ABSTRAKSI: Tugas Akhir ini mengenai pendeteksian karakter pada kode label barang IT Telkom menggunakan gabor wavelet dan k-nearest neighbour. Karakter yang dideteksi merupakan huruf B,C,E,G,K,L,M,P dan angka 0-9. Pada Tugas Akhir ini digunakan metode yang berbeda dengan Tugas Akhir sebelumnya dengan judul “Aplikasi Pengenalan Karakter pada Kode Label Barang IT Telkom menggunakan Template Matching”. Pada Tugas Akhir ini menggunakan metode yang berbeda dengan tujuan dapat mengujikan metode yang berbeda pada studi kasus yang sama.
Sistem pendeteksian kode label barang IT Telkom yang dirancang pada penelitian ini terdiri dari tiga bagian sistem, yaitu : sistem pre-processing dengan menggunakan bwareaopen, bwareaclose, dan imdilate, sistem ekstraksi ciri dengan menggunakan gabor wavelet, sedangkan sistem klasifikasi menggunakan k-nearest neighbour. Pada Tugas Akhir ini digunakan 40 citra untuk pelatihan, citra kemudian disegmentasi terlebih dulu setelah itu diklasifikasikan dalam huruf B,C,E,G,K,L,M,P dan angka 0-9. Sistem diuji dengan menggunakan 10 citra yang berbeda yang terdapat 150 karakter pada kesepuluh citra tersebut.
Pada Tugas Akhir ini, tingkat akurasi sistem tertinggi adalah 93,34 %, sedangkan tingkat akurasi sistem terendah adalah 46,67% .Untuk akurasi rata-rata dengan nilai k=1 yaitu sebesar 71,67 % ,dengan nilai k=3 yaitu sebesar 67,5%, kemudian dengan nilai k=5 yaitu sebesar 64%. Sedangkan untuk akurasi sistem pendeteksian karakter dengan menggunakan jenis distance Euclidean diperoleh akurasi rata-rata 69,93%,dengan menggunakan jenis distance Correlation yaitu sebesar 65,78%, selanjutnya dengan menggunakan jenis distance City Block yaitu 68,45%, dan yang terakhir dengan menggunakan jenis distance Cossine diperoleh akurasi rata-rata sebesar 67,34%.Kata Kunci : kode label barang, deteksi karakter, gabor wavelet, k-nearest neighbourABSTRACT: The final project of the detection character code label goods on IT Telkom using Gabor wavelet and k-nearest neighbor. Character is detected the letters B,C,E,G,K,L,M,P and numbers 0-9. At this final project used a different method with the previous final project titled "Character Recognition application on Telkom IT Goods Code Label using Template Matching". At this final project using different methods with the aim of testing this can be different methods on the same case study.
Detection system IT Telkom code label goods that are designed in this study consists of three parts of the system, namely: pre-processing system using bwareaopen, bwareaclose, and imdilate, feature extraction system using Gabor wavelet, while the classification system using k-nearest neighbor. At this final project used 40 images for training, then segmented image after that it is classified in the letters B, C, E, G, K, L, M, P and the numbers 0-9. The system was tested by using 10 different images that are 150 characters in the image of the tenth.
At this final project, the highest level of system accuracy is 93.34%, while the lowest level of system accuracy is 46.67% . For the average accuracy of the value of k = 1 is equal to 71.67%, with a value of k = 3 is equal to 67.5%, then the value of k = 5 is equal to 64%. As for the accuracy of the detection system using a type of character with the Euclidean distance obtained an average accuracy of 69.93%, using Correlation distance that is equal to 65.78%, then by using the kind of City Block distance is 68.45%, and the latter with using this type of distance Cossine obtained an average accuracy of 67.34%.Keyword: code label goods, character detection, Gabor wavelet, k-nearest neighbor