Perbandingan Metode Run-Length Dan Co-Occurrence Untuk Ekstraksi Ciri Dengan Metode K-Mean Untuk Mengenali Objek Berdasarkan Tekstur

Rahmadditya Hirdan, Rivan (2015) Perbandingan Metode Run-Length Dan Co-Occurrence Untuk Ekstraksi Ciri Dengan Metode K-Mean Untuk Mengenali Objek Berdasarkan Tekstur. Diploma thesis, Universitas Komputer Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Pengenalan tekstur cukup memegang peranan penting dalam pengolahan citra digital karena dikembangkan dengan tujuan agar komputer dapat memahami serta mengenali tekstur sama seperti yang dilakukan oleh mata manusia. Karena komputer tidak memiliki indra penglihatan, maka komputer hanya dapat mengenali citra digital berdasarkan ciri atau karakteristik teksturnya. Beberapa metode untuk memperoleh ciri-ciri tekstur adalah metode co-occurrence dan metode run-length. Ciri-ciri tekstur yang didapat dari metode matriks co-occurrence diantaranya adalah entropi, kontras, homogenitas dan energi. Sedangkan pada metode run-length adalah short run emphasis (SRE), long run emphasis (LRE), graylevel uniformity (GLU), run-length uniformity (RLU) dan run percentage (RPC). Dari hasil ciri-ciri tersebut kemudian digunakan untuk klasifikasi dengan menggunakan metode k-mean yang menentukan hasil klasifikasi berdasarkan nilai jarak terkecil. Objek yang diuji adalah kayu, pasir, logam dan beras.Metode ekstraksi ciri co-occurrence dan metode run-length memiliki pengaruh dalam hasil klasifikasi yang dilakukan dengan metode k-mean, hal ini terlihat dari tingkat akurasi dan waktu yang diperlukan. Metode co-occurrence memiliki rata �� rata akurasi sebesar 87% dengan rata �� rata waktu eksekusi 0,7 s sedangkan metode run-length memiliki rata �� rata akurasi sebesar sebesar 87,5% dengan rata �� rata waktu eksekusi 0,7 s. Berdasarkan pengujian didapatkan metode co-occurrence dan metode run-length memiliki keefektifan tinggi dalam mengenali citra kayu, logam, pasir maupun beras

Item Type: Thesis (Diploma)
Uncontrolled Keywords: tekstur, ekstraksi ciri, co-occurrence, run-length, klasifikasi, k-mean
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: Admin Repository
Date Deposited: 16 Nov 2016 08:00
Last Modified: 16 Nov 2016 08:00
URI: http://repository.unikom.ac.id/id/eprint/21157

Actions (login required)

View Item View Item