Novyanti, Ofi Eka (2019) Pengenalan Citra Jenis Makanan Menggunakan Ekstraksi Fitur Color Channel Dan Gray Level Cooccurence Matrix. Sarjana thesis, Universitas Brawijaya.
Abstract
Secara manual, manusia dapat dengan mudah mengenali dan membedakan jenis-jenis makanan. Akan tetapi sistem penglihatan manusia tentu memiliki keterbatasan sehingga identifikasi jenis makanan yang dihasilkan berbeda-beda dan tidak konsisten. Penelitian menunjukkan bahwa sistem penglihatan manusia dipengaruhi oleh beberapa faktor seperti usia dan penyakit mata serta faktor kondisi psikis manusia. Seiring berjalannya teknologi, banyak penelitian bermunculan terkait sistem pengenalan jenis makanan menggunakan pengolahan citra. Penelitian ini bertujuan untuk mengembangkan suatu sistem yang dapat mengenali jenis makanan berbasis citra berdasarkan warna dan teksturnya menggunakan metode K-Nearest Neigbor (K-NN). Prosesnya diawali dengan mensegmentasi pada citra untuk mendapatkan fokus objek citra. Objek citra tersegmentasi tersebut kemudian digunakan untuk mendapatkan nilai ekstraksi fitur warna menggunakan color channel RGB sebanyak 9 sub fitur dan fitur tekstur dengan Gray Level Co-Occurence Matrix (GLCM) sebanyak 20 sub fitur pada sudut 0°, 45°, 90°, dan 135°. Hasil proses ekstraksi fitur selanjutnya digunakan dalam proses identifikasi citra menggunakan metode K-NN. Pengujian dilakukan melalui 3 tahap yaitu pengujian nilai k, pengujian ekstraksi fitur, dan pengujian perhitungan jarak tetangga terdekat pada 450 dataset untuk 2 jenis kategori data yaitu data seimbang dan data tidak seimbang. Hasil dari pengujian ini didapatkan akurasi terbaik untuk nilai k=3 sebesar 90,58% pada data seimbang
English Abstract
Manually, humans can easily detect and differentiate types of food. But man sees certainly has contrains that meant identification a kind of food produced different and inconsistant. Some researches show that human vision system influenced by many factors, such as age and disease and human’s physical condition. Through the passing technology, researchers have seen the emergence of food’s recognition systems related with image processing. The aim of this study is to develop a system that could recognize many kinds of food based on it’s color and texture by using K-Nearest Neighbor (K-NN). The process was proceded by segmentation on images to get the focus object of the image. The segmented image then used to gain the color feature extraction’s value, color channels that use RGB as the channel with 9 sub features and the texture value of feature extraction, grey level co-occurence matrix (GLCM) with 20 sub features at angle 0°, 45°, 90°, and 135°. The results of the process of extracted feature then used in the process of image classification using K-NN method. Testing process done through 3 stages of tests that are k value testing, feature extraction testing, distance calculation method testing with 450 data sets of two types of data categories. The best result of testing process is data which use value k =3 that earn as much as 90,58% of accuration with balanced composition data.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/136/051902306 |
| Uncontrolled Keywords: | Pengenalan Citra Makanan, Color Channel, Gray Level Co-Occurence Matrix, klasifikasi, Food Image Recognition, Color Channel, Grey Level Co-Occurence Matrix, classification |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.6 Computer graphics |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Nur Cholis |
| Date Deposited: | 24 Aug 2020 06:45 |
| Last Modified: | 24 Oct 2021 04:06 |
| URI: | http://repository.ub.ac.id/id/eprint/168971 |
Preview |
Text
Ofi Eka Novyanti (2).pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |