Akbar, Ardiyallah (2017) Klasifikasi Mutu Mutiara Berdasarkan Bentuk, Ukuran Dan Cacat Menggunakan K-Nearest Neighbor (K-Nn). Magister thesis, Universitas Brawijaya.
Abstract
Dalam industri fashion khususnya mutiara, proses klasifikasi mutiara dilakukan secara manual dengan pengamatan visual. Hal tersebut tentu akan memakan waktu yang lama dan menghasilkan produk dengan mutu yang salah karena keterbatasan visual dan kelelahan manusia. Untuk itu dibutuhkan suatu teknologi untuk melakukan proses klasifikasi yang cepat dan akurat. Teknologi yang dapat diterapkan adalah pengolahan citra digital dan metode K-Nearest Neighbor. Dalam penelititian ini menggunakan beberapa proses pengolahan citra digital seperti metode thereshold, yaitu dengan cara memisahkah objek dan latar belakang citra dan selanjutnya konten yang digunakan adalah bentuk dan ukuran yang diektraksi dari citra mutiara dengan metode regionprops. Metode regionprops adalah metode yang digunakan untuk mengukur sekumpulan properti–properti dari setiap region yang telah dilabeli dalam matriks label. Bilangan integer positif yang merupakan elemen dari matriks berkorespondensi dengan region yang bersesuaian area panjang major axis dan panjang minor axis yang digunakan merupakan sebagian dari properti yang dihasilkan fungsi regionprops. Dan proses klasifikasinya menggunakan metode K-Nearest neighbor merupakan salah satu metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Tujuannya adalah untuk mengklasifikasikan objek baru berdasarkan atribut dan data training. Klasifikasi dilakukan tanpa menggunakan model tetapi hanya berdasarkan memori. Algoritma K-Nearest Neighbor menggunakan klasifikasi ketetanggaan sebagai prediksi terhadap data baru. Hasil akhir dari sistem ini adalah mampu menentukan kelas dan kualitas mutiara. Dari data sebanyak 25 yang terdiri dari 10 mutiara kualitas A, 10 mutiara kualitas AA, dan 5 mutiara kualitas AAA yang telah divalidasi oleh pakar. Dengan menggunakan Metode K-NN (K-Nearest Neighbor) dan nilai K=1 mampu menghasilkan tingkat akurasi mencapai 92,30%.
English Abstract
In the fashion industry especially pearls, Pearl classification process is done manually by visual observation. It will certainly take a long time and produces low quality products. This is because of the visual limitation and human exhaustion factors. That is why a technology is needed to do a classification process precisely and quickly. The technology implemented was a digital image processing and K-nearest neighbor method. In this research using some process of digital image processing, such as thereshold method, that is by separating object and background image and then the content used is the shape and size which is extracted from pearl image with regionprops method. The method of regionprops is a method used to measure a set of properties of each region that has been labeled in a label matrix. The positive integer number representing the element of the matrix corresponding to the region corresponding to the major long axis and minor axis length areas is part of the property generated by the regionprops function. And the process of classification using K-Nearest neighbor method is one method to classify objects based on learning data closest to the object. The goal is to classify new objects based on attributes and training data. Classification is done without using model, but only based on memory. The K-Nearest Neighbor algorithm uses an adjacent classification as a prediction of new data. The final result of this system was able to determine the class and the quality of the pearls. There were 25 data which consisted of 10 pearls of A quality, 10 pearls of AA quality, and 5 pearls of AAA quality Which has been validated by an expert. By using K-NN (K-Nearest Neighbor) method with K=1, the result reached the accuracy value of 92,30%,
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/005.365/AKB/k/2017/041708991 |
| Uncontrolled Keywords: | IMAGE PROCESSING, IMAGE PROCEEING - DIGITAL TECHNIQUES - MATHEMATICS, NEAREST NEIGHBOR ANALYSIS (statistics), ALGORITHEMS, PEARLS |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.3 Programs > 005.36 Programs for personal computers > 005.362 Programs in specific programming languages > 005.365 Programs for specific computers |
| Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
| Depositing User: | Nur Cholis |
| Date Deposited: | 13 Nov 2017 02:25 |
| Last Modified: | 14 Dec 2020 06:55 |
| URI: | http://repository.ub.ac.id/id/eprint/5312 |
Actions (login required)
 |
View Item |