Abdul Mukmin (2016) PENGENALAN JENIS BATU MULIA MENGGUNAKAN WAVELET HAAR DAN JARAK EUCLIDEAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text FM.pdf Download (364kB) | Preview
Preview	Text BAB I.pdf Download (266kB) | Preview
Preview	Text BAB II.pdf Download (637kB) | Preview
Preview	Text BAB III.pdf Download (376kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (575kB)
	Text BAB V.pdf Restricted to Registered users only Download (638kB)
Preview	Text BAB VI.pdf Download (251kB) | Preview
Preview	Text EM.pdf Download (256kB) | Preview

Abstract

Kemajuan teknologi saat ini, perdagangan batu mulia tidak hanya dilakukan ditoko-toko saja, tetapi masyarakat sudah mulai menggunakan toko online sebagai salah satu alternatif dalam melakukan perdagangan. Dalam hal ini banyak terjadi kekeliruan yang dialami oleh calon pembeli karena masih banyak nya calon pembeli yang belum memahami jenis-jenis batu mulia, sehingga perlu adanya aplikasi yang bisa membantu dalam memahami jenis batu mulia. Secara kasat mata manusia mampu mengenali, mengklasifikasi objek dan mampu mengingat objek yang dilihatnya. Jika hal ini di implementasikan pada sebuah sistem, maka sistem akan membantu kerja manusia dalam mengenali dan mengklasifikasi. Seperti pada penelitian tentang pengenalan jenis batu mulia. Dimana manusia telah melakukan klasifikasi oleh mata manusia, namun terkendala karena sifat manusia yang mudah lelah. Maka dengan adanya sistem pengenalan pola sehingga mampu mengklasifikasi jenis batu mulia ke dalam kelasnya. Jenis batu mulia ini adalah amethyst, calchedony, idocrase, tourmaline, pyrus, ruby, ruby rendah, moonstone, safir dan zamrud. Diterapkanlah metode wavelet haar untuk ekstraksi ciri citra dengan memperoleh nilai energi. Pengenalan dengan jarak euclidean maka citra akan dikenali sebagai citra dengan jarak terkecil. Penelitian ini memiliki 60 data latih dan 30 data uji yang berbeda dengan data latih dengan pengujian level 1 hingga level 4. Diperoleh persentase level 1 sebesar 47%, level 2 sebesar 43%, level 3 sebesar 40% dan level 4 sebesar 40%. Secara keseluruhan mengalami kenaikan dari level 1 hingga level 4. Dari beberapa kali pengujian maka faktor-faktor yang mempengaruhi pengenalan adalah pemilihan data latih, jarak pengambilan dan energi LL. Kata kunci: energi, jarak euclidean, wavelet haar.

Actions (login required)

View Item