KLASIFIKASI BATUAN SEDIMEN MELALUI PENGOLAHAN CITRA DIGITAL MENGGUNAKAN CONTENT BASED IMAGE RETRIEVAL (CBIR) DAN K-NEAREST NEIGHBOR (K-NN)
EZRA DILLON ATHERI HURA

Informasi Umum

Kode

17.04.1528

Klasifikasi

621.39 - Computer engineering, Electronic digital computers, Central processing units, Computer reliability, General Computer Performance Evaluation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

15 kali

Informasi Lainnya

Abstraksi

Batu merupakan benda keras dan padat yang berasal dari bumi terbuat secara alami dari mineral atau mineraloid. Ada banyak batu yang terkandung di bumi. Tiap-tiap batu dapat dibedakan berdasarkan cirinya menjadi tiga golongan besar diantaranya batuan Beku, Sedimen, Metamorf. Batuan yang paling banyak ditemukan dipermukaan bumi adalah batuan sedimen. Setiap golongan batuan tersebut berbeda-beda kandungannya dan manfaatnya. Beberapa diantaranya sebagai bahan bangunan, bahan perhiasan, dan sebagai indikator keberadaan minyak pada suatu lingkungan. Ada banyak cara untuk mengetahui jenis batuan yang ada di alam ini, salah satunya dengan mempelajari ilmu geologi. Namun proses yang dibutuhan untuk memahami perbedaan pengklasifikasian jenis batuan terutama fokus di bidang batuan sedimen. Dibutuhkan waktu yang cukup lama, dikarenakan klasifikasi dan deteksi Batuan Sedimen masih dilakukan secara konvensional. Hal ini yang menjadi latar belakang topik Tugas Akhir ini . Pada Tugas Akhir ini, akan dibahas mengenai teknik pengolahan citra digital untuk dapat mengklasifikasikan batuan sedimen, dalam hal ini batuan sedimen breksi, gamping dan pasir. Singkat cara kerja pada Tugas Akhir ini antara lain mengklasifikasikan batuan sedimen dengan cara menerima suatu inputan berupa citra digital yang nantinya akan diproses menggunakan metode CBIR dan K-NN, Dengan menggunakan metode ini akan didapatkan data ciri statistik dari citra batuan yang diteliti,sehingga dapat digolongan ke dalam jenis batuan tertentu dan dapat mengetahui garis besar mineralnya serta citra hasil query dalam waktu yang relative singkat. Berdasarkan implementasi dan pengujian yang dilakukan, Akurasi terbaik yang dicapai oleh klasifikasi K-NN dengan pendekatan Euclidean distance adalah sebesar 96,67 % pada pengujian 30 citra uji dan akurasi rata-rata yang berhasil didapat sebesar 80,83%. Waktu komputasi rata-rata yang dibutuhkan untuk tiap citra selam 0,53 detik.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Nama	EZRA DILLON ATHERI HURA
Jenis	Perorangan
Penyunting	BAMBANG HIDAYAT, JOHAN ARIF
Penerjemah

Penerbit

Nama	Universitas Telkom, S1 Teknik Telekomunikasi
Kota	Bandung
Tahun	2017

Sirkulasi

Harga sewa	IDR 0,00
Denda harian	IDR 0,00
Jenis	Non-Sirkulasi

Download / Flippingbook