Text
Klasifikasi Bibit Cabai Berdasarkan Daun Dengan Citra Digital Dengan Menggunakan Metode KNN (K-Nearest Neighbor)
Penelitian ini mengimplementasi Algoritma Hue Saturation Value (HSV) dan CANNY dengan menerapkan fitur Gradien dan Laplacian untuk ekstraksi Tepian dari Bentuk dan K Nearest Neighbour (K-NN) Pada Klasifikasi Daun Bibit Cabai.
Dalam penelitian ini terdapat 600 citra daun yang dibagi menjadi 80% data training dan 20% data testing. Sampel training untuk mengekstrak fitur warna dengan menerapkan fitur Red, Green dan Blue (RGB) pada metode Hue Saturation Value (HSV), kemudian ekstraksi fitur Gradien dan Laplacian menggunakan metode Canny. Terlebih dahulu citra di ubah ke dalam metode citra grayscale atau citra hitam putih agar citrabyang di ambil merupakan nilai dalam range 0-255. Selanjutnya di lakukan ekstraksi ciri deteksi tepi dengan menerapkan fitur gradien dan Laplacian pada metode Canny. Ekstraksi pada fitur warna dan fitur gradien dan Laplacian pada data training digunakan untuk melatih algoritma pada masingmasing fitur yang digunakan sesuai dengan kriteria yang ada. Selanjutnya dilakukan identifikasi gambar dengan mengacuh pada algoritma yang digunakan untuk ekstraksi pada masing-masing fitur yang ada pada data training.
Hasil dari ekstraksi fitur warna dan ekstraksi fitur tekstur selanjutnya di kelola oleh algoritma K-Nearest Neigbhour (K-NN) untuk mengklasifikasi hasil dari identifikasi jenis daun bibit cabai pada tiga kelalas klasifikasi, yaitu cabai merah keriting, cabai merah besar dan cabai rawit merah. Dari hasil pengujian menggunakan confusion matriks pada nilai k=5 maka di peroleh precision sebesar 70%, recal sebesar 87%, F-1`score sebesar 81% dan akurasi sebesar 81%
| S250200 | SKRIPSI-2025 ABU k | Perpustakaan Universitas Handayani Makassar | Tersedia |
Tidak tersedia versi lain