Penggunaan Principal Component Analysis dan Minimum Distance Classifier untuk Pengenalan Citra Buah

Bella Adinda Putri • Yulia Hapsari
Conference paper • 2016

Abstrak

Pengenalan buah dengan alat yang dapat diandalkan merupakan sebuah tantangan, walaupun manusia bisa mengenali buah-buahan hampir dengan tanpa USAha. Untuk mencapai tujuan tersebut, perlu dilakukan studi kepustakaan untuk memahami konsep dan landasan teori agar dapat memperkuat asumsi metode Principal Component Analysis dan Minimum Distance Classifier. Fokus utama dalam penelitian ini adalah bagaimana mendapatkan fitur dari setiap citra buah untuk membedakan buah satu sama lain dengan menerapkan metode Principal Component Analysis (PCA) sebagai ekstraksi ciri, dan Minimum Distance Classifier sebagai algoritma pengenalan sehingga didapatkan hasil pengenalan yang akurat. Hasil pengenalan dengan menggunakan data latih (training data set) mendapatkan keakuratan sebesar 100%, sedangkan hasil pengenalan menggunakan data uji (testing data set) mendapatkan keakuratan sebesar 84%. Sehingga dapat disimpulkan bahwa ekstraksi ciri menggunakan PCA dapat digunakan dalam penerapan algoritma Minimum Distance Classifier untuk pengenalan buah.

Metrics

  • 205 kali dilihat
  • 72 kali diunduh

Konferensi

Annual Research Seminar: Computer Science and Information and Communications Technology 2016

  • Konferensi di Palembang, Indonesia pada tahun 2016
  • 87 artikel

Seminar Nasional tahunan prodi Magister Teknik Informatika Fakultas Ilmu Komputer Universitas Sri... tampilkan semua