KLASIFIKASI UMUR POHON KELAPA SAWIT PADA CITRA FOTO UDARA BERDASARKAN TEKSTUR MENGGUNAKAN METODE K-NN
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Gresik
Author
HILMY, MOHAMMAD
Subject
Informatics Engineering
Datestamp
2020-12-11 09:02:44
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.
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.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
