Klasifikasi Mutu Mutiara Berdasarkan Bentuk, Ukuran Dan Cacat Menggunakan K-Nearest Neighbor (K-Nn)
| Main Author: | Akbar, Ardiyallah |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/5312/ |
Daftar Isi:
- Dalam industri fashion khususnya mutiara, proses klasifikasi mutiara dilakukan secara manual dengan pengamatan visual. Hal tersebut tentu akan memakan waktu yang lama dan menghasilkan produk dengan mutu yang salah karena keterbatasan visual dan kelelahan manusia. Untuk itu dibutuhkan suatu teknologi untuk melakukan proses klasifikasi yang cepat dan akurat. Teknologi yang dapat diterapkan adalah pengolahan citra digital dan metode K-Nearest Neighbor. Dalam penelititian ini menggunakan beberapa proses pengolahan citra digital seperti metode thereshold, yaitu dengan cara memisahkah objek dan latar belakang citra dan selanjutnya konten yang digunakan adalah bentuk dan ukuran yang diektraksi dari citra mutiara dengan metode regionprops. Metode regionprops adalah metode yang digunakan untuk mengukur sekumpulan properti–properti dari setiap region yang telah dilabeli dalam matriks label. Bilangan integer positif yang merupakan elemen dari matriks berkorespondensi dengan region yang bersesuaian area panjang major axis dan panjang minor axis yang digunakan merupakan sebagian dari properti yang dihasilkan fungsi regionprops. Dan proses klasifikasinya menggunakan metode K-Nearest neighbor merupakan salah satu metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Tujuannya adalah untuk mengklasifikasikan objek baru berdasarkan atribut dan data training. Klasifikasi dilakukan tanpa menggunakan model tetapi hanya berdasarkan memori. Algoritma K-Nearest Neighbor menggunakan klasifikasi ketetanggaan sebagai prediksi terhadap data baru. Hasil akhir dari sistem ini adalah mampu menentukan kelas dan kualitas mutiara. Dari data sebanyak 25 yang terdiri dari 10 mutiara kualitas A, 10 mutiara kualitas AA, dan 5 mutiara kualitas AAA yang telah divalidasi oleh pakar. Dengan menggunakan Metode K-NN (K-Nearest Neighbor) dan nilai K=1 mampu menghasilkan tingkat akurasi mencapai 92,30%.