RANCANG BANGUN APLIKASI WEB PENDETEKSI WARNA PADA PIXEL GAMBAR DENGAN KNN CLASSIFIER

Kadafi, Eka Sakti (2023) RANCANG BANGUN APLIKASI WEB PENDETEKSI WARNA PADA PIXEL GAMBAR DENGAN KNN CLASSIFIER. FAKULTAS TEKNIK, Universitas lampung. (Tidak diterbitkan)

Preview	File PDF 1. ABSTRAK - ABSTRACT .pdf Download (13Kb) | Preview
	File PDF 2. SKRIPSI FULL .pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Manusia memiliki keterbatasan dalam mendeteksi ratusan warna dalam gambar secara presisi. Banyak orang awam mengalami kesulitan dalam mengklasifikasikan sebuah warna pada benda ,pada umumnya orang awam hanya mengetahui warna dasar atau warna yang umum. Sehingga aplikasi web bernama DYSCO ini dibuat untuk mempermudah dalam mengklasifikasikan sebuah warna. DYSCO merupakan aplikasi pendeteksi warna berbasis web dengan menggunakan metode K-Nearest Neighbors. Aplikasi web ini dibuat dengan menggunakan bahasa pemrograman Python dan kerangka kerja mikro Flask. Aplikasi web ini dapat menampilkan informasi warna pixel suatu gambar yang di-upload pengguna ke dalam web, dengan mengektraksi fitur RGB pada gambar tersebut. Metode pengembangan yang digunakan adalah AI Project Cycle dengan 6 tahapan yaitu Problem Scoping, Data Acquisition, Data Exploration, Modelling ,Evaluation dan Deployment. Pembuatan aplikasi web pendeteksi warna pada pixel ini telah berhasil dilakukan dan sudah mampu mendeteksi dan memberikan informasi warna yang di klik pengguna pada gambar, dengan akurasi yang tinggi yaitu 0,844. Aplikasi web juga sudah dapat memenuhi fungsi fungsi utamanya, ditunjukan melalui pengujian menggunakan teknik Usability Testing berdasarkan ISO 9421-11 untuk mengukur Efectivity, Eficiency dan Satisfaction, dengan 10 orang responden awam. Hasil Usability Testing mendapatkan skor yang sangat bagus dengan nilai efectivity yaitu 100% dengan predikat sangat efektif, nilai eficiency yaitu 32,6 detik dengan predikat sangat cepat, dan nilai satisfaction yaitu 84 dengan predikat dapat diterima (acceptable). Kata Kunci : K-Nearest Neighbor, AI Project Cycle, Flask, Usability Testing

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Informatika
Pengguna Deposit:	Kadafi Eka Sakti
Date Deposited:	06 Apr 2023 06:13
Terakhir diubah:	26 Jun 2023 05:21
URI:	http://digilib.unila.ac.id/id/eprint/70407

Actions (login required)

Lihat Karya Akhir