Record Details

Pengenalan Citra Makanan Kue Tradisional menggunakan Ekstraksi Fitur HSV Color Moment dan Local Binary Pattern dengan K-Nearest Neighbour

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Pengenalan Citra Makanan Kue Tradisional menggunakan Ekstraksi Fitur HSV Color Moment dan Local Binary Pattern dengan K-Nearest Neighbour
 
Added Entry - Uncontrolled Name Waluyo, Gagas Budi
Sari, Yuita Arum
Rahayudi, Bayu
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Kue tradisional atau jajanan pasar merupakan makanan tradisional yang perlu kita lestarikan, kue tradisional tersebut sudah sangat jarang ditemui pada zaman sekarang, dikarenakan banyak masyarakat yang tidak mengetahui mengenai kue tradisional tersebut dan sudah sangat jarang ditemui di era modern ini. Sebenarnya kue tradisional ini merupakan makanan yang enak serta banyak beragam jenisnya dan pastinya tidak terlalu banyak kandungan pengawet didalamnya. Namun seiring berjalannya waktu kue tradisional telah di geser oleh makanan modern serta banyak sekali makanan yang diimpor kedalam negeri, oleh karena itu sudah saatnya dilestarikan agar supaya tidak punah serta anak cucu dapat mengetahuinya. Sehingga diperlukan sistem untuk mengenali makanan kue tradisional dengan menggunakan teknologi seperti sekarang ini. Pada penelitian ini, untuk mengenali makanan kue tradisional menggunakan metode ekstraksi fitur warna Hue Saturation Value (HSV) dan fitur tekstur Local Binary Pattern (LBP) dan diklasifikasikan menggunakan metode K-Nearest Neighbour (KNN). Fitur warna yang digunakan adalah color moment yang menghasilkan tiga nilai, yaitu mean, standar deviation, dan skewness. Sedangkan fitur tekstur LBP akan menghasilkan nilai keabuan sebanyak jumlah ketetanggaan yang digunakan. Setelah itu, ekstraksi fitur yang didapatkan diklasifikasikan dengan menggunakan K-Nearest Neighbour. Hasil pengujian didapatkan bahwa jika hanya menggunakan metode fitur warna HSV memperoleh nilai akurasi sebesar 75%. Jika hanya menggunakan metode fitur tekstur LBP memperoleh nilai akurasi sebesar 72,5%. Sedangkan, jika kedua metode ektraksi fitur digabungkan maka memperoleh nilai akurasi sebesar 75%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10312
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 12 (2021): Desember 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com