Priambodo, Hafid Satrio (2019) Klasifikasi Jenis Citra Makanan Menggunakan Color Histogram Dan Gray Level Co-occurrence Matrix Dengan K-Nearest Neighbour. Sarjana thesis, Universitas Brawijaya.
Abstract
Kebiasaan mengonsumsi makanan secara tidak teratur merupakan salah satu faktor meningkatnya resiko kesehatan. Salah satu solusi untuk memudahkan masyarakat dalam mengetahui, mencatat, dan memantau jenis-jenis makanan yang dikonsumsi adalah dengan membuat sistem cerdas. Selain itu, sistem cerdas ini juga berguna dalam membantu meningkatkan tingkat kesadaran seseorang dalam mengonsumsi makanan yang dimakan. Proses merekam jenis makanan yang akan dikonsumsi dapat menggunakan proses klasifikasi dari nilai yang dihasilkan oleh ekstraksi fitur warna dan tekstur. Proses pengenalan diawali dengan proses preproccessing gambar dan setelah itu dilakukan pengekstraksian fitur warna dan tekstur. Metode yang digunakan untuk mengekstraksi fitur warna adalah metode Color Histogram yang akan menghasilkan fitur mean, standard deviation, skew. Sedangkan untuk metode ekstraksi tekstur dapat menggunakan metode Gray Level Co-Occurrence Matrix yang akan menghasilkan fitur Contrast, Dissimiliarity, Homogenity, Angular Second Moment (ASM), Energy, dan Entropy. Metode yang diterapkan untuk mengklasifikasikan nilai dari hasil ekstraksi fitur dapat menggunakan adalah metode klasifikasi K-Nearest Neighbour. Pada pengujian berdasarkan jenis ekstraksi fitur yang digunakan, hasil akurasi yang dihasilkan dengan menggunakan metode Color Histogram menghasilkan sebesar 80% akurasi, sedangkan pada pengujian menggunakan metode Gray Level Co-Occurrence Matrix dan pengujian menggunakan ekstraksi fitur gabungan, menghasilkan akurasi sebesar 100%. Selanjutnya, pengujian menggunakan metode perhitungan manhattan distance pada klasifikasi K-Nearest Neighbour menghasilkan akurasi sebesar 100% pada jarak ketetanggaan bernilai 3, sedangkan pengujian menggunakan metode perhitungan euclidean distance pada klasifikasi K-Nearest Neighbour menghasilkan akurasi sebesar 93,33% pada jarak ketetanggaan bernilai 3. Berdasarkan hasil pengujian tersebut, dapat disimpulkan bahwa penggunaakn metode color histogram dan gray level co-occurrence matrix dengan metode klasifikasi k-nearest neighbour dapat mengklasifikasikan citra suatu makanan
English Abstract
The habit of eating food irregularly is one factor that increases health risks. One solution to make it easier for people to know, record, and monitor the types of food consumed is by making intelligent systems. In addition, this intelligent system is also useful in helping to increase a person's level of awareness in consuming food eaten. The process of recording the type of food to be consumed can use the classification process of the values produced by the extraction of color and texture features. The introduction process begins with the process of preproccessing the image and after that the extraction of color and texture features is carried out. The method used to extract color features is the Color Histogram method which will produce the mean, standard deviation, skew features. Whereas for texture extraction methods can use the Gray Level Co-Occurrence Matrix method which will produce Contrast, Dissimiliarity, Homogenity, Angular Second Moment (ASM), Energy, and Entropy features. The method applied to classify the value from the feature extraction can be used is the K-Nearest Neighbor classification method. In testing based on the type of feature extraction used, the results of the accuracy produced using the Color Histogram method produce 80% accuracy, while the testing uses the Gray Level Co-occurrence Matrix method and testing using combined feature extraction, resulting in an accuracy of 100%. Furthermore, testing using the manhattan distance calculation method on the K-Nearest Neighbor classification results in an accuracy of 100% at neighboring distances of 3, while testing using the euclidean distance calculation method on the K-Nearest Neighbor classification produces an accuracy of 93.33% at neighboring distances of 3 Based on the results of these tests, it can be concluded that the use of the color histogram and gray level co-occurrence matrix method with the k-nearest neighbor classification method can classify the image of a food
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/370/051905688 |
| Uncontrolled Keywords: | jenis makanan, color histogram, gray level co-occurrence matrix, klasifikasi, k-nearest neighbor/food type, color histogram, gray level co-occurrence matrix, classification, k-nearest neighbor |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 01 Aug 2020 08:55 |
| Last Modified: | 01 Aug 2020 08:55 |
| URI: | http://repository.ub.ac.id/id/eprint/171862 |
Actions (login required)
 |
View Item |