Claim Missing Document
Check
Articles

Found 1 Documents
Search

KLASIFIKASI JENIS KUCING MENGGUNAKKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS DAN K-NEAREST NEIGHBOR Aisyah Nur Ramadhayani; Veronica Lusiana
Jurnal informasi dan komputer Vol 10 No 2 (2022): Jurnal Sistem Informasi dan Komputer yang terbit pada tahun 2022 pada bulan 10 (
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v10i2.333

Abstract

Kucing dalam bahasa latin adalah Felis silvestris catus adalah sejenis hewan karnivora. Kucing adalah hewan peliharaan terpuler di dunia yang memiliki banyak peminat dan penggemar.Kucing yang memiliki garis keturunan tercatat secara resmi sebagai kucing trah atau jalur murni (pure breed). Jumlah ras kucing seperti ini hanya sedikit yaitu 1 % dari populasi kucing yang ada di dunia yang biasanya hanya dikembang biakan di tempat pemeliharaan hewan resmi. Penelitian ini menggunakkan algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor(KNN) dengan mempunyai tujuan untuk mengklasifikasi citra hewan kucing melalui tahap analisis pada citra asli, citra biner dan citra grayscale(keabuan).Hasil keluaran ekstraksi ciri akan menjadi masukan untuk metode algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor(KNN) untuk aplikasi klasifikasi jenis kucing. Ekstraksi ciri yang akan digunakan dalam penelitian ini yaitu RGB dan HSV. Data yang akan digunakan dalam penelitian ini adalah 34 data citra, terdiri dari 24 citra data latih dan 10 data citra uji. Maka dengan adanya penelitian ini diharapkan agar bisa membantu orang untuk lebih mudah mengetahui klasifikasi hewan peliharaan yaitu kucing . Hasil keluaran akurasi pada aplikasi klasifikasi menggunakkan Algoritma Multi Support Vector Machine (SVM) dengan ekstraksi ciri orde satu algoritma Principal Component Analysis(PCA) dan K-nearest Neighbor (KNN) yaitu mencapai tingkat akurasi sebesar 80%.