KLASIFIKASI IKAN KOI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NEAREST NEIGHBORS

PUNGKY, CHRISTIAWAN (2016) KLASIFIKASI IKAN KOI MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN K-NEAREST NEIGHBORS. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (4Kb) | Preview

Abstract

Data berbentuk citra sudah sangat sering digunakan dalam beberapa bidang penelitian, diantaranya adalah bidang perikanan yang menggunakan citra untuk melakukan klasifikasi atau pengenalan pada sebuah objek ikan dengan menggunakan citra. Ikan koi adalah salah satu jenis ikan hias yang sangat digemari oleh para pecinta ikan hias, khususnya penggemar ikan hias koi di Indonesia. Ikan koi sangat popular di kalangan masyarakat. Akan tetapi banyak para penggemar ikan koi yang hanya asal beli tanpa mengetahui apa jenis ikan koi tersebut. Para penggemar ikan koi yang baru ingin memulai hobi mereka dalam mengkoleksi ikan hias tersebut merasa tidak tau jenis-jenis ikan koi yang mereka beli. Masalah pengenalan ikan koi dapat diselesaikan dengan menggunakan fitur ekstraksi ciri GLCM (Gray Level Co-occurrence Matrix) dan untuk mengklasifikasikan jenis-jenis ikan koi dapat menggunakan algoritma k-Nearest Neighbor (k-NN). Berdasarkan hasil penelitian yang dilakukan menggunakan 6 jenis ikan koi yang berbeda yaitu Asagi, Kohaku, Showa, Sanke, Shusui dan Tancho didapatkan akurasi tertinggi menggunakan nilai parameter jarak d=2, sudut ?=0° dan k=5 mencapai 90% tingkat akurasi yang didapat dengan jumlah data benar 27 buah dan data salah hanya 3 buah dalam 30 data uji. Sedangkan akurasi terendah mencapai 43.3% dimana pengenalan citra dengan GLCM menggunakan nilai jarak d=1 dan sudut ?=0° dengan nilai k=19 dan nilai jarak d=2 dan sudut ?=135° dengan nilai k=19.

Actions (login required)