Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PERBANDINGAN AKURASI HASIL KLASIFIKASI GAMBAR BERWARNA MENGGUNAKAN METODERNK-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM)
Pengarang
Laina Farsiah - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
0708101010017
Fakultas & Prodi
Fakultas KIP / Pendidikan Matematika (S1) / PDDIKTI : 84202
Subject
Penerbit
Banda Aceh : Fakultas Matematika dan Ilmu Pengetahuan Alam., 2012
Bahasa
Indonesia
No Classification
510
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Pengklasifikasian gambar dalam jumlah besar sangat sulit dilakukan secara manual. Oleh karena itu, perlu dibangun sistem klasifikasi gambar yang akan diaplikasikan melalui komputer sebagai media yang akan mempercepat dan mempermudah kerja manusia. Pengekstraksian fitur-fitur gambar merupakan langkah awal dalam membangun sistem klasifikasi gambar. Fitur yang diekstrak meliputi fitur warna, tekstur, koetisien magnitudo fourier, dan koefisien discrete cosine transform (DCT). Fitur-fitur tersebut akan menjadi karakteristik setiap kelas yang akan digunakan untuk mengenali gambar lainnya. Fitur-fitur yang telah diekstrak diseleksi dengan menggunakan metode pemilihan fitur (feature selection) untuk memilih fitur-fitur yang terbaik yang akan digunakan dalam sistem klasifikasi. Gambar yang diklasifikasikan adalah corel dataset yang terdiri dan 10 (sepuluh) kelas. Metode pengklasifikasian yang digunakan pada penelitian ini adalah KNN (k-nearest neighbor) dan SVM (support vector machine). Tujuan penelitian ini adalah untuk membandiogkan akurasi (F_~) hasil klasifikasi gambar berwama mengguoakan metode KNN dan SVM Hasil penelitian menunjukkan bahwa akurasi (F/measure) klasifikasi gambar berwarna yang dihasilkan metode KNN sama baiknya dengan yang dihasilkan oleh metode SYM.
Kata kunci: Klasifikasi, gambar.feature selection. KNN, SVM. FI'/IeQStUY.
Tidak Tersedia Deskripsi
PERBANDINGAN AKURASI HASIL KLASIFIKASI GAMBAR BERWARNA MENGGUNAKAN METODERNK-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) (Laina Farsiah, 2021)
PERBANDINGAN ALGORITMA MACHINE LEARNING DALAM MENENTUKAN PERFORMA PENGGUNA PADA APLIKASI LARI JAVA (Arif Munandar, 2021)
PERBANDINGAN KINERJA RANDOM FOREST, SUPPORT VECTOR MACHINE, DAN ADABOOST DALAM KLASIFIKASI ARITMIA (Muhammad Raja Al Sahhaf, 2025)
KLASIFIKASI PASIEN KANKER LAYAK KEMOTERAPI BERDASARKAN DATA HASIL TES DARAH MENGGUNAKAN METODE SVM, K-NN, NAïVE BAYES, DAN DECISION TREE (Luthfina Zuhra, 2023)
KLASIFIKASI MUTU FISIK BIJI KOPI BERAS ROBUSTA MENGGUNAKAN PENGOLAHAN CITRA DIGITAL (IMAGE PROCESSING) DAN METODE SUPPORT VECTOR MACHINE (SVM) (DWI ANINDEA PUTRI, 2022)