Penerapan Algoritma K-Nearest Neighbor Dengan Pengolahan Citra Digital Untuk Mengidentifikasi Jenis Kayu

Benedictus   Tranose; Santi   Lestari; Hanny  Handayani

Benedictus Mario Wendhi Tranose
Santi Arum Puspita Lestari
Hanny Hikmayanti Handayani

Keywords: Citra Serat Kayu, KNN(K-Nearest Neighbor), Python.

Abstract

Indonesia memiliki berbagai jenis kayu, salah satu contoh jenis kayu yang secara umum digunakan untuk pembuatan furniture adalah kayu Jati, kayu Mahoni, dan kayu Karet. Akan tetapi masyarakat masih belum bisa membedakan jenis jenis kayu tersebut. Keadaan ini dimanfaatkan oleh oknum untuk melakukan penipuan dengan menawarkan produk dengan bahan baku ketiga jenis kayu tersebut akan tetapi penggunaan bahan baku yang sebenarnya tidak menggunakan ketiga jenis kayu. Sehingga diperlukan sebuah penghitungan identifikasi jenis citra kayu Jati, kayu Mahoni dan kayu Karet dengan mengekstrasi citra menggunakan GLCM dan mengidentifikasi jenis kayu tersebut dengan algoritma KNN (K-Nearest Neighbor). Hasil algoritma KNN (K-Nearest Neighbor)akan ditentukan dari nilai parameter K yang digunakan karena nilai ini sebagai penentu jumlah ketetanggaan data yang diidentifikasi. Data yang akan diolah berjumlah 100 citra yang terdiri dari ketiga jenis kayu tersebut. Hasil akurasi tertinggi dari identifikasi jenis kayu ini adalah 91.6% dengan nilai parameter K= 5. Sedangkan hasil akurasi terendah dari identifikasi jenis kayu ini berjumlah 61.1% dengan nilai parameter K= 1. Sehingga rata rata akurasinya adalah 75.54%.

References

[1] Maharani, F., Hidayat, B., & Fauzi, H. (2015). Perancangan Sistem Pola Kain Sarung Khas Makassar dengan Metode GLCM Berbasis Android. eProceeding of Engineering, 2(2), 2638–2645.
[2] Puspadini, R. (2020). Seleksi Atribut Pada Algoritma K-Nearest Measures Menggunakan Similarity Distance. In Universitas Sumatra Utara Medan.
[3] Neneng, N., Putri, N. U., & Susanto, E. R. (2021). Klasifikasi Jenis Kayu Menggunakan Support Vector Machine Berdasarkan Ciri Tekstur Local Binary Pattern. Cybernetics, 4(02), 93–100. https://doi.org/10.29406/cbn.v4i02.2324
[4] Munantri, N. Z., Sofyan, H., & Florestiyanto, M. Y. (2020). Aplikasi Pengolahan Citra Digital Untuk Identifikasi Umur Pohon. Telematika, 16(2), 97. https://doi.org/10.31315/telematika.v16i2.3183
[5] Dumanauw, J. . (2018). Mengenal Kayu. Kanisius.
[6] PIKA. (2017). Mengenal Sifat-sifat Kayu Indonesia dan Penggunaannya. Kanisius.
[7] Ketut, I., Pandit, N., Nandika, D., & Darmawan, W. (2011). Analisis Sifat Dasar Kayu Hasil Hutan Tanaman Rakyat (Analysis of Wood Character of Social Plantation Forests). Jurnal Ilmu Pertanian Indonesia, 16(2), 119–124.
[8] Hendriyana, & Maulana, Y. H. (2020). Identifikasi Jenis Kayu Menggunakan Convolutional Neural Network Dengan Arsitektur Mobilenet. Ristek, 4(1), 70–76. http://jurnal.iaii.or.id/index.php/RESTI/article/view/1445/203
[9] Alvansga, E. (2019). Pengenalan Tekstur Menggunakan Metode Glcm Serta Modul Nirkabel. The Computer Journal, 70–75. http://repository.usd.ac.id/35558/2/155114015_full.pdf
[10] Surya, R. A., Fadlil, A., & Yudhana, A. (2017). Ekstraksi Ciri Metode Gray Level Co-Occurrence Matrix ( GLCM ) dan Filter Gabor untuk Klasifikasi Citra Batik Pekalongan. Jurnal Informatika:Jurnal Pengembangan IT (JPIT , Vol. 02, No. 02, Juli 2017, 02(02), 23–26.
[11] Simon, H. S. (2018). Penentuan Posisi Objek Berbasis Image Processing Dengan Menggunakan Metode Convolutional Neural Network. Journal of Chemical Information and Modeling, 53(9), 8–24.
[12] Prakasa, O. S. Y., & Lhaksmana, K. M. (2018). Klasifikasi Teks Dengan Menggunakan Algoritma K-nearest Neighbor Pada Kasus Kinerja Pemerintah Di Twitter. eProceedings of Engineering, 5(3), 8237–8248.