BUDDHI DHARMABUDDHI DHARMA

Tech-ETech-E

Mint memiliki banyak manfaat, namun sulit dilihat perbedaannya karena bentuk dan teksturnya serupa. Penelitian ini memanfaatkan metode segmentasi K‑Means, ekstraksi fitur bentuk (metrik dan eksentrisitas) dan tekstur (GLCM), serta klasifikasi Euclidean Distance untuk mengklasifikasikan lima jenis daun mint. Evaluasi menggunakan matriks kebingungan menghasilkan presisi 82 %, recall 84 %, dan akurasi 83 %, menunjukkan model dapat mengklasifikasikan daun mint dengan baik. Penelitian ini menyediakan sistem berbasis GUI di Matlab yang mudah digunakan untuk identifikasi jenis daun mint secara otomatis.

Model klasifikasi menggunakan Euclidean Distance dan K‑Means clustering dengan ekstraksi fitur bentuk dan tekstur berhasil mengklasifikasikan lima jenis daun mint dengan akurasi 83 %.K‑Means efektif dalam segmentasi, sedangkan fitur metrik dan eksentrisitas serta GLCM memberikan informasi yang cukup untuk membedakan jenis daun.Meskipun akurasi baik, peningkatan jumlah dataset dan perbaikan algoritma dapat lebih meningkatkan performa.

Di masa depan, penelitian dapat memanfaatkan data set yang lebih besar dan beragam warna latar belakang untuk mendukung pelatihan model, mengkaji penggunaan algoritma klasifikasi berbasis deep learning seperti CNN guna memanfaatkan fitur visual yang lebih abstrak, dan meninjau metode augmentasi data untuk meningkatkan ketahanan sistem terhadap noise dan variasi pencahayaan sehingga dapat diimplementasikan dalam aplikasi mobile.

Read online
File size445.38 KB
Pages10
DMCAReport

Related /

ads-block-test