• Tidak ada hasil yang ditemukan

PENGENALAN CITRA TANDA TANGAN MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN PROBABILISTIC NEURAL NETWORK (PNN)

N/A
N/A
Protected

Academic year: 2021

Membagikan "PENGENALAN CITRA TANDA TANGAN MENGGUNAKAN GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN PROBABILISTIC NEURAL NETWORK (PNN)"

Copied!
6
0
0

Teks penuh

Gambar

Gambar  1.  Tahapan klasifikasi.
Tabel 2 Akurasi hasil klasifikasi dari 10 data uji  dengan PNN  Percobaan  Akurasi (%)  1  80  2  50  3  90  4  70  5  80  6  60  7  50  8  60  9  90  10  80

Referensi

Dokumen terkait

Gray Level Co-occurrence Matrix (GLCM) yang merupakan sebuah metode ekstraksi fitur mampu mengekstraksi citra penyakit dari daun tembakau sehingga nantinya

3.2.1 Ekstraksi fitur citra tenun menggunakan GLCM dan contoh perhitungan

Dari hasil penelitian didapatkan bahwa identifikasi jenis jerawat menggunakan metode ekstraksi fitur GLCM dan algoritma SVM pada ukuran citra 256x256 piksel

Ekstraksi ciri gray level co-occurrence matrix (GLCM) citra buah jeruk keprok dapat dimanfaatkan untuk klasifikasi mutu, karakteristik dari GLCM adalah mengetahui

- Hapus citra : digunakan untuk melakukan penghapusan citra /pembatalan proses pengolahan citra yang telah diambil, baik hasil preprocessing ataupun ekstraksi

Penelitian ini akan mencoba melakukan proses klasifikasi citra dengan metode GLCM dan JST (Jaringan Syaraf Tiruan) didasari fitur tekstur menggunakan 4 sampel batik.

Penelitian ini akan mencoba melakukan proses klasifikasi citra dengan metode GLCM dan JST (Jaringan Syaraf Tiruan) didasari fitur tekstur menggunakan 4 sampel batik.

Proses Ekstraksi ciri yang digunakan dalam Tugas Akhir ini adalah Gray Level Co-Occurrence (GLCM) sebagai metode ektraksi ciri karena dapat menganalisis tekstur pada citra