title: IMPLEMENTASI K-NEAREST NEIGHBOR (KNN) UNTUK  KLASIFIKASI CITRA SERAT KAYU
creator: FINKA , MARISA GEANANDA SUFIE 
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
subject: 001 Ilmu pengetahuan
subject: 500 ilmu pengetahuan alam dan matematika
description: Kayu adalah bahan mentah yang banyak digunakan diberbagai bidang. Di  Indonesia, industri mebel seringkali mengidentifikasi kayu langsung dengan indra  manusia. Kemampuan dan pengetahuan manusia yang terbatas menyebabkan  seringnya terjadi kesalahan dan membutuhkan lebih banyak waktu. Pembelajaran  mesin adalah alternatif untuk membantu industri pengolah kayu mengidentifikasi  spesies kayu melalui pembelajaran berbasis data. Metode K-Nearest Neighbor  (KNN) mengurutkan objek (citra serat kayu) berdasarkan kemiripannya dengan  jumlah tetangga terdekat (k). Hasil dari penelitian ini berupa implementasi  algoritma KNN dengan percobaan menggunakan beberapa k tetangga terhadap  hasil ekstraksi fitur dari citra yaitu, fitur warna HSV dan tekstur GLCM.  Pengujian model dengan pembagian data latih dan data uji 80:20 dilakukan  menggunakan 5-Fold Cross Validation. Model terbaik dihasilkan tetangga k = 7  dengan akurasi 76,9%.  Kata Kunci: Kayu, K-Nearest Neighbor (KKN), GLCM, HSV    Wood is a raw material that is widely used in various fields. In Indonesia, the  furniture industry often identifies wood directly with the human senses. Limited  human ability and knowledge cause frequent errors and require more time.  Machine learning is an alternative to helping the wood processing industry  identify wood species through data-driven learning. The K-Nearest Neighbor  (KNN) method sorts objects (wood fiber images) based on their similarity with  the number of nearest neighbors (k). The result of this research is the  implementation of the KNN algorithm by experimenting with several k neighbors  on the results of extracting features from the image, namely, HSV color and  GLCM texture. Model testing with a division of training data and test data of  80:20 is done using 5-Fold Cross Validation. The best model was generated by k  = 7 neighbors with 76.9% accuracy.  Keywords: Wood, K-Nearest Neighbor (KKN), GLCM, HSV
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
date: 2023-07-26
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/74984/1/ABSTRAK.pdf
format: text
identifier: http://digilib.unila.ac.id/74984/2/SKRIPSI%20FULL.pdf
format: text
identifier: http://digilib.unila.ac.id/74984/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf
identifier:   FINKA , MARISA GEANANDA SUFIE   (2023) IMPLEMENTASI K-NEAREST NEIGHBOR (KNN) UNTUK KLASIFIKASI CITRA SERAT KAYU.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
relation: http://digilib.unila.ac.id/74984/