A PHP Error was encountered
Severity: Warning
Message: fopen(/home/rama/public_html/application/cache/sessions/rama_sessiontbjm5o56r8ajuov35jnfgf9o9t4f45la): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 174
Backtrace:
File: /home/rama/public_html/application/core/MY_Controller.php
Line: 8
Function: __construct
File: /home/rama/public_html/application/controllers/Document.php
Line: 6
Function: __construct
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={HILMY MOHAMMAD},
title ={KLASIFIKASI UMUR POHON KELAPA SAWIT PADA CITRA FOTO UDARA BERDASARKAN TEKSTUR MENGGUNAKAN METODE K-NN},
year={2013},
url={http://eprints.umg.ac.id/4524/},
abstract={Perkembangan dan kemajuan dibidang teknologi dan informasi
memberikan pengaruh yang cukup besar dalam dunia analisis citra.Saat ini, proses
manipulasi citra menjadi semakin mudah dilakukan, salah satu penyebabnya
adalah munculnya berbagai macam metode segmentasi citra.Segmentasi citra
merupakan langkah awal dalam melakukan pengolahan citra, pengenalan pola,
visi computer, dan menjadi factor terpenting, karena hampir sebagian besar
pengolahan citra bergantung pada hasil operasi enhancement atau proses
perbaikan citra.
Pada tugas akhir ini akan diimplementasikan proses penentuan jenis pohon
kelapa sawit menggunakan metode KNN. Proses perbaikan citra RGB ke
Grayscale, kemudian dilanjutkan dengan operasi normalisasi, setelah di
normalisasi langkah operasi lanjutan adalah operasi equalisasi histogram,
dilanjutkan dengan operasi invers dan yang terakhir adalah operasi median
filtering. Proses ekstraksi ciri dilakukan setelah operasi perbaikan citra dengan
menggunakan metode co-occurrence matrix. Proses ekstraksi ciri co-occurrence
matrix menghasilkan 6 fitur, antara lain nilai angular second moment, contrast,
correlation, variance, invers different moment, dan entropy. Proses KNN
merupakan salah satu proses untuk menentukan suatu kelas. Ada tiga (3) kelas
yang di pakai dalam uji system kali ini, yaitu bokan pohon kelapa sawit, pohon
kelapa sawit muda dan pohon kelapa sawit tua. Penentuan pengelompokan kelas
ini berdasarkan dari jarak Euclidian dengan K=1 sebagai penentu kelas.
Berdasarkan tujuan diatas, kemudian dibuat sistem dengan menggunakan
program aplikasi Matlab 2008b. Pengujian dilakukan dengan menggunakan image
berbagai macam pohon kelapa sawit disuatu perkebunan Kalimantan yang diambil
dari foto udara kemudian di cropping untuk dijadikan sample dengan ukuran
pixel 256x256 sebanyak 115.}
}