EKSTRAKSI FITUR DAUN DENGAN PENERAPAN METODE COMPRESSIVE SENSING DAN GRAY LEVEL CO-OCCURRENCE MATRIX DENGAN KLASIFIKASI DAUN MENGGUNAKAN K-NN
FELLIA RIZKI KUSUMOWARDANI
Informasi Umum
Kode
21.04.2679
Klasifikasi
621.38 2 - Signal processing, Information theory
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Image Processing - Signal Processing
Dilihat
225 kali
Informasi Lainnya
Abstraksi
Daun digunakan sebagai daya tarik manusia untuk melakukan kegiatan berkebun atau kegiatan lain seperti penjualan tanaman karena dari segi bentuk daun yang unik dan karakteristik yang bermacam-macam. Untuk mengetahui karakteristik pada jenis daun dilakukan proses ekstraksi fitur. Tujuan dari ekstraksi fitur ini untuk mengetahui bentuk, tekstur, warna,ukuran, dan nilai yang digunakan sebagai pembeda antara satu objek dengan objek lain. Dalam penelitian ini, sebanyak 32 citra diambil oleh peneliti di halaman rumah. Metode yang digunakan pada Tugas Akhir ini yaitu Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), dan K-Nearest Neighbour (K-NN). Hasil yang diperoleh menunjukan kualitas dari kompresi ketika dilakukan pengujian dengan menggunakan Rasio Kompresi, MSE, PSNR, dan Akurasi. Didapatkan hasil terbaik ketika menggunakan data latih bernilai 20, data uji bernilai 4, Block bernilai 32, Baris Kompresi bernilai 32, dan Resize berukuran 512 x 512 menghasilkan rasio kompresi bernilai 3,1%, PSNR bernilai 22,1 dB, dan Akurasi bernilai 100%.
Kata Kunci: Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), K-Nearest Neighbour (K-NN)
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | FELLIA RIZKI KUSUMOWARDANI |
| Jenis | Perorangan |
| Penyunting | Gelar Budiman, Sofia Saidah |
| Penerjemah | Indonesia |
Penerbit
| Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
