SIMULASI DAN ANALISIS SISTEM KLASIFIKASI BATUBARA MENGGUNAKAN FUZZY COLOR HISTOGRAM, DISCRETE COSINE TRANSFORM, DAN K-NEAREST NEIGHBOR PADA CITRA DIGITAL Simulation and Analysis of Image Processing in Coal Classification System Using Fuzzy Color Histogram
Teks penuh
Gambar
Dokumen terkait
Nilai akurasi yang diperoleh dari ekstraksi ciri statistik orde ke-dua dan teknik klasifikasi K- Nearest Neighbor (K-NN) Classifier pada penelitian ini menunjukkan
Hasil klasifikasi citra stomata Freycinetia menggunakan ekstraksi fitur dekomposisi wavelet (w- entropy ) dengan K-NN dan JST menghasilkan akurasi sebesar 96,88% dan
Berikut adalah data hasil pengujian terhadap perubahan parameter nilai k pada proses klasifikasi kualitas kuning telur. Pengujian pada tahap ini menggunakan 38 data
Sistem identifikasi jenis penyakit pada buah kakao menggunakan metode ekstraksi ciri PCA dan metode klasifikasi k-NN dapat diimplementasikan dengan akurasi tertinggi sebesar
Skenario pengujian 3 bertujuan untuk melihat pengaruh ukuran blok pada ekstraksi ciri blok terhadap data latih dan data uji serta waktu komputasi dari sistem. Nilai radius
Akurasi sistem pada penelitian ini adalah 95% dengan rata-rata waktu proses sebesar 0,11 detik dengan parameter terbaik terdiri dari ukuran frame 1 detik, jenis window
Pada penelitian ini dilakukan ekstraksi fitur DCT secara langsung dengan pengambilan koefisien DCT pada daerah frekuensi rendah yang memiliki energi citra yang besar.. Proses
Penelitian ini bertujuan untuk mengembangkan alat diagnostik tumor otak berbasis citra MRI menggunakan ekstraksi ciri bentuk Discrete Cosine Transform DCT yang merupakan algoritma