PERANCANGAN EKSTRAKSI FITUR MOTIF SASIRANGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS COLOR HISTOGRAM DAN GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM)
Teks penuh
Gambar
Dokumen terkait
Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Fragmen Metagenome Menggunakan KNN dan PNN dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
Data yang diperoleh tersebut merupakan hasil dari pengelompokan menggunakan algoritma k-means dari fitur-fitur tekstur citra tenun yang diperoleh menggunakan metode
Pengelompokan citra tenun dilakukan untuk mengelompokkan tenun yang memiliki kemiripan dengan tenun lainnya kedalam satu cluster dengan menggunakan algoritma k-means
3.2.2 Pencocokan citra tenun menggunakan algortima k-means
Isnanto, “Klasifikasi Citra Dengan Matriks Ko - Okurensi Aras Keabuan (Gray Level Co-occurence Matrix-GLCM) Pada Lima Kelas Biji- bijian”, Universitas Diponegoro ,
Berdasarkan pengujian yang telah dilakukan, didapatkan akurasi teringgi mencapai 81% pada pasangan orienstasi sudut 45 o dengan jarak piksel 2 pada parameter GLCM,
HASIL & IMPLEMENTASI Hasil pengujian dalam pengelompokan 153 data citra tenun yang digunakan menunjukkan hasil yang berbeda-beda untuk ke-empat sudut
KESIMPULAN Dalam melakukan klasifikasi biji kopi robusta dan arabika Timor berbasis citra, kinerja algoritma K-NN dengan fitur tekstur GLCM memberikan hasil terbaik pada penggunaan
