IMPLEMENTASI METODE K-NN UNTUK KLASIFIKASI IMAGE BERDASARKAN TEKSTUR DAN CIRI FITUR WARNA

Abstract

Perkembangan teknologi akhir – akhir ini tidak bisa lepas dari pemanfaatan image sebagai salah satu obyek penelitian. Content Based Image Retrieval
Penelitian ini bertujuan mengimplementasikan K-Nearest Neighbor untuk klasifikasi image landscape serta mengukur tingkat akurasi dan waktu klasifikasinya. Dalam penelitian ini dibangun sebuah perangkat lunak yang dapat mengekstrak fitur warna dan tekstur dari sebuah image landscape
dengan menggunakan metode Color Histogram dan Edge Histogram Descriptor. Hasil dari proses ekstraksi fitur kemudian digunakan oleh perangkat lunak dalam proses learning dan klasifikasi dengan metode KNearest Neighbor. Perangkat lunak dibangun dengan metode analisis dan perancangan terstruktur kemudian diimplementasikan dengan Microsoft Visual Basic.Net

Perangkat  lunak yang dihasilkan kemudian diuji dengan parameter tingkat akurasi dan waktu klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi fitur warna dan tekstur memberikan tingkat akurasi yang lebih tinggi dibandingkan dengan klasifikasi berdasarkan fitur warna saja atau tekstur saja
namun membutuhkan waktu klasifikasi yang lebih lama.

Kata kunci : klasifikasi Image, ekstraksi fitur, k-nearest neighbor