Analisa Kombinasi Line Hough Transform Dan Kode Rantai (Chain Code) Dengan Metode Klasifikasi K-Nearest Neighbor Pada Pengenalan Bangun Datar Terhalang.

Rozaky, Muhammad Ihsan (2023) Analisa Kombinasi Line Hough Transform Dan Kode Rantai (Chain Code) Dengan Metode Klasifikasi K-Nearest Neighbor Pada Pengenalan Bangun Datar Terhalang. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (284kB)
	Text (BAB I) BAB I.pdf - Published Version Download (368kB)
	Text (BAB 5) Bab Akhir.pdf - Published Version Download (155kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (227kB)
	Text (Tugas Akhir Full_Rozaky M Ihsan) Laporan Tugas Akhir_Rozaky M Ihsan.pdf - Published Version Restricted to Repository staff only Download (8MB)

Abstract

ABSTRAK Pada saat ini berbagai permasalahan dihadapi oleh komputer dalam melakukan pengenalan objek salah satunya komputer hanya mampu mengenali benda tunggal. Padahal benda di alam ini banyak yang bergerombol dan terhalang oleh benda lainnya. Bentuk dan ukuran benda ketika terhalang menjadi tidak sempurna sehingga dibutuhkan suatu algoritma pengenalan pola. Tugas akhir ini bertujuan untuk melakukan pengenalan bangun datar terhalang dengan kombinasi line hough transform dan kode rantai (chain code) dengan metode klasifikasi k-nearest neighbor. Tugas akhir ini dibagi menjadi beberapa tahap diantaranya: akuisisi citra, preprocessing citra, ekstraksi fitur dengan line hough transform dan kode rantai (chain code), lalu pengenalan bangun datar dengan k - nearest neighbor. Sampel penelitian ini terdiri dari citra animasi dan citra real�time dengan masing – masing berjumlah 300 sampel. Variasi keterhalangan sudut mempengaruhi akurasi pengenalan objek, waktu komputasi, dan penggunaan memori. Hasil pengujian untuk kedua sampel menghasilkan akurasi rata – rata pengenalan citra animasi sebesar 92% dan citra real-time 91%. Waktu komputasi tertinggi dan penggunaan memori tertinggi untuk citra animasi sebesar 0,2399 detik dan 3,397 Mb pada keterhalangan satu sudut dengan 7 garis serta terendah sebesar 0,1996 detik dan 3,266 Mb pada keterhalangan tiga sudut dengan 5 garis. Pada citra real-time waktu komputasi tertinggi dan penggunaan memori tertinggi sebesar 0,2568 detik dan 3,960 Mb pada keterhalangan satu sudut dengan 8 garis. Serta waktu komputasi dan memori terendah sebesar 0,2278 detik dan 3,885 Mb pada keterhalangan tiga sudut dengan 4 garis. Hasil pengenalan dengan menggunakan algoritma KNN dapat mengatasi keambiguan ketika dilakukan pengenalan. Dari hasil pengujian, disimpulkan bahwa metode ini memiliki kinerja yang baik. Kata kunci: benda terhalang, segmentasi warna, line hough transform, kode rantai, bangun datar, k-nearest neighbor

Actions (login required)

View Item