Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV)

Authors

  • Dani Syahid Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung, Indonesia
  • Jumadi Jumadi Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung, Indonesia
  • Dian Nursantika Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung, Indonesia

DOI:

https://doi.org/10.15575/join.v1i1.6

Keywords:

Hue, Saturation, Value (HSV), K-Nearest Neighboor (KNN), Tanaman hias daun Philodendron

Abstract

Tanaman hias daun biasa digunakan untuk mempercantik halaman pekarangan rumah dengan aneka warna yang indah pada tanaman hias daun ini menjadi bahan perhatian khususnya bagi pecinta tanaman. Namun dengan banyaknya jenis tanaman hias membuat kita sulit untuk mengetahui nama tumbuhan yang kita minati.Sistem pendeteksi citra tanaman hias daun bekerja dengan cara membandingkan data citra latih yang telah tersimpan pada database terhadap data citra yang akan diuji. Data citra uji akan diklasifikasikan dengan menggunakan penerapan metode K-Nearest Neighboor yaitu berfungsi untuk menghitung jarak terdekat antara data citra latih dan data citra uji pada setiap pikselnya. Setiap piksel pada citra akan dilakukan proses konversi red, Green, Blue (RGB) ke dalam ekstraksi fitur warna hue, saturation, value (HSV) terlebih dahulu. Setelah didapat nilai HSV, maka dilakukan proses klasifikasi menggunakan metode KNN. Data sampel pada penelitian ini menggunakan 5 klasifikasi citra data latih dengan 10 data citra  uji pada setiap data citra latih. Pada penelitian ini, diperoleh hasil dari akurasi sistem pendeteksi citra tanaman dengan hasil mencapai 92%.

References

E. Prasetyo, Data Mining – Mengolah Data menjadi Informasi menggunakan Matlab. Yogyakarta: ANDI, 2012.

R. C. Gonzales and R. E. Woods, Digital Image Processing, 2nd ed. New Jersey: Prentice Hall, 2002.

D. M. Agaputra, R. R. K. Wardani, and E. Siswanto, "Pencarian Citra Digital Berbasiskan Konten dengan Ekstraksi Fitur HSV, ACD, dan GLCM," Telematika, vol. 8, no. 2, 2013, Institut Teknologi Harapan Bangsa.

Ch. B. Kavitha, Prabhakara Rao, and A. Govardha, "Image retrieval based on color and texture features of the image sub-blocks," International Journal of Computer Applications, vol. 15, no. 7, 2011.

Downloads

Published

2016-06-01

Issue

Vol. 1 No. 1 (2016)

Section

Article

Citation Check

License

Copyright (c) 2016 Jurnal Online Informatika

Creative Commons License

This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.

You are free to:

 

Under the following terms:

  • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.

  • NoDerivatives — If you remix, transform, or build upon the material, you may not distribute the modified material.

  • No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

 

Notices:

  • You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
  • No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License