Penerapan Algoritma Grey Level Co-Occurence Matrix (GLCM) Dengan Metode K-Nearest Neighbour Untuk Klasifikasi Beras Berdasarkan Tekstur

Pengolahan citra merupakan ilmu dasar identifikasi citra berdasarkan ciri salah satunya ciri tekstur. Ciri tekstur pada citra jika terjadi pola citra yang berulang memenuhi semua bidang citra. Ciri-ciri inilah yang menjadi dasar dalam klasifikasi citra berdasarkan tekstur. Terdapat beberapa metode untuk memperoleh ciri-ciri tekstur dalam suatu citra, Salah satu metode untuk memperoleh ciri-ciri citra tekstur adalah matriks co-occurrence. Ciri-ciri tekstur yang didapat dari metode matriks co-occurrence diantaranya adalah entropi, kontras, homogenitas, energi dan dissimilarity. Hasil dari ciri tersebut selanjutnya digunakan untuk klasifikasi menggunakan metode KNN yang menentukan hasil klasifikasi dari jarak K terdekat. Objek yang diuji adalah citra beras.Berdasarkan penelitian yang telah dilakukan dapat disimpulkan sebagai berikut : metode KNN dapat digunakan untuk klasifikasi citra beras dengan hasil ekstrkasi ciri Co-occurrence Matriks. Karena data hasil ekstrkasi ciri dapat langsung digunakan untuk klasifikasi berdasarkan kelas dan nilai K yang telah ditentukan.Berdasarkan hasil pengujian, kesimpulan yang didapatkan adalah metode KNN dapat mengklasifikasi citra dengan baik, dikarenakan data hasil ekstraksi ciri tekstur beras dengan baik dengan tingkat akurasi 100% pada citra yang ada pada basis data dan 97.% dengan citra yang tidak terdapat pada basis data. Untuk citra beras KW 2 dan KW 3 tingkat akurasi

Image processing is a basic science of image identification based on characteristic one of them is texture haracteristic. Texture characteristic on the image if there is a repeating pattern image which fills all areas of the image. These characteristics are the basis for the classification of the image based on the texture. There are several methods to obtain the characteristics of texture in an image, one of the method to obtain the characteristics of texture image is the co-occurrence matrix. The characteristics of texture obtained from the co-occurrence matrix method including the entropy, contrast, homogeneity, energy and dissimilarity. The results of these characteristics will be used for classification using KNN (K-Nearest Neighbor) method which determines the classification results of K nearest distance. The object being tested is the image of rice.Based on the research that has been done can be concluded as follows: KNN method can be used for the rice image classification with extracted results of Co-occurrence Matrix characteristic. Because the results of feature extracted data can be directly used for classification by grade and K predetermined value.Based on test results, the conclusions obtained are KNN method can classify the image properly, because the result of extracted data of rice texture characteristic going well with a 100% accuracy rate on existing images in the database and 97% with images that are not found in the database. For rice image KW 2 and KW 3 levels of accuracy