Kayu merupakan bahan mentah yang akan diproses untuk dijadikan perabotan rumah tangga atau untuk kebutuhan manusia lainnya. Permasalahannya adalah karena banyaknya jenis kayu yang mempunyai corak atau bentuk tekstur yang cenderung sama akan menyulitkan manusia untuk mengenali jenis kayu tersebut. Dalam penelitian ini pengolahan citra digital akan digunakan untuk melakukan ekstraksi fitur dari tekstur kayu kemudian dilakukan pengklasifikasian untuk mengetahui, mengenali dan memastikan jenis kayu. Kayu yang digunakan terbagi menjadi tiga jenis kayu, proses ekstraksi menggunakan dua metode yaitu Gray Level Co-Occurance Matrix dan Local Binary Pattern sedangkan untuk klasifikasi menggunakan K-Nearest Neighbor. Pengujian berdasarkan perbedaan dan kesamaan jumlah data training prosentase keakurasian 78,33%. Pengujian berdasarkan jumlah k memiliki ratarata akurasi dengan menggunakan nilai k yang berbeda mencapai 77,6%. Pengujian menggunakan citra sama dengan data latih tingkat keakurasiannya adalah 100%. Pengujian menggunakan citra diluar data latih mencapai keakurasian 78%. Pengujian menggunakan perbedaan jumlah bit pada level keabuan, 5 bit mendapatkan keakurasian 76% dan yang menggunakan 7 bit mendapatkan keakurasian sebesar 81%.
CITATION STYLE
Arifin, J. (2022). KLASIFIKASI CITRA TEKSTUR KAYU MENGGUNAKAN GRAY LEVEL CO-OCCURANCE MATRIX DAN LOCAL BINARY PATTERN. JIKO (Jurnal Informatika Dan Komputer), 6(1), 34. https://doi.org/10.26798/jiko.v6i1.557
Mendeley helps you to discover research relevant for your work.