KLASIFIKASI K-NN. Skripsi,Fakultas Ilmu Komputer.

Preview	PDF Download (387Kb) | Preview
Preview	PDF Download (4Kb) | Preview

Abstract

Dengan berkembangnya teknologi, manusia menginginkan agar mesin (komputer) dapat mengenali citra seperti layaknya penglihatan manusia. Cara untuk mengenali citra adalah dengan membedakan tekstur citra tersebut. Setiap citra mempunyai tekstur yang unik yang dapat dibedakan dengan citra yang lain, ciri-ciri inilah yang menjadi dasar dalam klasifikasi citra berdasarkan tekstur. Ada beberapa metode yang dapat digunakan untuk memperoleh ciri tekstur dari suatu citra, salah satunya adalah dengan metode GLCM. Matriks kookurensi dari data citra aras keabuan (Gray Level Co-Occurrence Matrix-GLCM) adalah salah satu metode untuk memperoleh ciri-ciri citra tekstur dengan menghitung probabilitas hubungan ketetanggaan antara dua piksel pada jarak dan arah tertentu. Adapun parameter atau ciri-ciri tekstur yang didapat dari metode GLCM diantaranya adalah Kontras, Homogenitas, Energy, Kolerasi. Hasil ekstraksi ciri-ciri tersebut kemudian digunakan untuk proses klasifikasi dengan menggunakan k-Nearest Neighbour (k-NN) yang menentukan hasil klasifikasi berdasarkan jumlah tetangga terdekat. Pada penelitian ini, penulis menganalisa citra tentang tingkat pengenalan citra spesies kupu-kupu dari sepuluh jenis yang berbeda dengan piksel yang berbeda-beda dan membandingkan citra masking dan non-masking untuk mengetahui tingkat pengenalan terhadap citra tekstur kupu-kupu tersebut. Tingkat pengenalan dapat diketahui dari prosentase jumlah citra yang dapat dikenali terhadap jumlah total citra yang diuji. Berdasarkan peneletian ini, masking dapat meningkatkan akurasi dengan hasil tertinggi, data d=1, ?=45° hasil tingkat pengelompokan paling tinggi pada kondisi variabel k=3 dengan menggunakan 2 spesies hasil akurasi mencapai 88%.

Actions (login required)