IDENTIFIKASI JENIS SAMPAH BERDASARKAN TEKSTUR DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN GRAY LEVEL RUN LENGTH MATRIX MENGGUNAKAN IMPROVED K-NEAREST NEIGHBOR

FITRI BUTAR-BUTAR and PUTRI SHANIA BILQIS (2021) IDENTIFIKASI JENIS SAMPAH BERDASARKAN TEKSTUR DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX DAN GRAY LEVEL RUN LENGTH MATRIX MENGGUNAKAN IMPROVED K-NEAREST NEIGHBOR. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (10MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (2MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (13MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (13MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Sampah anorganik adalah jenis sampah yang membutuhkan waktu sangat lama untuk bisa terurai secara alami, untuk itu penting melakukan daur ulang terhadap jenis sampah ini agar tidak menumpuk di lingkungan. Sebelum akan melewati tahap daur ulang sampah anorganik akan terlebih dahulu dikelompokkan berdasarkan jenisnya, yang mana identifikasi terhadap jenis dari sampah akan diperlukan. Pengolahan citra digital dapat digunakan untuk membuat sistem identifikasi jenis material dari sampah anorganik, yaitu dengan menganalisis fitur yang terdapat pada citra sampah. Pada penelitian ini fitur yang akan digunakan adalah fitur tekstur. Fitur tekstur pada citra digital akan diekstraksi menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Gray Level Run Length Matrix (GLRLM). Kemudian untuk penentuan jenis sampah pada citra akan menggunakan metode klasifikasi Improved K-Nearest Neighbor. Hasil pengujian dengan 50 citra uji dari 5 jenis material sampah yang berbeda yaitu sampah berbahan karton atau kardus, kaca, logam, kertas, dan plastik, menghasilkan nilai rata-rata accuracy tertinggi yaitu sebesar 90,4% yang diperoleh pada penggunaan metode ekstraksi GLRLM dengan besar sudut ekstraksi 135°. Sedangkan saat menggunakan kedua metode ekstraksi, yaitu dengan menggabungkan nilai-nilai ciri dari metode GLCM dan GLRLM nilai rata-rata accuracy tertinggi yang diperoleh sebesar 88% dengan besar sudut ekstraksi 0°.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 13 Jan 2023 07:40
Last Modified: 13 Jan 2023 07:40
URI: https://repository.mikroskil.ac.id/id/eprint/696

Actions (login required)

View Item
View Item