Record Details

Klasifikasi Jenis Citra Makanan menggunakan Color Histogram dan Gray Level Co-occurrence Matrix dengan K-Nearest Neighbour

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Jenis Citra Makanan menggunakan Color Histogram dan Gray Level Co-occurrence Matrix dengan K-Nearest Neighbour
 
Added Entry - Uncontrolled Name Priambodo, Hafid Satrio
Sari, Yuita Arum
Widodo, Agus Wahyu
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Kebiasaan mengonsumsi makanan secara tidak teratur merupakan salah satu faktor meningkatnya resiko kesehatan. Salah satu solusi untuk memudahkan masyarakat dalam mengetahui, mencatat, dan memantau jenis-jenis makanan yang dikonsumsi adalah dengan membuat sistem cerdas. Untuk mendukung solusi tersebut, dilakukan penelitian untuk mengenali jenis makanan yang akan dikonsumsi. Tahap awal dalam melakukan pengenalan adalah dengan cara melakukan klasifikasi jenis makanan tersebut. Proses pengklasifikasian dilakukan dari nilai hasil ekstraksi fitur yang digunakan. Proses pengenalan diawali dengan proses preproccessing gambar yang selanjutnya dilakukan pengekstraksian fitur. Ekstraksi fitur yang digunakan adalah Color Histogram dan Gray Level Co-occurrence Matrix. Pada ekstraksi fitur menggunakan Color Histogram menggunakan 3 warna yaitu red, green, blue dengan masing-masing warna memiliki fitur mean, standard deviation, dan skewness. Selain itu, pada ekstraksi fitur dengan Gray Level Co-occurrence Matrix memiliki 6 jenis fitur seperti contrast, dissimilarity, homogeneity, angular second moment, energy, dan entropy dengan sudut pengambilan nilai piksel 0o, 45 o, 90 o, dan 135 o. Metode yang diterapkan untuk mengklasifikasikan nilai dari hasil ekstraksi fitur dapat menggunakan adalah metode klasifikasi K-Nearest Neighbour. Hasil dari akurasi rata-rata yang dihasilkan oleh metode-metode tersebut adalah sebesar 93,33%. Hal ini membuktikan bahwa metode-metode yang digunakan dalam penelitian ini mampu melakukan pengklasifikasian jenis citra makanan.
 
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/5824
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 3 No 7 (2019): Juli 2019
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2019 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com