IMPLEMENTASI METODE HAAR-LIKE PADA KLASIFIKASI BUAH TOMAT DENGAN K-NEAREST NEIGHBOR

---

Abstrak
Penelitian ini dilakukan untuk mengetahui metode haar-like dan K-nearest
neighbor (KNN), dengan tingkat warna RGB dari citra buah tomat, sehingga dapat
diketahui tingkat kematangan pada buah tomat. Untuk penelitian ini dilakukan
pengenalan buah tomat dibagi menjadi tiga kelas yaitu kelas mentah,setengah
matang dan matang. Penelitian ini menggunakan fitur warna sehingga Tingkatan
RGB mampu membantu untuk tahapan perhitungan haar-like dan k-nearest
neighbor. Pada proses pertama dilakukan normalisasi pada pixel citra tomat dengan
tingkatan RGB yang dimana proses tersebut akan menghasilkan nilai fitur dari
image tomat dan nilai tersebut akan menjadi hasil dari nilai haar-like. Implementasi
haar-like dapat digunakan untuk mengetahui berapa banyak tomat dalam satu citra,
sedangkan untuk klasifikasi KNN digunakan untuk mengetahui masing-masing
kelas mentah,setengah matang dan matang dari setiap tomat. Klasifikasi KNN
untuk buah tomat menggunakan dua tahapan yaitu tahapan data training dan
tahapan data testing. Pengujian dilakukan dengan menggunakan nilai k- 9. Hasil
dari penelitin ini akurasi yang di dapatkan dari metode KNN adalah sebesar 88%.
Kata kunci : Haar-like, RGB, K-Nearest Neighbor (KNN)

---

Ketersediaan

S06-19111

1911

Koleksi Skripsi

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1911

Penerbit

Surabaya : ITATS., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Haar-like, RGB, K-Nearest Neighbor (KNN)

Info Detail Spesifik

NPM : 06.2013.1.06187 Nilai : B+

Pernyataan Tanggungjawab

Pembimbing : Febri Liantoni, S.ST, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar