PERBAIKAN KUALITAS CITRA UNTUK KLASIFIKASI DAUN  MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR

Asih Setiyorini; Jayanti Yusmah Sari

doi:10.21107/edutic.v4i2.3950

PERBAIKAN KUALITAS CITRA UNTUK KLASIFIKASI DAUN MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR

Asih Setiyorini, Jayanti Yusmah Sari

Abstract

Abstrak

Tumbuhan memiliki banyak manfaat bagi kehidupan manusia seperti makanan, obat-obatan, industri, melindungi lingkungan, bahkan penyedia oksigen bagi organisme lainnya. Untuk mengetahui jenis-jenis tumbuhan maka diperlukan klasifikasi. Klasifikasi tumbuhan dapat dilakukan dengan mengidentifikasi fitur daun dalam tumbuhan tersebut. Dalam menentukan bagus dan tidaknya proses identifikasi citra maka diperlukan suatu proses perbaikan kualitas citra. Perbaikan kualitas citra digunakan untuk menyiapkan citra dalam kondisi yang ideal agar tidak menimbulkan masalah dan mempengaruhi hasil interpelasi serta mempengaruhi analisis dan perencanaan yang akan dilakukan. Pada penelitian ini metode klasifikasi yang digunakan adalah metode Fuzzy K-Nearest Neighbor (FKNN). Metode Fuzzy K-Nearest Neighbor (FKNN) merupakan metode yang paling objektif. Berdasarkan hasil uji coba yang dilakukan, penggunaan metode Fuzzy K-Nearest Neighbor (FKNN) didapatkan nilai akurasi sebesar 93%.

Kata kunci: Perbaikan kualitas citra, Fuzzy K-Nearest Neighbor (FKNN)

Full Text:

PDF

References

DAFTAR PUSTAKA

Burger, W, and Burge, M.J. 2008 Digital Image Processing An Algorithmic Introduction using Java. New York: Springer Science+Business Media, LLC.

Febri Liantoni, Hendro Nugroho “Klasifikasi Daun Herbal Menggunakan Metode Naïve Bayes Classifier Dan Knearest Neighbor”, Jurnal Simantec Vol. 5, No. 1 Desember 2015

Febri Liantoni, “Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor”, ULTIMA Computing, Vol. VII, No. 2 | Desember 2015

Flavia (2007), Published on internet. http:// flavia.sourceforge.net. Accessed on 29 Oktober 2017

Group 620 (2011), Biometric Identiﬁcation using Hand Vein Patterns Electronics & IT P6 Student Project Spring Semester 2011, Department of Electronic Systems Aalborg University.

J . Chaki, and R. Parekh, “Plant Leaf Recognition using Shape based Features and Neural Network Classifiers”, International Journal of Advanced Computer Science and Applications, vol. 2, no. 10, 2011.

Ji-Xiang Du, Xiao-Feng Wang, Guo-Jun Zhang 2007. "Leaf Shape Based Plant Species Recognition". Science Direct. 883893.

K. Abdul, E.N Lukito, and N. Adhi, “Leaf Classification Using Shape, Color, and Texture Features”, International Journal of Computer Trends and Technology, July to Aug, 2011.

Keller, J. M., Gray, M. R., & Givens, J. A. (1985). A fuzzy k-nearest neighbor algorithm. IEEE transactions on systems, man, and cybernetics, (4), 580-585.

L.N. Pradany, A.Y. Wijaya, and R. Soelaiman, “Identifikasi Parameter Optimal Jaringan Syaraf Tiruan Multi Layer Perceptron pada Pengenalan Pola Daun: Studi Kasus Tumbuhan Herbal”, Jurnal Teknik Pomits, vol. 2, no. 1, 2014.

Mouine Sofiene, Yahiaoui Itheri, Blondet Anne Verroust “A shape based approach for leaf classification using multiscale triangular representation” Third ACM International Conference on Multimedia Retrieval 2013.

The Plant List (2010). Published on internet. http://www.theplantlist.org. Accessed on 29 Oktober 2017

S. G. Wu, F. S. Bao, E. Y. Xu, Y. -X. Wang, Y. –F. Chang, and Q. –L. Xiang, “A Leaf Recognition Algorithm for Plant Classification Using Probabilistic Neural Network”, IEEE International Symposium, pp. 1-6, July, 2007.

Yanita Selly Meristika, Achmad Ridhok, Lailil Muflikhah.2014., PerbandinganK-Nearest Neighbor dan Fuzzy K-Nearest Neighbor pada DiagnosisPenyakit Diabetes Melitus. Program studi informatika/ Ilmu komputer Universitas Brawijaya.

Z. Husin, A.Y.M. Shakaff, A. H. A. Aziz, R.S.M. Farook, M.N. Jaafar, U. Hashim, and A. Harun, “Embedded Portable Device For Herb Leaves Recognition Using Image Processing Techniques And Neural Network Algorithm”, Science Direct on Computers and Electronics in Agriculture, pp. 18–29, 2012.

DOI: https://doi.org/10.21107/edutic.v4i2.3950