IDENTIFIKASI JENIS KAYU MENGGUNAKAN EKSTRAKSI WARNA RED GREEN BLUE (RGB) DAN KLASIFIKASI K-NEAREST NEIGHBOR (KNN)

SUNTARA, DAVA YUSMAN (2022) IDENTIFIKASI JENIS KAYU MENGGUNAKAN EKSTRAKSI WARNA RED GREEN BLUE (RGB) DAN KLASIFIKASI K-NEAREST NEIGHBOR (KNN). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text 1. cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text 2. LEMBAR PENGESAHAN TUGAS AKHIR.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (205kB)
	Text 3. LEMBAR PERNYATAAN KEASLIAN TUGAS AKHIR.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (230kB)
	Text 4. abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (171kB)
	Text 7. bab i.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (179kB)
	Text Skripsi_daffa-Revisi Final-7Agst.docx - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text 12. daftar pustaka.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (899kB)

Abstract

Perkembangan teknologi yang semakin pesat mempermudah dalam pengolahan data. Citra merupakan suatu komponen multimedia yang sangat penting. Suatu citra dapat menyimpan berbagai informasi di dalamnya, sehingga pengolahan citra sangat penting dikembangkan dan diidentifikasi. Computer Vision merupakan suatu pembelajaran menganalisis citra dan video untuk menghasilkan identifikasi dari ciri citra tersebut. Salah satu objek citra yang dapat dianalisis adalah citra kayu. Tujuan dari penelitian ini adalah untuk melakukan identifikasi citra kayu dengan ekstraksi warna Red Green Blue (RGB) dan klasifikasi K-Nearest Neighboor (KNN) memberikan kemudahan, efisiensi waktu. Dataset yang digunakan dalam metode penelitian ini adalah citra warna kayu yang diambil dengan lensa mikroskopik sehingga warna kayu bisa terlihat dan mudah di identifikasi oleh sitem. Sampai akhirnya dapat menyimpulkan suatu citra yang tidak dikenal sebelumnya menjadi memiliki jenis kayu yang ada sesuai tingkat tingkat akurasi tertentu. Hasil dari penelitian ini mendapatkan bahwa akurasi yang didapat pada metode Red, Green, Blue ini mencapai 81% dari keseluruhan data citra kayu yang digunakan.

Actions (login required)

View Item